生成式 AI 有没有推理能力？

孟词宗

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
2 f' [4 o- O7 G
9 h& u# w- \7 H7 a3 X* w0 j5 Z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。
8 ^2 _7 H+ l- j# P/ P3 B
0 ^# v6 ?2 ]5 f: k3 I0 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。
' f3 G( d' J! b4 T( _0 p8 y
# ], C3 u6 v' |9 G. Q! ~* P. n  l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.

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
+ p5 _3 z5 v3 ]+ I& rAI:  B
9 r2 B' y9 K* S0 [2 a; }我:  B
/ n3 |% E$ L. Y- [, oAI:  C
" ~/ r  M) p* b) y2 c我：X
1 F# y! V: H6 E
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。
. ]: v; }. E. W. P0 o. {
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：
& q  ?$ h% _- Q' h" k8 E( d我：Z
- l' {1 x0 f. ^' L4 J2 ?) M+ J
2 Z+ M' V# |; u: f0 ^! T. J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。
. ~4 A: d" }6 p5 e7 l
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。
8 `8 Z/ T) F% K! k, @, G5 M6 M+ Z' h
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。
* b" \3 \9 l3 ^9 P
  E) Q$ a7 l# J9 b  D- Z5 @( 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：

“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 B1 ]; w  w- Z8 D  C$ G
% F# W, l# ~) e1 Y- N1. **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。

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。
9 x# d" T0 ~( h9 S, o. S5 J4 {
+ G: Y0 A6 l6 |: F! v$ F6 W5 G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

9 ?, a2 P  d+ J9 }( C( D% @- n
' s/ Q: @' i% K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。
/ }7 ?& ~. B3 n+ I2 _5 ]" n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
' T: w7 F) s5 O" l! E$ n6 i7 t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 ...

2 ~2 f$ O) Q- M! {! Z2 g) {yanei 刚才问: 有没有回答AA的 ？

2 ^; f6 h( g  n) r0 r8 o这在实验中已经考虑到的。输入 ZZ 得到 AA
8 _8 o3 w: P( _$ m8 l0 }* F+ B
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  
7 H& t6 |" m: i) P. |
打乱顺序输入 NBC， 得到 OCD。

这些都是建立在只输入主贴原始规则的基础上的。
( o/ e! r" j4 Q. z( b6 d
  J1 w& [9 T/ C% t/ 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

! i% `4 H, T& ]# M% d5 _

孟词宗 发表于 2024-10-19 09:14
5 Y, G$ S8 x" G9 S" vyanei 刚才问: 有没有回答AA的 ？
$ t! R1 `, T0 }0 B, d, _4 l
, k+ f) Z" O3 i- l& C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。
" H% b: L6 U, l' c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？
1 {0 }6 Z" C: b: l
& ^$ s( U) S3 K, \
7 Q& y/ B- {1 Z4 B

这在实验中已经考虑到的。输入 ZZ 得到 AA

1 H# E$ L2 ^' @1 ^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
" T, e, @' y5 i  Y3 n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 ...

- E. _0 A& H6 k8 c用DeepSeek试了一下：
/ g8 x* C% m  r) i% {) [9 m% L+ I5 u第一次的回答是：
Input: ZZZZZZZZZZY
Output: AAAAAAAAAAZ
4 E$ o8 f, f5 ^* E' H( N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？
; t2 ]0 B. u6 d! YDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
/ e( u# d2 U% X将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
* S; ]4 Y3 C. c2 b

孟词宗

唐家山 发表于 2025-2-20 10:25
用DeepSeek试了一下：
第一次的回答是：
Input: 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
- T  p+ V5 m8 hyanei 刚才问: 有没有回答AA的 ？

$ A" C: R5 z2 y9 k+ r7 ]) Q0 W. x这在实验中已经考虑到的。输入 ZZ 得到 AA

. i1 R/ ?5 w) i; y8 I" x. V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

6 g' B# l4 X4 L* t( j- I" l
, k! K+ _& F  q+ u& a; s( A对于当前人工智能的能力不应该苛求。
( v0 `  A! u9 R! q6 Y, q人类乃至动物的智力发展也不是一蹴而就的。
( t+ E2 d3 }* }+ V1 Z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
' p% i$ ]) ^& g) 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， ...

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。

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。
, |2 J( i& V8 @$ x( i. k
6 @' b& P+ n) 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。

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？