生成式 AI 有没有推理能力？

孟词宗

6 m+ q* B) R1 s6 b2 O! a* ?
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
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。

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 \
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
AI:  B
% r, T8 U! J* d0 ?7 M& R! E4 V, o我:  B
AI:  C
$ E3 F0 O$ J& s7 }; Z5 E4 J" N我：X

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。

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
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。

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。

' 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
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$ w
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。

! 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

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。
& 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。
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。

孟词宗

唐家山 发表于 2024-10-19 09:02
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 ...

yanei 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

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
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。

唐家山

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？

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 ...

, t& f5 L+ U# A3 a" M用DeepSeek试了一下：
第一次的回答是：
+ Q5 }+ [7 S3 K6 ]9 sInput: ZZZZZZZZZZY
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

孟词宗

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

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
; ]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
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。

nanimarcus

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。

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， ...

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
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: }
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？