|
|
+ Y( Y0 }8 X# T. Z' B- ^
p4 l5 Z; U9 g$ _. o) s( s+ E$ r
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。! U2 S& E+ S# v' R4 H- i1 s7 h
" G# @& `" f1 H F2 A, \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。
% ^& ^; f8 |# C
3 U* i5 r) W; a# X3 P! f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.
, C2 E9 r) Z' A
1 x8 v7 D+ M, u$ B; w# D; J6 |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:
/ O% k9 j& o8 t) Q9 s2 c. i5 B6 L我: A
2 h, T- d" w1 i( P% }5 M; i' EAI: B% A2 B1 U7 P, `1 N5 U" S9 G! U! e- r
我: B4 E2 ^$ n; n2 L J) T
AI: C
7 R/ s7 P. Q$ K: U' l我:X0 N" Q( }# C* W8 ^1 L' ?
S! P/ j4 ^/ Y% g0 j
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。9 C8 z) W" }+ \9 Z
1 g u$ M+ w6 W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:
& v& ]/ A; o5 [. r8 X; A我:Z
. e/ A+ E% C+ n* y3 ]6 [; J, \5 z8 w9 e- N4 b+ G5 I
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。
$ M! B+ ~7 }& v, i% n1 T- b' R6 {* u' d% Z4 d
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。) W- l( ?5 ^2 g0 f
: M* g' ]* y+ ], L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。) @& |# l& d+ i: ]: c A
6 W) @- Q; \4 x& r/ }2 D# E* 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:
+ r( ?/ T) D; ^* ]* Z“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。 w7 x% |, y7 `" D1 m4 t0 L
8 S7 h( v' b9 G8 t" f* S- k1. **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。: n% W( ?! P2 G& q/ v) o. N
( N- \, Q* x" A- z5 K% 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。
% f, P" m5 }3 D( d& W
! ]: l* Q6 |# L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。 4 K, W& z& o9 `! s+ w8 V# j
 |
|