一道小学奥数题 4个AI平台答案不一样，听谁的？
来源：倍可亲(backchina.com)“给娃儿辅导奥数题，问了多个AI平台，每个答案都不一样。”
近日，重庆家长刘先生向上游新闻记者反映：同一道奥数题，百度、阿里云、今日头条等国内4个主流AI大模型平台，竟然给出了不同的答案。
3月11日，上游新闻记者从百度客服及人工智能专家处了解到，人工智能大模型平台并不是题库，数据模型一直在学习完善中，尤其是在数学和逻辑方面。
同一道奥数题，刘先生得到结果为30分钟、7分钟两种不同答案。/受访者供图
刘先生告诉上游新闻记者，自己的孩子上小学四年级，最近他在辅导孩子做奥数题，但自己并非理工科出身，感觉有些困难。因为他从事影视制作方面的工作，经常使用人工智能工具辅助，就想到使用类似平台来帮忙。
刘先生将一道题输入经常使用的百度的文心一言、阿里云的通义千问、今日头条的豆包等4个主流人工智能大模型平台进行测试。具体题目为：一天，萱萱到离自己家4000米的表哥家去玩。早晨7:20，萱萱从家出发向表哥家走去，每分钟行60米，同时表哥骑车从家出发来接她。表哥到萱萱家后才发现萱萱已经走了，又立即返回去追，表哥骑车每分钟行260米。当表哥追上萱萱后，带着她一起回表哥家，这时骑车速度为每分钟175米。请问：当他们到达表哥家时，还差几分钟就到8点?
“当时两个（AI平台）列出了推理过程，均给出了‘7分钟’的答案，应该是对的。我觉得算得有点复杂，就又让AI用适合小学五年级的算法再算一次，结果答案自此之后就不一致了。”在刘先生提供的截图中，上游新闻记者看到，有的平台会给出“30分钟”的答案。
上游新闻记者测试时，要求AI重新计算，有的AI甚至给出了“还差-23分钟就到8点”的离谱答案。刘先生感觉很困惑：“是不是AI自己不敢保证是正确的，多问几遍它自己就把自己绕晕了，越回答越错？”
记者得到了一个“-23分钟”的答案。/截图
11日，上游新闻记者致电文心一言会员服务热线询问此事，工作人员表示，“目前的系统回复不是每次都一模一样的，它主要针对您的提问和您输入问题的一个复杂性程度进行回复。如果是它输出的结果是不满意或者是有误的，您可以及时点踩反馈，帮助文心一言进步。”
工作人员表示，反馈提交之后，后台工作人员也会去不断优化模型的一个能力，“因为AI生成的结果，是根据您输入的一个需求和提示词提供的，它是自动识别和理解您的一个意图和需求，并提供相关的文本图片，目前模型能力确实也在不断地发展，需要时间。”
无独有偶。在上海从事AI类自媒体的白先生（化名），也用孩子的数学题测试了国外的GPT4、Claude和Google Bard等AI平台以及国内多个主流AI平台，也发现了类似问题，甚至有的AI对题意都出现了理解错误。
一位国内人工智能方面的专家告诉上游新闻记者，目前主流的AI大模型平台并不是数学题库，“大数据模型一直在学习完善中，尤其是在数学和逻辑方面，所以很多产品对话框旁边都有点赞点踩的图标。通过这种方式反馈问题，模型才会学习完善。如果家长想要更精准的答案，更推荐给孩子使用学习机一类的AI产品。”
该专家表示，“即便是目前国际上一些数学、化学、物理等方面的专业性做题AI，也很难拿到奥赛满分。”
据参考消息，今年1月，美国一个名为阿尔法几何（AlphaGeometry）的AI系统，能做出国际数学奥林匹克（IMO）的30道几何题中的25道，已经接近人类奥数金牌得主水平，该突破性成果甚至登上了著名的《自然》（Nature）杂志。
据报道，美国亚利桑那州立大学副教授沙卡里安，在2023年1月初用1000个数学问题对ChatGPT进行了测试，结果发现准确率只有60%，低于一般中学生的准确率。
牛津大学机器学习研究员西蒙·弗莱德尔，曾在一项研究中让ChatGPT做了一系列数学任务，包括简单的计算、数学证明题、搜索数学文献和奥数题，结果也发现，ChatGPT在大多数任务上表现为“不及格”，在需要多层逻辑推导的题目上表现尤为糟糕。而最具迷惑性的是，哪怕ChatGPT做错数学题，也会非常“迷之自信”地给出看起来权威的错误答案。
专家表示，AI的语言模型目标在于处理和理解人类的语言，更擅长生成类似人类的对话，而不是为了成为完美的数学计算器，“AI作为一种工具，只适用于那些最懂数学的人，而不是最不了解数学的人。在借鉴AI给出的答案之前，一定要加以验证，不要过于依赖它。”
