生成式 AI 有没有推理能力？

孟词宗

  {3 u% T$ b4 A1 u! a" L) `/ d) `
% K" ^6 E, ^) \% `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
. Z; X% }: m" f/ ?8 {  H
, `6 R3 Q$ z! N; k/ Z/ e7 m$ d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。
6 W/ ?9 s, h3 ^5 ]6 _. X+ F
7 ~8 ], D0 n7 }1 d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。
! r( m( Z, w% W
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.
7 F2 w! D: ]' y0 M$ d& X4 |9 v
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：
我:  A
& u( S" p2 X& r2 [& O6 A0 U) DAI:  B
我:  B
AI:  C
我：X

) x5 N+ Q8 U# f8 ~# R1 {  S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。

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：
我：Z

% [; r/ ^% _1 M: Q4 E8 T& I) C# ^( I8 G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。
+ X3 h- c: I& P4 }  s, j  a$ G
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。
1 M4 E5 ]& N7 G! {( s
$ D! W8 d4 z) `! H# K7 _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。
$ a0 Y5 ~% f9 l/ D" h2 f
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：
" K# P6 n% K: y, D$ b4 O

“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。

/ ?, T, H) H: d. M7 d1. **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。

. r5 ]- s, n; k  [; R: z7 V+ g2. **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。
- [; s$ G) Y9 j* Z9 o
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

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。
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。
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
( ?$ F2 q  H/ I3 S) O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 ...

1 n0 ?2 U) X/ Y% q0 l* Lyanei 刚才问: 有没有回答AA的 ？
7 N7 w! _1 c$ x: Y+ z7 D, o9 R
% j3 N: {! v, g" {* F" t这在实验中已经考虑到的。输入 ZZ 得到 AA
9 C! K& \9 n7 A4 a1 E
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  

+ }* I% ~* e3 H  n8 l+ b5 x; i8 s  f打乱顺序输入 NBC， 得到 OCD。
" L: h; w. x/ b. ?1 w5 Z
+ e9 P9 Z" P8 |% U7 h6 _这些都是建立在只输入主贴原始规则的基础上的。

6 f# O; G7 X; M' j0 b, X4 B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

& L! c  y$ H1 x

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
3 F5 ~! ]# v/ l' t( g" @
/ q& f' Y3 @% j这在实验中已经考虑到的。输入 ZZ 得到 AA

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。
, G6 y5 p6 u/ g9 a) u. A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？
+ U) y6 o( G/ G# S  \/ Z% g
) q! Z; ?+ u" }7 D
1 D& h) Q- `0 F# g$ J! V( J

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
: a$ y. b) Y, X# `9 N+ d& G; |4 y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 ...

用DeepSeek试了一下：
第一次的回答是：
: t- q6 m/ i; W/ dInput: ZZZZZZZZZZY
$ B( ^4 \6 w9 D. [8 O$ s. vOutput: AAAAAAAAAAZ
) L0 G5 M& x' E; z. J& J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？
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。

孟词宗

唐家山 发表于 2025-2-20 10:25
, G( B- ^0 p- R/ f, s用DeepSeek试了一下：
第一次的回答是：
Input: ZZZZZZZZZZY

0 r2 X  }5 c, N* T; z, ~8 L: @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
3 ^! J9 B7 q3 i5 I+ g3 P  i" o, jyanei 刚才问: 有没有回答AA的 ？

这在实验中已经考虑到的。输入 ZZ 得到 AA

3 C* D; g7 C( z4 N: E6 d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

' e5 z5 j+ U7 d0 a对于当前人工智能的能力不应该苛求。
, p9 p* _  w/ M; v$ e& i; x8 e人类乃至动物的智力发展也不是一蹴而就的。
% i) t2 P' ?4 p1 p3 l8 D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
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， ...

/ a5 b6 v6 h5 |% R% F9 c- T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。

& k% }8 d+ n0 q4 }" a8 P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。

* Y' v- `' e0 z* y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。
, [" z1 [) r+ x, R7 _8 ^
9 \* A5 \5 p5 C" e# N- }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？