9.11和9.9谁大？小孩都会，要改变世界的AI却算不出，GPT也没幸免

前言

现如今的人工智能正在以惊人的速度发展，似乎无所不能。

但你能想象吗，连小学生都能轻松回答的数学问题，却把许多顶尖的AI大模型难倒了。

GPT-4号称要改变世界，但面对“9.11和9.9谁大”这样简单的问题，它也犯了难，这到底是怎么一回事？

本文内容均引用权威资料结合个人观点进行撰写，文中已标注文献来源及截图，请知悉。

AI大模型的数学之殇

信息来源：
上观新闻：翻车了！9.11和9.9哪个大？记者实测12个大模型8个都答错

民间智慧有云：‘三个臭皮匠，顶个诸葛亮。’但放眼当下，三个AI大模型，怕是连小学生的数学水平都不如。

最近，一个看似简单的数学问题在AI圈引发了轩然大波。

当被问到“9.11和9.9哪个更大”时，众多顶尖AI大模型纷纷落入陷阱，给出了错误的答案，这其中就包括了备受瞩目的GPT-4。

作为当前自然语言处理领域的佼佼者，GPT-4在许多任务上展现出了超越人类的能力。

但是在面对这道小学生都能轻松应对的数学题，它却犯了难，GPT-4错误地比较了小数点后的数字大小，得出了9.11比9.9更大的结论。

其实，GPT-4并非个例，从谷歌、微软到国内的科技巨头，众多公司开发的AI大模型在这个问题上同样表现失常，一时间，“AI不会数数”的话题登上了热搜榜。

对于这个现象，业内专家给出了解释，原来，大模型在处理数字时，往往会将其拆分成更小的单元。

比如，“9.11”会被拆成“9”、“小数点”和“11”三个部分。在这种情况下，模型误以为11比9更大，从而得出了错误的结论。

这一看似简单的失误，实则暴露了当前AI大模型在数学逻辑和常识理解方面的重大缺陷，作为人工智能的标杆，连GPT-4都难逃一劫，更不用说其他模型了。

“三尺童子口，胜读十年书。”AI大模型们在这个问题上的集体翻车，不禁让人感慨万千。

它们或许能够流畅地与人对话，创作出优美的文章，但面对最基础的数学问题，却频频受挫。

这不仅引发了人们对AI实际能力的质疑，也给业界敲响了警钟：在追求高级功能的同时，不要忽视最基本的能力建设。

国内外大模型的表现对比

在“9.11和9.9”这道题上，国内外大模型的表现可谓是泾渭分明，一边是谷歌、微软等巨头的模型集体掉链子，一边是国产模型的优异表现，令人刮目相看。

先说国外的情况，谷歌的GeminiAdvanced、微软的GPT等知名模型在这个问题上一个比一个离谱。

它们不仅给出了错误答案，还振振有词地解释起了个中缘由，仿佛在说“这个世界就应该是这样的”。

与之形成鲜明对比的，是国产模型的表现，在第一财经记者的测试中，阿里通义千问、百度文心一言等模型准确无误地给出了正确答案。

更令人惊喜的是，腾讯元宝不仅答对了题目，还主动整理了网上的相关讨论，并注明了引用来源，展现出了强大的信息整合能力。

当然了，国产阵营中也不乏翻车的选手，月之暗面的Kimi、智谱AI的ChatGLM等模型在这道题上同样栽了跟头。

不过，与国外模型不同的是，它们在被追问时，都诚恳地承认了自己的错误，并迅速给出了正确答案，这种虚心学习、勇于认错的品质，实在是值得点赞。

“胜者不骄，败者不馁。”从这次事件中，我们可以看到国内外AI发展的差异，在基础能力的打磨上，国产模型似乎更胜一筹。

它们不仅在准确性上有优势，在应对错误时也显得更加谦逊和进取，但我们也要看到，无论是国内还是国外，AI模型在数学能力上都还有很大的提升空间。

“9.11和9.9”只是一道再简单不过的小学题，如果连这都应付不来，又何谈去解决更加复杂的现实问题呢？

其实，这已经不是AI第一次在数学题上“翻车”了，在之前的一次高考模拟测试中，多个大模型的数学成绩就惨不忍睹，最高分也只有75分。

面对主观题，它们的回答往往逻辑混乱，甚至出现过程错误但得出正确答案的离奇情况。

大模型数学能力差的原因探析

信息来源：
澎湃新闻：9.11和9.9哪个大？AI翻车！好多网友竟也争论不休……

在AI大模型的数学考场上，一道道简单的题目就像一块块绊脚石，将这些曾经的“优等生”绊得跌跌撞撞。

但让我们先别急着嘲笑它们，而是要问一问：是什么让这些“学霸”在数学面前变成了“学渣”？

其实大模型在数学上的失误，并非偶然，这其中既有技术上的原因，也有训练数据的问题。

技术层面会存在着一定的问题，大模型在处理文本时，通常会使用一种叫做“Tokenizer”的机制将文本拆分成更小的单元。

这就像是把一句话拆成一个个单词，方便模型理解和处理，但问题就出在这里。

Tokenizer在拆分数字时，往往会将其分割成不合理的部分，就像我们之前提到的，“9.11”会被拆成“9”、“小数点”和“11”三个部分。

这种拆分方式打乱了数字的整体性，导致模型误以为11比9更大，可以说，Tokenizer就像一个不称职的“数学老师”，把简单的数字概念教错了，难怪学生们会犯错。

但Tokenizer只是问题的一部分，更深层次的原因，在于大模型训练数据的局限性。

我们知道，大模型主要是通过大量的互联网文本数据来学习的，但在这些数据中，数学问题和解题过程的占比并不高。

相比之下，模型接触到的更多是一些与数字相关的常识性知识，比如“9.11事件”之类的。

这就导致了一个尴尬的局面：模型在处理数字时，往往会联想到一些与数学无关的概念，而对数字本身的理解却不够深入。

这就像是一个学生，整天在历史课上学习“9.11事件”，却没有好好上数学课。

而互联网上的数学知识往往是零散、不系统的，模型在学习过程中，很难形成一套完整的数学逻辑体系。

这就像是一个学生，虽然学了很多数学知识，但却没有掌握解题的方法和思路。

种种因素加together，造就了当前大模型在数学上的尴尬处境，它们就像是一群“数学盲”，虽然能认识数字，但却不理解数字背后的逻辑。

这一现象引发了业界对AI数学能力的广泛质疑，如果连最基础的数学都搞不定，AI又如何去解决更加复杂的现实问题呢？

这个问题，已经成为悬在AI头上的一把达摩克利斯之剑。

关键是要找到问题的根源，并着手解决，这需要AI企业在技术和数据上多下功夫，也需要整个社会为AI的数学教育贡献力量。

“冰冻三尺，非一日之寒。”大模型的数学短板，不是一朝一夕形成的，也不可能一蹴而就地解决。

改进AI数学能力的方法

在批评声中，我们不难听出一丝无奈：AI怎么就这么“笨”呢？但与其一味地抱怨，不如想想如何帮助它们提高。

毕竟，AI的数学教育，关乎着它们能否真正服务于人类社会的未来，既然Tokenizer的拆分方式存在问题，那么就要对其进行改进。

一种可能的方法是，在拆分数字时，将其视为一个整体，而不是简单地按照字符来分割，这样，模型就能更好地理解数字的真正含义。

另一种方法是引入更多的数学符号和公式，通过特殊的标记，让模型明白这是一个数学问题，需要用数学的方法来解决。

这就像是在课本上给重点内容加粗、划线，提示学生要重点掌握，但技术只能解决一部分问题。更重要的，是要丰富AI的数学训练数据。

我们可以为AI提供更多的数学题库，让它们在海量的练习中掌握解题技巧，我们也可以将数学知识整理成结构化的课程，帮助AI形成完整的数学逻辑体系。

这就像是给AI请了一个“数学家教”，手把手地教它们如何解题，如何思考。

当然了，这个过程不可能一蹴而就，还是需要设计科学的学习路径，循序渐进地提升AI的数学能力。

从简单的算术题开始，逐步过渡到复杂的应用题，让AI在不断的练习中成长。

就像孩子们从数数开始学习数学一样，我们要让AI真正理解数字的概念，理解加减乘除的意义，只有打好基础，AI才能在更高层次的数学问题上有所建树。

除了“填鸭式”的学习，我们还可以鼓励AI进行自主探索，给它们一些开放性的数学问题，让它们自己去思考，去尝试不同的解法。

在这个过程中，AI不仅能巩固所学的知识，还能培养独立思考的能力，这就像是给了AI一个“数学实验室”，让它们在自由探索中收获成长的乐趣。

即使有了这些方法，AI的数学之路仍然会充满荆棘，但只要我们坚持不懈，总有一天，AI会成为名副其实的“数学小达人”。

到那时，它们不仅能轻松应对“9.11和9.9”这样的简单问题，还能运用数学知识解决现实中的复杂难题。

它们会成为人类探索未知世界的得力助手，为科技的进步贡献自己的力量，这就是我们期待的未来。一个AI与人类携手，用数学的力量改变世界的未来。

结语

“9.11和9.9谁大？”这个看似简单的问题，其实折射出了当前AI发展的一个缩影，在追逐高级功能的同时，我们似乎忽视了最基础的能力建设。

但这并不意味着前路渺茫，通过技术改进、数据丰富和教育创新，我们完全有能力帮助AI提高数学能力。

无论是AI企业的技术人员，还是普通的教育工作者，都可以为AI的数学教育添砖加瓦。