每日熱訊!雞兔同籠都能算錯的ChatGPT，陶哲軒發(fā)現(xiàn)了它的價值

機器之心報道

(資料圖片僅供參考)

機器之心編輯部

連三位數(shù)的混合運算都算不明白，ChatGPT 對數(shù)學(xué)家來說有用嗎？

ChatGPT 不擅長數(shù)學(xué)，這是大家剛開始測試時就發(fā)現(xiàn)的問題。比如你問它一個「雞兔同籠」問題，它可能寫出一個看上去非常有條理的解題過程，但仔細一看，答案卻是錯的。

為了解決這個問題，OpenAI 也做了一些優(yōu)化，并在今年 1 月末宣布 ChatGPT 數(shù)學(xué)能力升級。但從測試的結(jié)果來看，這次升級效果并不明顯。

但這么一個連三位數(shù)混合運算都算不明白的工具卻吸引了著名數(shù)學(xué)家陶哲軒的注意。最近一段時間，他似乎一直在探索 ChatGPT 能幫數(shù)學(xué)研究者做些什么。

通常來講，如果你經(jīng)常閱讀數(shù)學(xué)文本，你會很容易找到一些線索，這些線索可以幫你評估某個特定論證部分的有效性、深度和重要性。這會加快你的閱讀速度，讓你可以迅速分離出論文的「肉」。陶哲軒總結(jié)說。

但 AI 生成的數(shù)學(xué)文本給了他截然不同的閱讀體驗：文本乍一看很有說服力，但只有慢慢地逐行閱讀才能發(fā)現(xiàn)其中的缺陷。

在一次測試中，它向 ChatGPT 提了一個數(shù)學(xué)問題。乍一看，答案驚人地準確，因為它提到了一個高度相關(guān)的術(shù)語，還討論了一個例子，這在一個有意義的答案中是非常典型的。但其實，ChatGPT 給出的答案并不完全正確：公式是對的，但不是有用的定義，例子也是錯的。

在另一個關(guān)于「素數(shù)是否無窮多」的證明問題中，ChatGPT 給出的答案也并不完全正確。

雖然測試結(jié)果不太令人滿意，但陶哲軒并沒有對 ChatGPT 持完全否定的態(tài)度。他認為，像 ChatGPT 這類大型語言模型在數(shù)學(xué)中可以用來做一些半成品的語義搜索工作，也就是用它來生成一些提示。

比如在下面這個例子中，陶哲軒提出的問題是：「我在尋找一個關(guān)于 xx 的公式。我想這是一個經(jīng)典的定理，但我不記得名字了。你有什么印象嗎？」在這輪問答中，雖然 ChatGPT 沒能給出正確答案（庫默爾定理），但根據(jù)它給出的近似答案（Legendre 公式），我們可以結(jié)合傳統(tǒng)搜索引擎輕松找到正確答案。

從這些測試中，我們可以看到 ChatGPT 這類 AI 工具與傳統(tǒng)計算機軟件的區(qū)別。

傳統(tǒng)的計算機軟件類似于函數(shù):→：給定域中的輸入，它可靠地返回范圍中的單個輸出()，該輸出以確定的方式依賴于。但如果給定域外的輸入（比如大括號用錯，或者出現(xiàn)其他格式問題），則軟件會出現(xiàn)無法定義的情況，或給出無意義的內(nèi)容。

相比之下，AI 工具類似于概率 kernel μ:→Pr ()，而不是經(jīng)典函數(shù)。輸入，它們會給出一個從概率分布 μ_?采樣的隨機輸出。這個概率分布在() 的完美結(jié)果附近，但帶有一些隨機偏差和不準確性。但優(yōu)勢在于，這些工具可以比傳統(tǒng)的軟件工具更優(yōu)雅地處理嘈雜或格式不那么規(guī)范的輸入。

因此，想用 ChatGPT 輔助自己做研究的數(shù)學(xué)研究者務(wù)必要習(xí)慣這種差異。

當然，在數(shù)學(xué)方向上，ChatGPT 當前的狀態(tài)可能不會持續(xù)太久。

前段時間，計算機科學(xué)家、Wolfram 語言之父 Stephen Wolfram 提出了一個想法：將 ChatGPT 與自己的 Wolfram | Alpha 知識引擎結(jié)合起來用，因為后者本就具有強大的結(jié)構(gòu)化計算能力，而且也能理解自然語言。

Meta 在 2 月份發(fā)布的一篇論文也支持這種做法。他們提出了一種名為 Toolformer 的新方法，使得語言模型學(xué)會「使用」各種外部工具，如搜索引擎、計算器或日歷（參見《語言模型自己學(xué)會用搜索引擎了？Meta AI 提出 API 調(diào)用自監(jiān)督學(xué)習(xí)方法 Toolformer》）。

在未來幾年，如何補齊 ChatGPT 的各項短板將成為非常熱門的方向。

參考鏈接：https://mathstodon.xyz/@tao

關(guān)鍵詞： 國防部門 特種部隊 美國國防部 chatgpt