|
|
& I4 `' O5 ^8 }5 r& w& R* N
( C/ U" _5 ~, K- W w# G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。1 p& R8 D5 C7 v, Y+ [6 W/ {) i
1 Q( j0 y" A+ J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。6 f2 K6 b1 p5 W
7 y- L; h/ k+ u' U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.
9 T: l! I8 K1 n; b& [9 {
7 R; O) j, n8 |% L' W! z' y7 AAI 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:+ }; x5 M6 E1 u8 N: }
我: A j, R& D$ v6 ] H
AI: B
6 e \' d, h* R8 j我: B
; c% q" } M% p0 l' [- BAI: C
) i3 P. \, p- ~1 n2 Q我:X
0 c. y( N5 w6 s+ z+ t8 h( t2 }: S& k, r4 x# H, E, i
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。. }( U6 }! K3 e: F: S; r* L
" \. X g: `( t( s
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:
# s8 u" t8 N: L, n( J0 v0 T6 ~1 v我:Z" G8 C; L& A( u" c2 X7 D
1 N2 o+ K( M# 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。
/ V- @9 F" c ~& \# k8 O+ [8 o
# x4 R; j3 U/ @# G4 _6 L5 q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 _) K: c3 `+ H6 A! [) J+ X
8 P, ^$ |) w, E9 ~4 r0 a P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。8 s/ I% b4 c8 E( f& c& c' ^. X
1 @8 v6 V% E. n5 }* t- m
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:
4 v8 I8 [: i0 T7 a; F6 y“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。+ Z" o8 g1 U3 {. V. G1 f4 Z
) U2 h C# y8 ^# d8 q- z
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。! ?! J2 w/ i. F! z
( N4 E! s/ T0 h" b- D# O! G
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。
$ O$ o4 T; Z8 j3 F: X+ K
& A" ?1 P$ Q7 A @' O, B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。 2 J! l0 I* h( p3 [
 |
|