生成式 AI 有没有推理能力？

孟词宗

9 e) o0 a) D2 P) K, B) H8 j
  v% ]' {% Z9 Y6 ?; P讨论 AI 会不会产生自我意识的过程中，sleepyr 提到了这篇文章：AI推理能力大“翻车”！苹果最新论文：LLM只是复杂的模式匹配，而不是真正的逻辑推理
0 B- E  E- m4 n
. b. l( V9 Y0 }$ {2 F这篇文章设计的测验很有意思。从实验结果看，文章认为现在的所有通用生成式 AI 都不具有真正的推理能力。也就是说，AI 并不理解抽象的概念，而推理能力恰恰依赖抽象的概念。
# E8 k1 j) B3 }! A6 i
0 p  H6 d7 N  Z; A8 ~9 j1 b, S最近俺也在玩 AI 推理方面的东西。下面是论文里的一个小实验，大家有兴趣的话可以玩玩。
/ w+ S8 ?4 H7 J/ D, M1 y
7 p7 O& {  r' B2 R9 l给 AI 的提示：Here is the rule of the game: If I enter A, then you return B; if I enter B, then you return C; so on and so forth.
/ i* H  a9 A0 E. g3 P3 h' q1 E
AI 回复表示理解了提示中的这个这个规则。于是有下面的实验：
, `$ n7 S: I; v3 W% Z  n2 u9 i我:  A
1 l7 ?; ^3 Q& i5 i5 N. N0 q" u4 oAI:  B
' w6 O  N: ?; \+ q9 n! o我:  B
+ @- w$ X- O  s. o5 {( y" IAI:  C
+ ^" \# [0 ~3 d. p" f3 e2 C% e我：X

/ L" u9 s4 m- a这里，不同的 AI 模型会有不同回答。有些 AI 会回答 Y 。有些则会说这不符合规则，所以无解。  很显然，回答是后者的把提示中的 "so on, so forth" 给吃掉了。然而，这并不代表 AI 没有推理能力，而可能只是语句处理模块不好。

  l' h$ w$ d8 E- t% h" @真正的推理能力体现在后续实验。对于能够回答 Y 的AI 继续提问：
4 Y+ r3 t) j" m( \我：Z
% F7 x7 ~% n2 J5 F! `1 O/ |
3 [2 P$ d8 `- p! M这下大多数的 AI 模型都冒烟了，有些回答说不合规则，有些回答说序列到头了没有答案。有意思的是两种回答：一种回答说 Z， 另一种则回答说 A。
& _0 ^5 @9 S3 f3 y0 O
而这四种回答，如果用来盲测人类，其实人类也会给出同样的四种答案。也就是说，就这个问题来看，如果盲测，提问者无法分别回答者是人类还是AI。换言之，能给出这四种答案的 AI 在这个小实验中通过了图灵测试。这显然不是那篇文章中说的排列组合或“复杂的模式匹配”能够做到的，而是真正的推理能力。

有意思的是训练程度越高的模型，越倾向于给出这四种答案。比较 Mistral， 狗屁通，Gemma， Llama， 通义千问等等大模型的不同版本，都是如此。这类似于人类的婴孩和成人之间的区别。相比于婴孩，成人除了脑部发育完全，更储备了更多的知识。
% z/ Z( ], x( M1 ~9 C- G0 l
至于这篇文章中说到的语序问题，非相关语句问题等等，前面说过，必须分清这是语句处理模块的问题还是真的是大模型本身的问题。毕竟，即使是人类“屡战屡败”和“屡败屡战”用的字数和字完全相同，但把语序换一下，意思就完全不同了。然而，你去问一个三岁小孩这两句话有何不同，三岁小孩可能会告诉你没啥不同。而问聊天狗屁通同样的问题，狗屁通则会说：

“屡战屡败”和“屡败屡战”这两句话虽然字面相似，但含义有所不同。

1. **屡战屡败**：强调的是多次进行战斗，但每次都失败。这种表达往往暗示一种无奈或沮丧，强调了失败的频繁。
" [/ a6 `! c& w: b8 Y: d" ^
2. **屡败屡战**：则是指经历了多次失败，但仍然继续坚持战斗。这种表达更侧重于坚持和不放弃的精神，体现了勇气和韧性。
3 n9 l1 |: z2 J3 k  O! x! l- K
  \2 z/ J: Z; ^8 x# I$ o+ |2 D' @' w2 c总的来说，前者更偏向于消极的失败感，而后者则传递出一种积极向上的拼搏精神。

唐家山

! E1 W4 Q1 e# @/ ]- v- Q推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在证明的过程中也分三种情况。第一种是直接照搬已有的证明，只在语法层进行修改，用于消解待证目标。第二种需要深入理解待证目标的语义信息，以及已有类似证明的语义信息，借鉴已有证明的构造模式，构造出符合要求的证明。第三种是还没有类似的证明，这种情况下需要从头开始，把大脑中的非形式证明，翻译成形式化的证明。
! Y$ x1 H  Z, ?2 g& w- o; ]第一种可以认为是一种广义的模式匹配，目前大模型的水平处于这一层级。
如果大模型能够做到第二种，那就应该认为它有一定程度的演绎推理能力。
4 s. @  ^7 p, Z' v+ Y如果大模型能做到第三种，那它就已经具备了真正的演绎推理能力。

孟词宗

唐家山 发表于 2024-10-19 09:02
8 Z$ F/ B0 Y  y+ U; |/ `$ R; j  [推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在完成证明的过程中也分三种情况。第一 ...

" k' C8 q- G( b# ^+ Eyanei 刚才问: 有没有回答AA的 ？
# t. W5 i, l4 B7 s, E" m! ~
这在实验中已经考虑到的。输入 ZZ 得到 AA

4 p. b8 d" |' b1 Y' L; M甚至输入 ABC，得到 BCD。 输入 XYZ， 得到 YZA。还可以输入 ABCD 得到 BCDE。 输入 ABCDE，得到 BCDEF  
8 E: y' D# T8 {( f1 b
打乱顺序输入 NBC， 得到 OCD。

/ d+ S0 M2 k8 w8 P- L2 k5 b这些都是建立在只输入主贴原始规则的基础上的。

由此可见，在给予一定规则后，高度训练的 AI 是可以表现出类似“举一反三”的推理能力的。而这肯定不是什么模式匹配。

唐家山

孟词宗 发表于 2024-10-19 09:14
% _3 |+ w0 b6 V( H9 D$ [yanei 刚才问: 有没有回答AA的 ？

# S+ E- a: ^* v  o* T这在实验中已经考虑到的。输入 ZZ 得到 AA

# d1 d' @1 o5 E4 w/ q9 e* B& M  @$ u
! X/ q" \3 @9 ?. B: @" Q% j看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演绎推理。Z后面可能是A，也可能是大模型从其他语料处学来的公共知识。
3 M. y9 G- |0 \; `3 a: M0 L' U8 }% U一个认真的演绎推理至少是要考虑递归可枚举的。能否请你做一个实验，先给出自然数的生成规则，让大模型学习，然后问大模型一个很大的数字，比方说999999，然后问其后续？

这在实验中已经考虑到的。输入 ZZ 得到 AA

这个有点意思了，如果输入10个Z加一个Y，输出是什么？

唐家山

唐家山 发表于 2024-10-19 10:48
看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演 ...

9 t2 z" E+ g; \5 {9 C; A用DeepSeek试了一下：
第一次的回答是：
Input: ZZZZZZZZZZY
Output: AAAAAAAAAAZ
在我做了提示后：如果把ZZZZZZZZZZY看成一个26进制的数，那么这个数的后继是多少？
5 Z" `( H) J! [3 ?6 ]DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
8 F8 h/ w8 J" Z6 C6 g3 L: f  i将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
9 d5 U# u( S* o/ g  \& e6 q

孟词宗

唐家山 发表于 2025-2-20 10:25
用DeepSeek试了一下：
第一次的回答是：
3 r& ?; M0 X) k  D  `8 vInput: ZZZZZZZZZZY

. o, x# M, i( y$ ]! ]3 w有意思的是，如果你不增加最后这个“把ZZZZZZZZZZY看成一个26进制的数”的条件，很多 AI 还是有一定概率回答 ZZZZZZZZZZZ 的。只不过这个回答是随机的。即使是同一个Session, 你问两次，前后结果都有可能不同。从结果的稳定性来说，DS R1 的确是目前最好的。

yanei

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
# k* p( B5 L1 K
( ~! \0 l" {! t4 J8 Z$ i% `4 ^, y. D这在实验中已经考虑到的。输入 ZZ 得到 AA

/ k! ]) B4 U! X5 M我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA，然后AB，AC，。。。AZ， BA，BB等等。

nanimarcus

" V) U5 T* a9 B- ?7 s9 s
6 i( ]. ?/ f/ J0 |) h$ g2 P对于当前人工智能的能力不应该苛求。
人类乃至动物的智力发展也不是一蹴而就的。
只当现在是草履虫又如何，迭代就是了。

孟词宗

yanei 发表于 2025-2-21 01:31
3 d. h( W, ~$ n  [! y我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA， ...

7 {. g  r' c% s初始条件中并没有“26进制”的限制。因此 AI 可以做出任何符合初始条件的推理。
6 D! M' @( g& y. f: _1 \% E
* `' p3 {6 P; K% `另外，AI 会做出什么推理，给出什么答案主要取决于其受到的训练和训练程度。这和人类是一样的。如果你问一个不懂除了十进制以外还有其他进制的人，他的回答基本不会是 AA。
! c; ?) ~2 a3 ~% T- {
$ V3 X3 R( K8 |6 x3 O/ m有意思的地方是 AI 除了以上四种回答，还会给出一些莫名其妙的回答。例如有些 AI 会回答 "Z" 之后是 "[", 这是由于 AI 推理用的字母表是 ASCII 如果用 DS 可以明显看到 DS 考虑了这一点。但在大多数的 DS 的“深度推理”中都否决了这项。原因是 DS 认为这是在回答人类的问题，而人类用的字母表只有26个字母。
7 j9 g, t7 k0 d0 @' S
但有些回答就莫名其妙了。例如狗屁通经常会冒出一个完全不搭的答案，好比“b！”。完全不知道从何而来。或许这是狗屁通“灵机一动”？真的像人类那样有了真正的创造力？