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,育老松原市某某制品有限公司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!育老松原市某某制品有限公司”
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:时尚)
-
△资料图 苏丹地方组织阿布古塔抵抗委员会15日说,该国中部杰济拉州一村庄当天遭苏丹快速支援部队炮击,造成至少40人死亡。 阿布古塔抵抗委员会在声明中说,苏丹快速支援部队当天向杰济拉州一个村庄发动炮 ...[详细]
-
乒乓球作为我国全民参与度最高的运动项目、社交网络的顶流,自然备受关注,而中国乒乓球队也不负众望,截至目前,已取得三金一银的骄人战绩,大大激发了全民参与乒乓球运动的热情。性价比最高的“长寿运动”竟是它2 ...[详细]
-
版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车8月20日报道日前, 我们从比亚迪官方获悉,2025款宋PLUS EV参数丨图片)正式上市,共推出520KM豪华型、520KM尊贵型、605K ...[详细]
-
△乌克兰总统泽连斯基资料图) 当地时间18日,乌克兰总统泽连斯基在发表晚间视频讲话时表示,乌方袭击俄罗斯库尔斯克州的主要目的之一是在俄境内设立缓冲区。 泽连斯基说,目前乌军总体防御行动的首要任务 ...[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]
-
来源:都市快报 今天中午,成都大熊猫繁育研究基地发布公告: 8月12日上午,大熊猫“福茹”出现长时间趴卧和精神不振的情况。熊猫基地医护团队立即进行全面检查,发现“福茹”消化道感染伴凝血功能障碍 ...[详细]
-
近日,一名宿迁游客刘先生化姓)刚走到连云港花果山景区门口,突然瘫倒在地,随后被紧急送往连云港市第一人民医院,到了医院后,虽经抢救恢复了心跳,但情况依旧十分凶险,后该院立即为其上了ECMO,经过7天的全 ...[详细]
-
中国残奥运动员最小15岁。[巴黎残奥会中国代表团成立转起!加油!]8月28日至9月8日,第17届残奥会将在法国巴黎举行。今天下午,中国体育代表团在北京成立。代表团总人数516人,其中运动员284人 ...[详细]
-
据央视新闻报道,近期,北京警方经过线索研判,发现多个伪造假币犯罪团伙,今年8月,在公安部经侦局的统一指挥下,北京市公安局经侦总队会同相关省市经侦部门,对涉伪造假币窝点开展集中统一收网,此次行动共刑事拘 ...[详细]
-
中新真探:孩子歪头斜眼就是有斜视吗?2024-08-16 09:19:56 来源:中国新闻网 作者:叶攀 ...[详细]