DeepMind新成果:讓AI做了200萬道數學題,結果堪憂
在這個春光明媚的週末,一部分成年人卻不得不在人間歷劫——輔導孩子寫作業!其中,又以數學這門學科的殺傷力最為強大。
為了挽救在“拋家棄子”邊緣瘋狂試探的家長們,不少K12教育平臺也開始與時俱進,相繼將人工智慧加入了數學輔導豪華服務套餐。
在各種新聞中,AI數學老師的畫風往往是這樣的:
羞辱學渣——只用10分鐘作答2017高考數學全國II卷,拿下100分(總分150分), “蒙題”都沒這麼快;
碾壓學霸——在日本的大學入學標準考試、SAT等各國“高考”中拿到了超過平均分的成績,向狀元挺近;
取代人類教師——可以依據人為輸入的打分條件,對照答案,在瞬間判斷正誤。效率比人類判卷老師高出好幾個指數級不說,失誤率也更低。
想必令不少家長都心動了吧。在這裡,我們要掃興地說出一個真相——即使是目前最先進的人工智慧系統,數學水平恐怕連高中生都比不上。
DeepMind親自打臉:AI是個數學渣?
這年頭,靠AI判卷打分已經不是什麼新鮮事了,給張標準答案小學生都能幹。但靠AI教做數學題,就很有技術含量了,考驗的則是閱讀、推理、計算、邏輯等等綜合能力,最起碼也得是個“新西方”名師上陣吧。
如果用後者的課時費,請小學生來幫輔導作業,顯然大家都會認為是開玩笑。但要是把小學生換成AI,反而令家長們“不明覺厲”喜掏腰包了。
不過,DeepMind的最新研究結果表明,即使是目前最先進的AI系統,做起數學題來連普通高中生都比不過,是不是有點幻滅?
事情是這樣的,DeepMind參考英國16歲學齡兒童的數學考試,為AI(深度神經網路)打造了一個包含200萬道題目的題庫,涵蓋了算術、代數、概率、微積分等各種題型,並派出了迴圈神經網路 (RNN) 和Transformer兩位當下效能最先進的模型參與測試。
結果發現,除了四捨五入、加減法、比較大小、數字排序等等簡單問題之外,在一些涉及因式分解、混合計算之類的高階題目上,AI的表現都不如人類高中生,連及格線都沒達到。
到底咋回事,看看它們是怎麼做題的就知道了。
LSTM和Transformer架構都包含一個編碼器和解碼器。不過在具體運算邏輯上,LSTM會將問題編碼為一系列由鍵和數值代表的具體位置(41+132),然後解碼器將下一個字元預測並對映出來(173)。
由於有注意力機制的參與,LSTM能夠預先處理一些邏輯上需要先完成的物件,比如知道在計算8 /(1 + 3)時,應該先算出(1 + 3),這已經有點接近人類進行運算時的推理步驟了。
Transformer的不同之處在於,它的編碼器能夠把數學題轉換成一個長度相同的序列, 然後通過注意力機制與位置完全連線的層嵌入任意數學表示式,然後進行轉換。
這樣做的好處是,Transformer能夠使用相同數量的引數進行更多的計算(改變嵌入函式就可以了),同時擁有了連續的“內部記憶”,在處理包含多層級、關聯性的混合運算時更有優勢,能夠在更長的序列上給出正確答案。
計算方式搞清楚了,那麼兩位模型的最終成績如何呢?
答案是,非常慘。Transformer模型只答對了14/40個問題,也就相當於E級水平。相比之下LSTM的分數就更慘不忍睹了,放在人類學生身上絕對是要被叫家長的節奏。
(各個模型處理的引數規模和平均正確率)
AI學數學,到底難在哪兒?
一度在計算能力、決策效率上被AI按在地板上摩擦的人類,總算在數學上挽尊了,DeepMind可算也打臉一次AI了。不過,沾沾自喜不是重點,重點是如果要為AI建立一本數學錯題集的話,這次實驗究竟有哪些值得被記住和補上的短板:
其一是記性太差。
儘管研究人員引入了LTSM和transformer,這是兩個在處理機器翻譯等序列問題時表現優異的拳頭選手,但依然抵不住數學問題的複雜性和語言多樣性的壓力。在一些需要中間值計算的模組中,比如因式分解、多項式函式等等,系統在進行“思考”時記憶力明顯不夠用,符號的遷移性和知識的擴充套件性也因此大受影響,直接影響了結果的準確性。
比如Transformer在計算單純的加減法或乘除法時,準確率高達90%,一旦加減乘除混合在一起,它就有點搞不清先後順序了,正確率就下降到只有50%。這表現連計算器都比不上,說明一旦要拼記性、背函式,機器就比不上人類了。
另外,有算力,沒知識。
人類在解決數學問題時,應用到的不只有計算能力,還有各種各樣的認知技能。比如理解題幹,需要將文字或圖示轉換為算術運算子;確定解題思路,需要進行推理,從已知的公理中找到最佳策略;具體的運算過程中,必須利用工作記憶來完成運算;保持成績的穩定性,就需要將已學到的知識和規則遷移到同一型別的問題中去……
顯然,神經網路還沒有辦法在“舉一反三”的能力上與人類一較高下,它只能處理一些內部儲存的問題,無法超越已有的環境去理解新的東西。具體到各個實驗專案中, 知識遷移能力越強的模型,在統一資料集上的數學成績也就越好。
這些短板歸根結底,是由數學問題和工程效率的矛盾所導致的。
數學的本質是演繹證明,往往需要架設問題並根據已知抽象出新概念,根據需要提出新的公理體系。這是一個基於推斷的極其複雜的“規則遊戲”。
而機器的計算模式則是遍歷型、經驗型的,即通過大規模資料來窮盡所有可能。
用DeepMind研究人員的話來說,數學包含了一個“自洽的宇宙”(self-consistent universe),“簡單的AI系統”想要挑戰數學命題,顯然不太可能。
以“博雷爾-確定性”(Borel-determinacy)為例,雖然只是一個二階算術命題,但其證明卻需要用到無窮階的算術。想要解決此類問題,就必須把AI系統設計得足夠寬泛,以至於能包容絕大部分數學運算。這時的規則量級與複雜性,就不是圍棋這種程度可比的了,而可能是在1T個2^中尋找一個最優決策。這時候AI的對手就不是數學,而是資源、金錢與時間了。
AI解題:到底應該懷抱怎樣的理想期待
說了這麼多,用數學水平作為AI的“智商鑑定器”顯然有失偏頗,AI也不可能幫助人類解決那些數學領域的未解之謎。既然如此,讓AI學數學的意義到底是什麼?或許我們必須重新理解二者的關係。
從當前背景來看,提高AI的數學能力大概有兩方面的積極作用:
一個是技術層面的,人工智慧本質上就是一個將數學、演算法和工程實踐緊密結合的領域,對數學的探索有利於推動AI技術的全面進步。
舉個例子,早在1964年,就有科學家試圖讓計算機做數學題了,當時提出的STUDENT(Bobrow 1964)系統,就是輸入一段規定好描述方式的數學題,然後把自然語言(linguistic form)通過模式匹配對映到對應的函式關係表達。就像把“籠子裡有一隻雞和一隻兔,問籠子裡一共有幾隻動物”轉換成“1+1=?”。這說明,數學要取得好成績,先得自然語言閱讀理解能力過關。
舉個例子,就因為沒有辦法將複雜的題目轉換成規範化的數學語言,國立情報學研究所不得不在2016年放棄讓人工智慧系統Torobo-kun參加東京大學入學考試,2017年中國的“高考機器人” (863計劃中的類人智慧專案)在對戰真人(43名高三文科班學生)時,也以低於人類平均分的成績落敗。
除了文字題幹之外,有的題目還會涉及語音識別、影像識別(看圖解題)等技術能力。換句話說,想要搞定數學題, 語文課、邏輯課,一科都不能偏!
另一個可能受益的則是社會層面的,針對數學的研究成果,能夠有效提升各個人工智慧系統在理科解題上的弱勢,直接提高知識引擎的效能與效率。
尤其是現在包括綜合搜尋、XX搜題等在內的各類知識問答平臺,已經成為為人們答疑解惑的主要工具。數學解題系統更成了K12教育爭先恐後推出的“殺手鐗”。但想要提供高品質的數學搜尋服務,比如輸入數學題,就能精準還原出數學模型、解題步驟以及答案,並不是一件簡單的事。
前面我們也說過,數學問題並不僅僅只考驗計算能力,還涉及泛化知識庫的大量規則,比下圍棋的黑白子規則可複雜多了,有時還要面對價值觀、意識形態、藝術等很多不可量化的東西。平臺們預先內建的數學知識模型在越來越數字化的學習方式面前,搜不到、不匹配、答案“略”,甚至直接用習題冊答案湊數的情況,也已經屢見不鮮。
更有甚至,一旦使用者輸入的問題不符合預定義的模式匹配規則,可能機器就會開始“誤人子弟”瞎答了。
如果解題類應用的數學水平始終在及格方面徘徊,連看懂題和正確率都無法保證,還怎麼能指望AI系統從學生們的答卷中分析出失分原因並指導其進一步學習呢呢??所謂的靠它降低學習門檻、實現教育普惠和公平,顯然也只能停留在幻想層面。
提升AI模型的數學能力,進而增強搜題模型的整體效能,對於眾多網際網路教育平臺和家長考生們來說,意義自然是重大的。
同時,數學本身也是學習(包括機器學習)的起點。
儘管大多數數學問題無法直接被應用,但在尋求驗證和推理的過程中,往往會誕生的更強大的推理模型,為更高的機器智慧打下堅實的基礎。
舉個例子,MIT 於2014年在ACL上提出了一種基於統計學習的方法KAZB,根據公式的標註把數學題歸類成不同的題型,抽取題目中不同層次的特徵,來自動判斷題型。
該方法的缺點則是系統沒有辦法識別出訓練集之外的題型。為了解決這個問題, 百度和微軟的研究團隊分別進行了優化和改進,實現了10%左右的效能提升。
換句話說,提高神經網路的數學能力,雖然不是全部,但卻能夠為機器推理能力打下堅實的基礎。這就像人類小孩學習“雞兔同籠”一樣,不是真的為了方便在成年後數清楚雞和兔子,而是在這個過程中逐漸學會用一種新的思維模式去理解和認知世界。
或許等到那一天,我們需要擔心的就不是機器會做錯題,而是人類將無題可做了……
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31561483/viewspace-2641350/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- DeepMind給AI模型做了個IQ測試,結果是這樣的AI模型
- DeepMind讓AI組隊踢足球學會“合作”,並開源訓練環境AI
- 神經網路也能解數學題,DeepMind釋出千萬數學題海資料集神經網路
- 大模型是否有推理能力?DeepMind數月前的論文讓AI社群吵起來了大模型AI
- 機器學習框架安全依舊堪憂:360 AI安全研究院(AIVUL團隊)曝光Google Tensorflow 24個漏洞機器學習框架AIGo
- 10萬人簡歷只賣40塊,洩密的前程無憂“前程堪憂”
- 一道數學題的解法
- 組合數學水題 $19$ 道
- 京東金融科技學堂開班,AI 在金融雲上有了新成果AI
- sum() 函式效能堪憂,列表降維有何良方?函式
- 如何讓AI理解數學?Facebook神經網路透過「語言翻譯」求解數學難題AI神經網路
- 華為雲天籌AI求解器:智慧世界是道迷人的數學題AI
- 一道求餘數小學數學題的解法
- 蘋果推新AI:ReALM蘋果AI
- 一道小學數學題的解決
- 強化學習讓大模型自動糾錯,數學、程式設計效能暴漲,DeepMind新作強化學習大模型程式設計
- 想去Google做AI?面試題在手,全程無憂!GoAI面試題
- 脈脈釋出年度僱主評選結果,AI賦能讓企業招聘展現新動向AI
- 百度出席AI頂會IJCAI2020,學術創新成果全球領先AI
- 受限App Store嚴規,雲遊戲在iPhone上前景堪憂APP遊戲iPhone
- AI安防的狂歡:挖掘新故事、暴露舊隱憂AI
- 小米AI團隊新成果,AutoML完爆超解析度AITOML
- 數倉sql場景:迭代求結果問題SQL
- 搞定ReentrantReadWriteLock 幾道小小數學題就夠了
- AI首次解決量子物理學難題,DeepMind精確計算量子激發態,登ScienceAI
- “寓教於樂”,DeepMind新研究讓機器人從0開始學習複雜精細動作機器人
- 一個月被罰兩次,寧波銀行貸款管理堪憂
- 2024屆新題型數學模擬選題
- 蘋果、微軟等巨頭107道機器學習面試題蘋果微軟機器學習面試題
- 如何讓AI具有通用能力?新研究:讓它睡覺AI
- API 介面安全堪憂 綠盟科技教你如何進行鍼對性防護API
- 谷歌雲遊戲堪憂? Stadia獨佔遊戲一款也沒有谷歌遊戲
- AutoML:未來“讓 AI 學習設計 AI”TOMLAI
- 人類模仿AI新賽道,AI:論瘋癲,你是我爹AI
- 95 後美女激戰 AI,結果亮了……AI
- ElasticSearch7.3學習(二十六)----搜尋(Search)引數總結、結果跳躍(bouncing results)問題解析Elasticsearch
- 好題——數學與資料結構資料結構
- 【Warrior刷題筆記】劍指offer 6 24 35. 三道題,讓你學會連結串列遞迴迭代輔助棧筆記遞迴