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,育老西宁市某某广告售后客服中心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!育老西宁市某某广告售后客服中心”
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)
-
原标题:“九一八”事变爆发93周年:铭记历史、勿忘国耻、珍爱和平) “九一八”事变爆发93周年 来源:视频综合) 央视网消息:9月18日是“九一八”事变 ...[详细]
-
当地时间26日,2024年巴黎残奥会火炬从英国经由英吉利海峡隧道传递到法国。据悉,残奥会火炬将在12个主办城市进行巡回传递。 第17届残奥会将于8月28日至9月8日在法国巴黎举行,共设22个大项 ...[详细]
-
来源:潇湘晨报 8月25日晚,在安徽合肥举办的2024年全国夏季游泳锦标赛男子400米自由泳决赛中,孙杨以3分49秒58的成绩夺得冠军。 相关话题引爆热搜 这是孙杨复出后参加的首场赛事,距离 ...[详细]
-
△基辅资料图) 当地时间8月26日,乌克兰基辅传出爆炸声。此前,包括基辅在内的乌克兰全境曾拉响防空警报。 基辅市军政管理局通报称,防空警报仍在继续,防空部队正在工作,呼吁民众继续留在庇护所中。 ...[详细]
-
新京报讯 据国防部消息,9月14日至15日,第18次中美国防部工作会晤在北京举行。中央军委国际军事合作办公室领导与美国防部助理国防部长帮办共同主持此次会晤。双方就中美两军关系、下阶段两军交往及共同 ...[详细]
-
来源:中国军网 8月24日,记者随“全国网络普法行·云南站”的脚步来到了位于腾冲市西南部的和顺镇。和顺镇是云南省著名的侨乡,中原文化与南亚、东南亚、西方文化在这里碰撞交融,蕴涵着“和睦顺畅”的最 ...[详细]
-
中新真探:锻炼补水,喝运动饮料比喝白开水更好?2024-08-26 17:12:41 来源:中国新闻网 作者 ...[详细]
-
记者今天26日)从最高人民检察院获悉,国家开发银行原党委委员、副行长李吉平涉嫌受贿一案,由国家监察委员会调查终结,移送检察机关审查起诉。日前,经最高人民检察院指定管辖,河南省人民检察院依法以涉嫌受 ...[详细]
-
新的学期又开始了,家长的抱怨又多起来,原因第一就是收费问题。最近几天常常可以看到这方面的内容。不少人直接抱怨义务教育免费有名无实,说天天讲义务教育免费,但实际上现在孩子上学反而越来越贵了。家长抱怨得有 ...[详细]
-
据央视体育消息,北京时间8月25日,2024年日本羽毛球公开赛进入各单项决赛的争夺。 女双决赛,刘圣书/谭宁21-18、22-20击败韩国组合白荷娜/李绍希,收获赛季第三冠。 混双决赛,蒋振邦 ...[详细]