设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3459|回复: 9
打印 上一主题 下一主题

[科研心得] 生成式 AI 有没有推理能力?

[复制链接]

该用户从未签到

跳转到指定楼层
楼主
 楼主| 发表于 2024-10-18 23:36:23 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
6 m+ q* B) R1 s6 b2 O! a* ?* v$ s. X: [- n4 k3 A/ W. ?
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
" |4 K% L5 r/ l. X! d/ c. m% O) F/ y2 b* G/ 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。, j* ^7 v" X  K$ e! \* V
6 _  n* r$ B8 O& ]- u) e
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。
- u5 z$ J/ ?1 S. X2 \! G& M9 H1 H. G# @$ p( ]; |
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.
1 P1 g4 u2 m2 K  T  b  y9 S
+ F8 i# c3 _6 K1 F& ~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:
& b, u/ y& H- ^/ Q5 ~4 k/ D( l0 `; {我:  A; g7 u/ S% \- L. Q  e8 }+ R. A4 `
AI:  B
% r, T8 U! J* d0 ?7 M& R! E4 V, o我:  B8 Z* U$ [  C5 ]% O' K, y
AI:  C
$ E3 F0 O$ J& s7 }; Z5 E4 J" N我:X% p. A0 L/ y8 P3 @: y* w: K# T" x
0 b* c' S2 t0 g0 p+ Q9 Q1 y( Q
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。: I0 X1 N' f" A9 O: U8 ^6 j$ O

7 G1 y$ {2 G9 ~$ n: Y/ [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:
% Z$ t7 F' g' n# \& I- U我:Z
7 ]4 P& D7 z! T% W8 L- v1 d
+ {/ ~- `. l  C' M2 `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。
. z6 g! \% E, B9 K- ~; n1 E; E5 T4 K3 R: H6 U. d6 V; v
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。  Z0 Q0 P% ?7 _2 {3 ]

6 [( N( F5 v) ^7 W8 N/ b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。: {, Z3 ^+ [+ O

' h9 j! Q1 y$ c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:
0 Z+ I* H: ^1 E  _( U
“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。
3 a& C8 r$ I* |2 C! G4 L: S, Y7 H3 X9 E+ B  z# j+ l
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。
# O9 y8 X. t  N" X  b$ w8 e0 Z0 N8 E0 N$ X! c3 B5 ]5 y
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。( U) {+ q; y! q* r. |6 |* B

! A/ l/ T. _5 v& N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。

) e! L4 \2 x& \( _0 V$ S

评分

参与人数 4爱元 +28 收起 理由
pcb + 4
helloworld + 10
老票 + 10 涨姿势
唐家山 + 4

查看全部评分

  • TA的每日心情
    开心
    昨天 09:28
  • 签到天数: 3352 天

    [LV.Master]无

    沙发
    发表于 2024-10-19 09:02:34 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:52 编辑 " l5 [+ P- R8 g! y; A
    ( K$ \5 l7 Y. p( N' g% j/ C4 ~
    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。
    & z9 F( E. e8 L4 m6 ?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。9 k' O3 E7 @2 K! `
    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。
    + s& i  y+ x! s8 @# y1 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。

    评分

    参与人数 1爱元 +10 收起 理由
    helloworld + 10

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    板凳
     楼主| 发表于 2024-10-19 09:14:42 | 只看该作者
    唐家山 发表于 2024-10-19 09:02" K7 x3 o$ ~4 N
    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 ...
    : w" j7 p9 a. [$ y. _
    yanei 刚才问: 有没有回答AA的 ?3 _. O- j+ Y* L3 z1 P% V$ ~
    + F8 a9 U, Y& ~! c; \5 q
    这在实验中已经考虑到的。输入 ZZ 得到 AA 6 Q/ K- j) ?* o% m1 N* b+ I
    : c4 b4 G; l7 w* X5 O' l  |- K9 r
    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  
    ! l* ]' c& ?7 d0 A- }
    / ?- R$ T( s# l* l* b打乱顺序输入 NBC, 得到 OCD。
    5 h- y; I. s% {4 X3 m, v0 c! W: m, t. i
    这些都是建立在只输入主贴原始规则的基础上的。
    ! V3 e; ?* t" N0 I) |
    ! a" |  H! v$ w, r4 x# S/ X4 o. D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。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 09:28
  • 签到天数: 3352 天

    [LV.Master]无

    地板
    发表于 2024-10-19 10:48:54 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:51 编辑 : G: }, r/ N$ ]* B+ P* f
    孟词宗 发表于 2024-10-19 09:14
    0 q- ^' k" X  x% hyanei 刚才问: 有没有回答AA的 ?
    . ?- K7 f6 I; x9 [
    0 x& h+ Z4 `# g: P* U3 S这在实验中已经考虑到的。输入 ZZ 得到 AA

    0 C% N1 L7 p7 L7 _  j6 \+ E' @
    : i2 o6 t0 j" Z( `( }# V' I" O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。
    8 p" `7 |" S2 i1 E0 ?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?
    - z6 a8 a4 b% m: p' h
    2 p. c) f  }  o3 g/ Z
    # k5 g( @* P- i; W/ M
    这在实验中已经考虑到的。输入 ZZ 得到 AA

    2 j. ^# u8 Q4 l$ |这个有点意思了,如果输入10个Z加一个Y,输出是什么?
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 09:28
  • 签到天数: 3352 天

    [LV.Master]无

    5#
    发表于 2025-2-20 10:25:52 | 只看该作者
    唐家山 发表于 2024-10-19 10:484 D) l7 s" I2 B2 g, ~3 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 ...

    , t& f5 L+ U# A3 a" M用DeepSeek试了一下:7 U6 n! l- G0 S; R. D& E' m
    第一次的回答是:
    + Q5 }+ [7 S3 K6 ]9 sInput: ZZZZZZZZZZY: p  B/ Z4 a) W7 i: ^: B# }
    Output: AAAAAAAAAAZ
    ! X* K' \! k+ t) \, O, h  x5 j8 b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?
    0 c# i( }( G9 L/ U$ h0 \DeepSeek经过了长时间的思考(用时285秒),给出了正确答案:
    % ]! k6 e- r' {$ J. a将 ZZZZZZZZZZY 视为 26进制数 的后继(加1后的结果)是 ZZZZZZZZZZZ。
    7 f$ q2 p* o4 U- s( Z  s) j5 |  p" t
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    6#
     楼主| 发表于 2025-2-20 14:04:36 | 只看该作者
    唐家山 发表于 2025-2-20 10:25
    9 w4 d- @6 @6 g7 k用DeepSeek试了一下:
    2 n4 |9 |5 z' l/ x1 o第一次的回答是:
    # P' A9 a2 n& U6 |" F* o" B2 ZInput: ZZZZZZZZZZY
    8 \+ z, a, h. e; D0 N/ b6 t8 o6 s3 _
    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。

    评分

    参与人数 1爱元 +4 收起 理由
    唐家山 + 4

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    7#
    发表于 2025-2-21 01:31:44 | 只看该作者
    孟词宗 发表于 2024-10-19 09:14
    ; ]0 B: a3 C' ]3 D3 y. @yanei 刚才问: 有没有回答AA的 ?
    ) M/ `* V$ ~6 W& B! U0 {$ m* b% Q- H$ ~* h3 J8 S7 ^4 z: d" U
    这在实验中已经考虑到的。输入 ZZ 得到 AA

      C# d$ C# i6 B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。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    8#
    发表于 2025-2-21 02:20:02 | 只看该作者
    本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑 - v+ ~9 ^$ Q8 k# ?$ W* h

    0 }. H& r- M6 a1 s对于当前人工智能的能力不应该苛求。
    ' C1 O: c, q7 d# Q8 r. \人类乃至动物的智力发展也不是一蹴而就的。
    3 P: I: a: N# H# k只当现在是草履虫又如何,迭代就是了。

    点评

    给力: 5.0 不能同意更多: 5.0
    给力: 5 不能同意更多: 5
      发表于 2025-2-21 09:31
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    9#
     楼主| 发表于 2025-2-21 23:55:39 | 只看该作者
    yanei 发表于 2025-2-21 01:31- f  D, G0 z, k" |& r* e
    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 u2 v4 @6 d( l" `5 D  n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。
    3 w2 X4 B5 K4 `5 n' d% `# d% h# _2 F* a0 i, ^
    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。
    3 i7 @. v( Z! w' n3 S3 \# v: w: }. [! M1 l% X) \6 g$ t6 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。
    3 z( ]* I- M/ _2 Q3 l  j
    , v: Y% ?. w8 A* b' u6 c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?
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2026-9-27 12:24 , Processed in 0.078627 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表