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,育老广安市某某食品机械业务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!育老广安市某某食品机械业务部”
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:时尚)
-
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10月24日报道目前据我们获悉,一汽-大众全新探岳参数丨图片)L预计将于11月4日正式亮相。新车定位中型SUV,采用大众最新的家族化设计风格, ...[详细]
-
雏鹰护航禁毒行 共圆少年英雄梦近日,德清县“禁毒小天使”法治研学团夏令营正式开营,来自德清县各中小学的21名“禁毒小天使”参加了此次夏令营活动。此项活动由省莫干山女子强制隔离戒毒所、德清县公安局、德 ...[详细]
-
当地时间23日夜间,以色列北部基尔亚特什莫纳等地响起防空警报。以色列国防军随后发表声明称,监测到约10枚火箭弹从黎巴嫩南部进入以色列境内,以军防空系统拦截了部分火箭弹,事件没有造成人员伤亡。总台记 ...[详细]
-
[周洲:尽己所能共护生物之美]今日,阿拉善SEE生态协会会长周洲 在新浪新闻第二届绿色中国可持续影响力大会上谈到:环保公益事业久久为功、任重而道远。阿拉善SEE一直致力于搭建一个社会化平台,推动企 ...[详细]
-
中国中山大学附属第一医院器官移植中心专家联合国际团队日前以封面文章形式在国际期刊《欧洲分子生物学组织分子医学》发表报告,其中显示他们利用国际首创的“离体大脑养护技术”,成功将一个“死亡”了50分钟 ...[详细]
-
中新真探:手术时,全身麻醉会让人变傻、变笨吗?2024-08-24 12:02:35 来源:中国新闻网 作者 ...[详细]
-
“妈妈退下了”,母乳袋上百字小作文被1.1w人吐槽:又是自我感动
现在家长的教育理念都已经改变,以前都是觉得不打孩子不成器,现在是一边打骂孩子,一边还要说为你好,要是孩子不理解的话,就会认为这个孩子是“白眼狼”。但是现在家长明白,教育其实也是需要一个体面的退场,不可 ...[详细] -
英国知名软件技术企业家迈克·林奇所乘游艇19日在意大利南部海域沉没。截至23日,7名遇难者身份已全部确认。意大利检方24日说,沉船事件初步调查方向是有人涉嫌过失沉船罪和多项过失杀人罪。△意大利检察 ...[详细]
-
中国香港网球总会10月21日宣布,日本名将大坂直美因伤无法参加本月27日开始的香港公开赛。据透露,作为前世界头号女单,大坂直美受背伤困扰,提前结束本赛季的比赛,并退出香港公开赛。不过,中国香港网球 ...[详细]
-
据中建集团官网消息,8月23日,中国建筑集团有限公司召开党组会议,通报了中央有关决定:吴爱国同志任中国建筑集团有限公司党组成员、副总经理。相关任职事项按有关法律规定办理。吴爱国 资料图 中国建筑 ...[详细]