Google 旗下 DeepMind 團隊讓 AI 系統接受一項高中程度的數學測試，結果在 40 道題目中只答對了 14 題，甚至連 "1+1+1+1+1+1+1" 也算錯了。說來難以置信，Google AI 系統能打敗人類世界棋王，卻無法通過高中程度的數學考試。

上周，Google 旗下 DeepMind 團隊公布了一份名為《分析神經模型的數學推理能力》的研究報告。在這項研究中，DeepMind 團隊讓 AI 系統接受一項涵括算術、幾何、概率、測量和微積分的數學測試，考題有 40 題，難度大約是英國高中數學的程度。

結果 DeepMind 雖然在一些題目上表現不錯，但是碰上文字、加減乘除符號、函數等組成的問題時，卻因看不懂題目而無法作答。最后，在 40 道題目中，這個人工智能系統只答對 14 題，拿到 "E" 的分數，也就是說 —— 不及格。

其中有一道題目是 "1+1+1+1+1+1+1"，連小學生都知道答案是 7，但 DeepMind 卻答成了 6。

研究人員解釋，DeepMind 神經模型最長可以計算出現次數（n） 6 次以下的數值，但如果 n = 7，它就算不出來。當 AI 碰到同一數字出現多次，它會認為輸入值是出錯的。奇怪的是，碰上更長的加法題目，DeepMind 卻算得出來。研究人員承認還找不出很好的解釋，但很可能是因為 AI 神經網絡不斷觀察每道問題，從而做出正確的解答。

此外，當研究人員要求 DeepMind 在一長串數字中找出 " 位值 "（place value），它就能答得很好，因為它可以按數字大小排出順序，也能將小數四舍五入。

研究人員說，人類智慧優于神經模型之處，在于對于事物復合式推論的能力。推論是一種復雜、多面向能力的展現。在解答問題時，人腦動用了多種認知能力，包括將符號分類（如區分數字、加減乘除符號、文字、變量）、規劃（如找出正確順序的函數）、演算、運用工作記憶來儲存中間值、還要運用學到的規則或定理等。相反的，以卷積和遞歸神經網絡發展出的 DeepMind 擅長模式比對、機器翻譯和強化式學習，但彈性遠不及人腦。它們不太能將事物推論到已有經驗的環境外，更無法處理刻意亂輸入的資訊。

目前 AI 或許當不成數學老師，但也已經相當厲害。DeepMind 公司的 AlphaGo 接連打敗人類圍棋冠軍李世乭、柯潔。去年 12 月 DeepMind 的 AlphaZero 又在星海爭霸 2（StarCraft II）測試賽中，以 5 比 0 打贏世界頂尖職業玩家。此外，自學畫畫、創作音樂也都難不倒 AI。

來源：ZAKER