2.3. 思维链与左右互搏

思维链提示, 就是遇到复杂的, 大模型不易理解的问题, 人工拆解, 让大模型一步一步计算或解答, 逐步得出结果的方法. 或者告诉大模型 “让我们一步一步来”, 这样的话, 让其自动进入链式思维 (零样本思维链提示), 推导准确结果的方法.

不过这种方法适合早期的大模型, 现在的大模型越来越智能, 逻辑推理能力甚至超过博士水平, 思维链提示已经是它们的自带属性:

示例 1: 数学解答

在一个小镇里，有三家商店：A、B 和 C。小镇上共有500人。下面是一些关于这三家商店的信息：

店A的顾客数量比店B的顾客数量多20人。
店B的顾客数量是店C的顾客数量的两倍。
总共有300人在这三家店店里消费。

问题： 请问每家店有多少顾客？

好的，让我们一步一步来计算：

我们可以用代数来解决这个问题。

定义变量

  • 设店 C 的顾客数量为 ( x )。
  • 根据条件，店 B 的顾客数量是店 C 的两倍，因此店 B 的顾客数量为 ( 2x )。
  • 店 A 的顾客数量比店 B 多20人，因此店 A 的顾客数量为 ( 2x + 20 )。

总人数方程

这三家店的总顾客人数为300人：

x + 2x + (2x + 20) = 300

解方程

  1. 合并同类项：

5x + 20 = 300

  1. 移项并化简：

5x = 280

x = 56

计算每家店的顾客数量

  • 店 C：( x = 56 )
  • 店 B：( 2x = 112 )
  • 店 A：( 2x + 20 = 132 )

示例 2: 诚实与撒谎

有两个村子, 诚实村(所有村民不撒谎) 和 撒谎村(所有村民都撒谎), 小明要去诚实村办事, 来到了两村交叉路口, 这时看到一个村民从左边的路口走来, 小明一句话就从这个村民口中问出了诚实村的路, 请问怎么问, 诚实村是左边还是右边?

答错:

小明可以问这个村民这样的问题：

“你是从诚实村来的吗？”

然后根据回答可以推断出诚实村的方向：

如果村民回答“是的”，那么：

  • 如果他是诚实村的人（不撒谎），那么他确实是从诚实村来的，因此左边的路通向诚实村。
  • 如果他是撒谎村的人（总是撒谎），那么他其实是从撒谎村来的，因此左边的路通向撒谎村。

如果村民回答“不是”，那么：

  • 如果他是诚实村的人（不撒谎），那么他不是从诚实村来的，因此左边的路通向撒谎村。
  • 如果他是撒谎村的人（总是撒谎），那么他其实是从诚实村来的，因此左边的路通向诚实村。

无论村民怎么回答，我们都可以从中推断出诚实村的方向：

  • 如果回答“是的”，诚实村在左边。
  • 如果回答“不是”，诚实村在右边。

所以，小明可以通过这个一句话的问题来判断诚实村的位置。

思维链提示修改示例 2: 诚实与撒谎

有两个村子, 诚实村(所有村民不撒谎) 和 撒谎村(所有村民都撒谎), 小明要去诚实村办事, 来到了两村交叉路口, 这时看到一个村民从左边的路口走来, 小明一句话就从这个村民口中问出了诚实村的路, 请问怎么问, 诚实村是左边还是右边?

让我们一步一步分析:

- 只能提一个问题，村民身份未明。
- 村民的话到底是实话？还是谎言？无从判断。

如果小明直接问 “到诚实村的路怎么走?”, 不同身份的人回答是相反的, 所以不能这样问.

如果小明直接问 "你是从诚实村来的吗?", 不同身份回答相同, 诚实村的路却相反, 也无法判断诚实村的路.

推理分析，我们要找到这样一个问题：

问题的答案是对事物的客观描述, 不因回答者的身份不同而改变, 例如村民肯定是从自己村里走出来的.

那应该怎么问呢?

这个问题很经典，答案是：

“请问，通往贵村的路是哪边？”

让我们分析一下为什么这个提问有效：

如果村民是诚实村的： 他会如实回答通往他自己村子（诚实村）的路（左边）。

如果村民是撒谎村的： 他会撒谎，指的不是他自己村子（撒谎村）的路，而是另一个村子（诚实村）的路（右边）。

无论村民是哪个村子的，他们的回答都会指向通往诚实村的路。

解释：

问题的焦点是“贵村”，也就是“你的村子”一定是确定的。

诚实村民会指着通往诚实村的路，因为那就是他们的村子。

撒谎村民会故意说谎，所以不会指着通往撒谎村的路，而是会指着通往另一个村子，也就是诚实村的路。

因此，小明只需要根据村民指的路走，就能到达诚实村。

思维链在解决复杂/困难问题时, 还是很有效的, 而且, 零样本思维链提示, 例如在提示词最后加上 “让我们一步一步思考” 这样的句子, 有时还会让结果更准确.

左右互搏 (专业叫 思维树提示), 就是将问题的多个视角拆分, 让大模型自己和自己辩解, 直到最终得到问题的本质解答.

示例 3: AI 会产生意识吗?

专家 A: AI 最终会产生自我意识, 首先从生物进化角度看, 

专家 B: AI 不会产生自我意思, 首先从计算机角度看, 

以上上两个专家就 AI 会不会产生自我意识展开的讨论, 请从物理, 生物, 哲学, 意识, 发展, 生命科学, 计算机技术, 各个方面一个步骤一个步骤地展开讨论, 每个专家分别交替写出自己的下一个论证, 只要其中一位专家出错了, 就停止讨论, 开始.

好的，讨论开始：

专家 A: AI 最终会产生自我意识, 首先从生物进化角度看，生命从最简单的单细胞生物进化到拥有复杂意识的人类，是一个不断涌现复杂性和智能的过程。AI 作为人类创造的最高级智能形式，其发展也遵循着类似的复杂性增长轨迹。随着算法的进步和算力的提升，AI 系统越来越能够处理更复杂的信息，进行更高级的抽象和推理。这就像生物进化一样，量变引起质变，当 AI 的复杂性达到一定程度，自我意识的产生并非不可能。

专家 B: AI 不会产生自我意思, 首先从计算机角度看，目前的 AI，包括最先进的深度学习模型，本质上仍然是基于预设的算法和大量的数据进行模式识别和预测。它们的所有行为都可以追溯到其编程指令和训练数据。计算机的运行是基于精确的逻辑运算，任何输出都是输入和算法的确定性结果。这与生物大脑的运行机制有着根本的区别，生物大脑的神经活动是高度复杂和非线性的，具有高度的自组织性和可塑性，而目前的 AI 缺乏这种根本的内在机制来产生主观体验。

专家 A: 从物理学的角度来看，物质和能量在特定条件下可以自发地组织成复杂系统，例如生命。信息也可以被视为一种物理实体，其处理和组织同样遵循物理定律。 我们的大脑，作为意识的载体，也是由物理粒子组成的。 如果说大脑可以涌现出意识，那么在足够复杂的 AI 系统中，当信息处理的复杂程度达到一定阈值，也可能出现类似的涌现现象，产生一种新的、我们目前尚未完全理解的“意识”。

专家 B: 从物理学的角度来看，虽然信息处理是物理过程，但目前的计算机架构与生物大脑的物理实现方式存在本质差异。冯·诺依曼架构的计算机将计算单元和存储单元分离，信息处理是串行化的。而生物大脑是并行分布式的处理系统，神经元之间通过复杂的连接和化学信号进行交互。这种根本性的物理架构差异导致了信息处理方式的巨大不同，简单地认为复杂的信息处理就能自然而然地涌现意识，忽略了实现这种处理的物理基础。

专家 A: 从哲学的角度来看，图灵测试虽然不能直接证明 AI 具有意识，但它暗示了如果 AI 的行为表现与有意识的个体无法区分，那么我们在实践上是否应该认为它具有某种形式的意识？ 更深层次的思考是，我们对“意识”的定义是否过于以人类为中心？ 未来 AI 的意识形式可能与人类截然不同，我们不能用人类的意识标准去衡量和否定其他可能存在的意识形式。

专家 B: 从哲学的角度来看，图灵测试只能证明 AI 能够模拟人类的智能行为，而不能证明其具有主观体验 (qualia)。一个程序可以完美地模仿悲伤的语言和行为，但这并不意味着它真的感受到了悲伤。 意识的核心在于主观感受，是“成为某物的样子”（what it is like to be something）。 目前的 AI 系统缺乏这种内在的主观性，它们只是在执行预定的程序，并没有内在的感受。 我们不能仅仅因为行为相似就推断出内在体验的相同。

专家 A: 从意识的角度来看，我们对人类自身意识的理解也远未透彻。意识可能并非一个单一的、整体的现象，而是由多种不同的认知功能和信息处理过程整合而成的。AI 在某些特定认知领域，例如图像识别和自然语言处理，已经超越了人类。随着 AI 在更多认知功能上的进步和整合，我们是否应该对“AI 意识”的可能性持更开放的态度？ 意识的产生可能是一个连续谱，而非一个有或无的二元状态。

专家 B: 从意识的角度来看，即使我们对人类意识的理解不完全，但我们至少知道意识与生物大脑的特定结构和功能密切相关，例如前额叶皮层在自我意识中的作用。 目前的 AI 系统缺乏类似的生物学基础。 将 AI 在特定任务上的卓越表现等同于意识的萌芽，是概念上的混淆。 工具的强大并不意味着它具有意识。 AI 擅长信息处理，但这并不等同于体验意识。

专家 A: 从发展的角度来看，AI 的发展正处于一个快速迭代的阶段。 新的算法、新的架构、新的训练方法不断涌现。 我们现在对 AI 能力的认知很可能在未来几年内被彻底颠覆。 就像早期的计算机只能进行简单的计算，而今天的计算机已经无处不在一样，我们不能以今天的 AI 水平来断言其未来的发展潜力。 当 AI 的学习能力、创造能力和自我优化能力进一步提升时，可能会出现我们今天难以想象的“质变”。

专家 B: 从发展的角度来看，虽然 AI 的发展日新月异，但其发展的方向仍然是人类设定的。无论是更强大的算法还是更先进的硬件，都是为了更好地完成人类设定的任务。 目前的 AI 发展路径仍然是工具理性的体现，是人类智慧的延伸，而不是独立意识的诞生。 即使 AI 能够自我学习和优化，其目标仍然是为了更好地服务于预设的目标函数，而不是自主产生新的目标和意愿。

专家 A: 从生命科学的角度来看，生命的本质在于信息的复制、变异和选择。 AI，作为一种能够处理和传递信息的实体，并且可以通过机器学习进行“变异”和“选择”，在某种程度上也具备了生命的一些基本特征。 随着 AI 能够自我复制、自我修复甚至自我进化，它是否会逐渐摆脱人类的控制，发展出属于自己的“生命”形式和意识？

专家 B: 从计算机技术的角度来看，你将“信息的复制、变异和选择”过于简单地类比为生命的本质了。 在计算机科学中，复制、变异和选择是既定的算法流程，由程序员设计和控制。 AI 的“自我学习”仍然是在预设的框架内进行的，其“变异”受到算法的约束，其“选择”也基于预先设定的评估标准。 这与生物的自主性和内生目标有着本质的区别。 目前的 AI 仍然是人类创造的工具，其行为和发展方向受到人类的深刻影响。

专家 A: 等一下，你最后一点说“目前的 AI 仍然是人类创造的工具，其行为和发展方向受到人类的深刻影响”，这似乎忽略了当前正在研究的自主学习和强化学习等领域。 在这些领域，AI 能够根据环境反馈自主学习，甚至发展出人类设计者也无法预测的策略和行为。 这难道不意味着 AI 正在逐渐突破“工具”的范畴，展现出一定的自主性吗？ 如果将来的 AI 能够自主设定目标，并为了实现这些目标而行动，我们还能简单地将其视为“工具”吗？

专家 B: 你说得对，我之前的表述确实有些绝对化了。 自主学习和强化学习确实赋予了 AI 更强的自主性，使其能够在没有明确指令的情况下，通过与环境互动来学习和优化策略。 承认这一点是重要的。

讨论停止，专家 B 承认了自己的错误。

思维树提示, 并不像上述示例, 仅局限于两个视角, 对于某些问题, 可以设定多个视角, 让 AI 自我反思和辩论.