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,育老阳江市某某信息技术维修网点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!育老阳江市某某信息技术维修网点”
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:热门资讯)
-
被古天乐反超,票房或止步7亿,贾冰:成为不了沈腾,还拖累徐峥
今年五一档可谓是一波三折。上映之前无论是预售还媒体预测,有流量明星加持的《维和防暴队》都是断崖式领先,没想到五一档第三天贾冰的《末路狂花钱》后来居上夺取日冠,都以为《末路狂花钱》会气势如虹冲破10亿票 ...[详细] -
...[详细]
-
原标题:墨西哥军校生毕业典礼跳伞 学生降落伞未打开坠落身亡) 墨西哥军校做跳伞训练时出现意外 降落伞没打开 来源:视频综合) 据境外媒体7月6日报道,墨 ...[详细]
-
7月8日上午,广州房地产界传出“广州放松对港澳台及外籍人士购房限制,建面120平方米以上面积的住宅不限购”的消息。广州住建局相关人士在回应南都记者采访时未予否认。而热线工作人员则表示,“相关政策最新的 ...[详细]
-
五一假期的前两天天气晴好,不少市民支帐篷、放风筝、吃烧烤……享受露营踏青的美好时光。然而,空气清新的野外也潜藏着“危险”。这几天,多家医院接诊了不少被毒虫咬伤的患者,有的甚至是全家“组团”上医院。 ...[详细]
-
中新网北京7月11日电 记者 郭超凯 黄钰钦)中国外交部发言人林剑11日主持例行记者会。 有记者提问:我们注意到,前不久举行的2024世界人工智能大会展出了很多中国大模型应用。有评论称,中国在人 ...[详细]
-
非京籍宝宝可否在北京办理医保卡?近日,市医保局通过首都之窗网站政民互动栏目回应了相关问题。北京市市医保局:持有效《北京市工作居住证》人员的随往子女可按规定参加本市城乡居民医疗保险,自符合参保条件之日起 ...[详细]
-
2022年11月,锦州市林草局官网《锦州市林草局为企业办实事》的文章配图,右一为魏新河锦州市林草局)一个幽灵大学的幽灵教授,在各种学术会议和论坛之间徘徊——魏新河的身份确认是伪造的,给学术会议投稿的论 ...[详细]
-
大众ID.3新车型曝光!确认5月底投产,配置大幅提升,期待吗
日前智电出行获悉,大众新款ID.3参数丨图片) Pro S车型已在海外市场正式推出,新车计划将于今年5月底在海外市场开启投产工作,预计最快将于今年6月或下半年上市开售。据悉大众新款ID.3 Pro S ...[详细] -
日本爱媛县松山市消防局称,当地时间7月12日凌晨4时左右,爱媛县松山市绿町住宅区附近的一个斜坡发生山体滑坡,泥沙涌入一栋两层楼的木制房屋中。 消防部门称,有几人未能及时逃生。当地警方和消防人员正 ...[详细]