数学都是体育老师教的!13.11和13.8谁大?大模型翻车了
出品|网易科技《态度》栏目
作者|宗淑贤
编辑|丁广胜
前几日,数学师教频频霸榜的都体的和综艺《歌手》又一次冲上了热搜。不过这次,育老枣庄市某某实业运营部话题的模型焦点无关“好听”“难听”,而是翻车从台上竞演的嘉宾转移到了台下讨论的网友身上。
13.8%和13.11%哪个大?
谁也没有想到,都体的和这道本质上源于小学四年级数学内容的育老问题,居然难倒了一众网友。模型
对此,数学师教有网友感叹:“现在知道天天在网上抬杠的都体的和都是什么人了吧?”也有网友无奈回怼:“实在不知道谁大谁小,就去问问AI吧!育老枣庄市某某实业运营部”
然而,模型当你真的翻车把这个问题抛给AI来解答,你会惊讶地发现——AI也不会。
AI2的研究员林禹臣在推特上贴出了自己用GPT-4o尝试的结果。面对13.11与13.8哪个大这一问题,GPT-4o认为13.11大于13.8,并解释称:“虽然13.8看起来更大,因为它小数点后的数字更少,但13.11实际上更大。这是因为13.8相当于13.80,而13.80小于13.11。”
对此,林禹臣评论说:“常识对AI来说仍然很难。”“这种常识性的人工智能失败案例让我不断想起@YejinChoinka的TED 演讲:为什么人工智能既聪明无比,又愚蠢至极。”
一、大模型的作答现场
带着这个问题,我们对当下主流模型进行了简单的测试。其中,通义千问、文心一言、360智脑、字节豆包、百小应、有道小P和讯飞星火都作出了正确的回答。不过在原因解释方面,讯飞星火略显逊色,其余模型则都是按照分开比较整数和小数部分的思路进行了较为详细的回答。
通义千问
文心一言
360智脑
字节豆包
百小应
有道小P
讯飞星火
而月之暗面旗下的kimi和ChatGPT在这一问题上则双双翻车。
当kimi被问到“13.11和13.8哪个大”时,它首先给出了13.11大于13.8的答案:
经过进一步追问原因,kimi转而又作出了截然不同的回答:
经过第三次追问,kimi终于意识到自己在此前的回答中存在错误,对这一问题的答案进行了修改纠正:
反观ChatGPT,就显得不甚善于反思:
经过两次反问,ChatGPT表示自己对此前错误的回答感到抱歉,并承认13.8大于13.11。但当询问它能否解释原因时,它却给出了这样的回答:This is because the number 13.8 is read as "thirteen point eight," which is larger than "thirteen point eleven".
二、大模型为什么会“数学不好”
回答不好小学生数学题,人工智能大模型又一次被送上了舆论的风口浪尖。面对现今蓬勃发展的各类大模型,人们仍有疑虑:
这到底是人工智能,还是人工智障?
实际上,这一问题并不是最近才出现的,“数学不好”一直是各类大模型的短板。根据上海人工智能实验室旗下司南评测体系OpenCompass进行的高考全卷测试结果,包括GPT-4在内的七个大型人工智能模型在高考语文和英语科目的测试中普遍表现出色,然而在数学科目上则均未能达到及格线,最高分也仅达到了75分。
业内人士将大模型“数学不好”的问题根源追溯至LLM(大型语言模型)的架构设计本身。
LLM通常依赖监督学习,特别是通过预测文本中下一个词的方式来训练。这一过程中,模型被投喂海量的文本数据集,学习并预测给定文本后下一个词出现的概率分布。通过不断将模型的预测与实际文本进行对比和调整,语言模型逐渐掌握了语言的内在规律,从而能够预测并生成连贯的文本。
然而在LLM的框架内,存在使用Tokenizer这一关键环节。它负责将输入的文本分割成更小的单元(tokens),以便模型处理。问题在于,Tokenizer的设计初衷并非专门服务于数学处理,因此在处理包含数字的文本时,可能会将数字看做文本字符串而非数值,从而进行不合理地拆分,导致数字的整体性和意义在模型内部被破坏。
对此,360CEO周鸿祎以9.9和9.11为例,进行了更为通俗的解释:
“大模型全称叫大语言模型,它首先解决的是对人类自然语言理解的问题。所以大模型并没有把9.9和9.11当成一个数字来看,而是把它们分成了两个token。没有经过专门特别的提示和训练,大模型是不懂阿拉伯数字也不懂数学的,所以大模型是按照一个文字的逻辑来进行比较的。9前面是一样大的,那么11比9要大,所以就得出来9.11比9.9要大。”
除了架构设计存在不足外,大模型“数学不好”或许还与它所接受的训练方式有关。主流模型的训练主要源于互联网的文本数据,这类数据中数学问题和解决方案相对匮乏,也在一定程度上限制了模型在此类技能上的发展。
因此,在各类大模型井喷式诞生与发展的现在,也许我们也应当反思:AI该如何进一步设计与训练,才能真正像人类一样思考?
延伸阅读(责任编辑:娱乐)
-
来源:财联社 财联社9月18日讯编辑 牛占林)当地时间周二,克里姆林宫发言人佩斯科夫表示,扩充俄军人数与俄边境沿线威胁增多有关,他还强调了俄罗斯西部边境的敌对局势和东部边境的不稳定局势。 此前 ...[详细]
-
国家卫健委:构建公立医院高质量发展新体系 跨省跨区域就医大幅下降
国家卫生健康委今天7日)举行新闻发布会,介绍推动公立医院高质量发展有关情况。国家卫生健康委体改司一级巡视员朱洪彪介绍,国家卫生健康委会同有关部门积极推动公立医院高质量发展,构建公立医院高质量发展新体系 ...[详细] -
巴菲特在人工智能AI)领域的投资可能远超你的想象。在2023年5月的伯克希尔-哈撒韦股东大会上,巴菲特曾经作出预测称人工智能将“改变世界上的一切”,但不认为人类智能将被超越。“AI确实可以实现很多事, ...[详细]
-
谁在拍摄前线图像?以军新型士兵曝光:先接受特殊摄影训练,再上战场
自本轮巴以冲突爆发以来,以色列国防军会定时在社交平台和新闻网站上发布其在加沙地带采取行动时的视频和图像,这引起了公众的好奇:这些照片和视频是如何拍摄的?为了回应公众的好奇,以国防军日前发布了一段采访视 ...[详细] -
河南新乡市辉县市文化广电和旅游局发布《关于网传“一游客在景区意外身亡”的情况通报》:9月12日,辉县市公安局接到报警,一名河北省邯郸市人员程某某,女,70岁)在我市失踪,公安机关随后迅速协调组织了 ...[详细]
-
鞭牛士报道,5月3日消息,据外电报道,负责监督谷歌一项关键反垄断审判的法官周四反复表示,他认为一个强大的竞争对手搜索引擎很难出现。在审判第一天的结案陈词中,美国地区法官阿米特·梅塔 (Amit Meh ...[详细]
-
摘要:4年亏损220多亿元,增发融资超410亿元欢迎关注杠杆游戏)撰文|张银银&编辑|欣欣然日前,北汽蓝谷发布了自己的2023年年报。虽然年报发布的时间不算很早,但这个曾经的新能源汽车王者,如 ...[详细]
-
今天上午,我国第三艘航空母舰福建舰出海开展首次航行试验。5月1日8时许,舰福建舰从上海江南造船厂码头解缆启航,赴相关海域开展首次航行试验。福建舰解缆启航根据航母建造工程进展,这次海试主要检测验证福建舰 ...[详细]
-
原标题:北京交警提示:目前去副中心的游客较多,这些道路流量大) @北京交警9月16日11:05发布出行提示:受去往副中心三大建筑和绿心公园游玩的游客较多影响,滨河 ...[详细]
-
近年来,一系列大国重器、一个个超级工程、一项项科技成就,背后都离不开技艺高超、精益求精的大国工匠们默默付出、孜孜以求。社会主义是干出来的。在这个“五一”国际劳动节,“全国五一劳动奖章”“全国工人先锋号 ...[详细]