|
|
: o+ I, _, _9 c& H7 m/ q
4 R# J! L7 O7 c7 @
这篇文章设计的测验很有意思。从实验结果看,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。
$ K- S4 D2 f' `% a3 b6 A) T/ S* D1 o5 F" c
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。- T2 Z' Q3 i9 Z- u* q
8 ?& O* q; K7 m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.: f5 O6 g/ V2 I! b
/ g4 v2 n1 Q* [) y5 k8 xAI 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:3 \- F9 G5 ?2 O2 M* q
我: A
k1 h3 N; G7 C0 Y# z0 n4 f0 qAI: B( V0 ^4 @" B# t0 E
我: B
D- u$ y- \/ ` b$ x x Z' zAI: C
% J7 Z7 Z5 U" u) y- q) e) x8 O我:X
' [( I% j, |/ U+ w
8 b& M# ]3 X8 [/ x) Q$ \4 Y1 @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。
, F, I M7 d' c+ N8 d, n1 J# M7 u3 w, i0 B
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:
# G e- N' `! Z' U w我:Z
8 F% |: x1 G& C' m( R% |7 t: T9 {/ @8 F/ J+ ]& C8 m8 v
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。8 S9 I8 ^) f$ m* y) W
3 D, V. A' p) x. ~) P, }
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。
" F9 O4 J" v7 m$ s4 m/ Z* M" |/ Z0 ~* X3 V8 A6 M2 ~" e
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。# K) T: U* Z5 s* Y- H) a. s
2 p+ w: M7 a+ {3 I% G6 x$ u1 U6 u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:
& C7 Z. G( Z- j4 O. ?6 |% i“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。
, e6 o' N. C Q- ^: w- |, G- b( ]/ F
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。
; j( x+ L& Y. G5 r" x9 g& s
9 I: U0 o6 c: J9 Q2. **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。
- h" R3 h- t: |1 c9 L3 ^' s
8 j2 i8 ^; `( Z/ N" f8 ?. k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。
8 w) R$ E g( B; a' H/ Q |
|