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,育老杭州市某某工业设备专卖店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!育老杭州市某某工业设备专卖店”
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:知识)
-
#疑似意图暗杀特朗普的嫌疑人出庭#当地时间9月16日上午10点,因涉嫌在当地时间9月15日下午意图暗杀美国前总统、共和党总统候选人特朗普而被拘捕的瑞安·劳思,在佛罗里达州西棕榈滩一家联邦法院首次出 ...[详细]
-
原标题:热评丨从小县城火爆,看到更开阔的风景) “五一”假期,多个旅游数据创出新高。其中,国内旅游出游合计2.95亿人次,国内游客出游总花费1668.9亿元,同比 ...[详细]
-
身披羽毛、后足的第二趾有巨大的镰刀状"杀戮爪",足迹平均长度都超过了36厘米……这不是某种巨鸟,而是恐龙,你信么?5月6日上午,上游新闻记者从由中国地质大学北京)、福建省英良石材自然历史博物馆领衔的中 ...[详细]
-
创业板上市公司2023年经营业绩概览综合年报和一季报数据,创业板上市公司整体业绩保持向好态势,经营造血能力持续增强,龙头公司更率先强势增长,发挥了良好引领作用。龙头公司示范效应突出统计显示,创业板全体 ...[详细]
-
来源:南方+ 9月18日,广州市花都区市场监督管理局发布关于涉美诚月饼的情况通报,具体如下: 近日,部分媒体发布转发“‘三只羊’直播间销售的‘香港美诚月饼’未在香港生产及销售,引发消费者不满” ...[详细]
-
台媒:20名国民党、民众党“立委”报名16日登太平岛考察,民进党无人参与
来源:环球网【环球网报道】据中时新闻网等台媒5月6日报道,台立法机构防务外事委员会召委马文君5月16日将带队考察太平岛,国民党、民众党共20位“立委”报名参与,民进党“立委”则无人参加。台立法机构防务 ...[详细] -
4月16日发生在日本栃木县的“男女焦尸”命案,5月7日有了新进展。 日本警视厅最新认定,32岁的男子关根青番是该事件幕后主使。调查人员表示,犯罪嫌疑人关根是宝岛夫妇女儿同居未办理结婚登记的未婚夫 ...[详细]
-
据文旅部网站,4月30日,文化和旅游部部长孙业礼在北京会见美国驻华大使伯恩斯。双方就共同落实中美元首旧金山会晤重要共识,办好第14届中美旅游高层对话、促进两国人文交流等交换了意见。点击进入专题: ...[详细]
-
新京报讯 据国防部官微消息,9月14日下午,国防部新闻局局长、国防部新闻发言人吴谦大校就近期涉军问题发布消息。 记者:台防务部门近日称,解放军受限于台海的天然地理环境、登陆载具与后勤能力不足等因 ...[详细]
-
▲日前,有消费者反映杭州某店铺出现“叫花鸡里没有鸡”的现象。图/社交平台截图 一场“叫花鸡风波”给去杭州河坊街旅游的游客添了堵。 据潮新闻报道,5月1日下午,一名叫“夏若浅沫”的博主和家人前往河坊 ...[详细]