AI做數學題，真正的思考居然是暗中「心算」的？
紐約大學團隊新研究發現，即使不讓AI寫步驟，全用無意義的「…」代替，在一些複雜任務上的表現也能大幅提升！
一作Jacab Pfau表示：只要花費算力產生額外token就能帶來優勢，具體選擇了什麼token無關緊要。
圖片
舉例來說，讓Llama 34M回答一個簡單問題：自然常數e的前6位數中，有幾個大於5的？
AI直接回答約等於瞎搗亂，只統計前6位數字居然統計出7個來。
讓AI把驗證每一數字的步驟寫出來，便可以得到正確答案。
讓AI把步驟隱藏，替換成大量的“…”，依然能得到正確答案！
圖片
這篇論文一經發布便掀起大量討論，被評價為「我見過的最玄學的AI論文」。
圖片
那麼，年輕人喜歡說更多的「嗯…」、「like…」等無意義口癖，難道也可以加強推理能力？
圖片
實際上，紐約大學團隊的研究正是從思維鏈（Chain-of-Thought，CoT）出發的。
也就是那句著名提示詞「讓我們一步一步地想」（Let‘s think step by step）。
圖片
過去人們發現，使用CoT推理可以顯著提升大模型在各種基準測試中的表現。
目前尚不清楚的是，這種效能提升到底源自於模仿人類把任務分解成更容易解決的步驟，還是額外的計算量帶來的副產物。
為了驗證這個問題，團隊設計了兩個特殊任務和對應的合成資料集：3SUM和2SUM-Transform。
3SUM要求從一組給定的數字序列中找出三個數，使得這三個數的和滿足特定條件，例如除以10餘0。
圖片
這個任務的計算複雜度是O(n3)，而標準的Transformer在上一層的輸入和下一層的激活之間只能產生二次依賴關係。
也就是說，當n夠大序列夠長時，3SUM任務超出了Transformer的表達能力。
在訓練資料集中，把與人類推理步驟相同長度的「...」填入問題和答案之間，也就是AI在訓練中沒有見過人類是怎麼拆解問題的。
圖片
在實驗中，不輸出填充token「…...」的Llama 34M表現隨著序列長度增加而下降，而輸出填充token時一直到長度14還能保證100%準確率。
圖片
2SUM-Transform只需判斷兩個數字總和是否符合要求，這在 Transformer 的表達能力範圍內。
但問題的最後增加了一步“對輸入序列的每個數字進行隨機置換”，以防止模型在輸入token上直接計算。
結果表明，使用填充token可以將準確率從 78.7%提高到93.6%。
圖片
除了最終準確率，作者還研究了填充token的隱藏層表示。實驗表明，凍結前面層的參數，只微調最後一個Attention層，隨著可用的填充token數量增多，預測的準確率增加。
這證實了填充token的隱藏層表示確實包含了與下游任務相關的隱性計算。
圖片
有網友懷疑，這篇論文難道在說「思維鏈」方法其實是假的嗎？研究這麼久的提示詞工程，都白玩了。
圖片
團隊表示，從理論上填入token的作用僅限於TC0複雜度的問題範圍內。
TC0也就是可以透過一個固定深度的電路來解決的計算問題，其中電路的每一層都可以並行處理，可以透過少數幾層邏輯閘（如AND、OR和NOT閘）快速解決，也是Transformer在單一先前向傳播中能處理的計算複雜度上限。
而足夠長的思維鏈，能將Transformer的表達能力擴展到TC0之外。
而且讓大模型學習利用填充token並不容易，需要提供特定的密集監督才能收斂。
也就是說，現有的大模型不太可能直接從填充token方法中獲益。
但這並不是目前架構的內在局限性，如果在訓練資料中提供足夠的示範，它們應該也能從填充符號中獲得類似的好處。
這項研究也引發了一個令人擔憂的問題：大模型有能力進行無法監控的暗中計算，對AI的可解釋性和可控性提出了新的挑戰。
換句話說，AI可以不依賴人類經驗，以人們看不見的形式自行推理。
這既刺激又可怕。
圖片
最後有網友開玩笑提議，讓Llama 3先生成1千萬億點點點，就能得到AGI的權重了（狗頭） 。
圖片
論文：//m.sbmmt.com/link/36157dc9be261fec78aeee1a94158c26
參考連結：
[1]//m.sbmmt.com/link/e350113047e82ceecb455c33c21ef32a[2]//m.sbmmt.com/link/872de53a900f3250aee#3811956490
以上是AI學會隱藏思考暗中推理！不依賴人類經驗解決複雜任務，更黑箱了的詳細內容。更多資訊請關注PHP中文網其他相關文章！
