|
本文来自微X公众号：三联电子厂Pro（ID：cyberlife2024），作者：Jimmy，编辑：Benjamin，校对：张雁南，原文标题：《恭喜！Chat GPT高考超过一本线！》，题图来自：视觉中国
这几天你还在等录取通告书吗？每次高考完，总有有些人尤其招人烦。要么是高考博主分享人生感悟，亦有复读班常客带你估分，最讨厌的就属一群中年人，在那里看着作文题高谈阔论找存在感。
但她们敢做数学题吗？今年之后，AI大概就会直接断送了这些人吹牛的机会，乃至连张雪峰这般的高考报志愿的投机倒把分子，都再亦卖不出去自己两万一套的一对一报志愿指点。
AI冲上河南一本线
2024年的河南高考分数线已然出炉，文科本科一批录取分数线为521分，理科511分。
众所周知，河南是人口大省，按照2023年的数据，河南以9605万排名全国第三。相应地，河南亦是高考大省，2023年河南高考考生高达1200万人。
经历过高考的人，都会记得班专家常常会说这般一句话：“高考是你们人生中独一一次公平的竞争”。在全国的大都数省份，考生想要考上心仪的学校，除了过线，必须高出分数线不少分才可被录取，像是清北这般的名校，乃至要超过百分。
河南高考始终被叫作为“地狱难度”。数据亦支持这般的判断，以河南省为例，在全国历年985和211学校的录取比例中，河南始终处在倒数5名上下，这寓意着考生们不仅要和朋友内卷，更要和“名额数量”“录取比例”斗争。
如今，高考的赛道上又多了一名新“朋友”。当AI亦参与其中之后，所取得的成绩亦一样令人目瞪口呆，并且以咱们意想不到的速度进步着。
在2024年河南省高考新课标Ⅰ卷大模型评测报告中，OpenAI的Chat GPT - 4o以562分在众多AI中排名文科总分第1。Chat GPT - 4o不愧是全能（4o的o就是“Omini”，全能之意）。国内制品中，字节跳动旗下的豆包拔得头筹，成绩是542.5分，其后依次是百度文心一言4.0的537.5分、百川智能“百小应”的521分。
与文科相比，大模型的理科成绩要差非常多，最高分还不到480分，大都数大模型的理科总分在400分以下。相比河南理科511分的一本线，大模型尚有很强差距。
各大模型高考评测取得的分数
这次大模型高考评测与河南省高考考卷完全相同，根据录取分数线，豆包等三款国产AI成功冲上一本线。但倘若豆包朋友在河南，恐怕依然上不了一本大学。
在大模型的各个科目得分中咱们不难发掘，无论是Chat GPT - 4o还是众多的国产大模型，都有显著的劣势，尤其是数学和语文的写作，都无得到太高的分数。
大模型亦和人类同样“偏科”
为何写作没法得到高分？原由是Chat GPT实质上是没法真正理解问题的。Chat GPT所做的是模式匹配，它能够经过算法找到和输入问题关联的信息，而后提取出信息中的答案。
这种答案其条理性、规律性拉满，然则在阅卷过程中，还要思虑人类写作的特点，例如递进关系、思维过程、层次、修辞等等。在这些方面，人工智能的表现更像是信息的堆砌。
试着把大模型的写作给专业的阅卷老师看，得到了如下回复。老师亦是一眼辨识出了大模型写作的结果，现场戳穿，大写的尴尬。
AI写作被一眼认出
大模型是数学学渣吗？
既然写作不灵，那以推理与规律为主的数学，为何大模型反而亦得不到高分呢？
还以2024年高考数学卷中的两道题为例，从结果中能够看到，国产大模型几乎全军覆没，仅有Chat GPT给出了正确答案，其中一题是这般的：
甲、乙两人各有四张卡片，每张卡片上标有一个数字，甲的卡片分别标有数字 1，3，5，7，乙的卡片上分别标有数字2，4，6，8，两人进行四轮比赛，在每轮比赛中，两人各自从自己持有的卡片中随机选一张，并比较所选卡片的数字的体积，数字大的人得1分，数字小的人得0分，而后各自弃置此轮所选的卡片（弃置的卡片这里后的轮次中不可运用）。则四轮比赛后，甲的总得分少于2的概率为多少？
这道题，我是肯定算不出来的（你们能够试试），正确答案为1/2。再来瞧瞧大模型的作答结果。
本来以为算概率这种事情，应该是计算机最善于的。结果，国内的8款大模型所有翻车。
究其原由还要从大模型自己讲起，大模型是基于人类语言开发和训练的，想要准确回答问题，首要是要理解人类语言，明白题目本身的含义。
来看一个非常典型的例子，“3个苹果加2个梨总共有几个果蔬”，这道小学生都会做的题，在大模型诞生之初，给出的回答常常是错误或不知所云的答案，原由便是人类能够很容易地把苹果和梨抽象为果蔬，大模型没法做到。
而随着技术的进步，大模型的进步已然能够给出这类抽象问题的答案，但倘若你问点繁杂的，大模型还是会胡扯。以足球运动员为例：
而正确答案是：
这种抽象的概念，到了高中周期就会变得更加繁杂，没法将语言题目转化为数学公式是大模型是个数学学渣的原由之一。
其次是大模型回答问题的方式，前文说到过，大模型是经过匹配的方式找寻与之最关联的内容再经过缜密的规律组合成答案。
例如咱们让模型画一幅人类肖像，在模型的训练数据中海量的关系证明，眼睛下方是鼻子，鼻子下方是嘴，因此模型很容易经过找寻匹配的方式画出与需求相近的答案。由于结果单一，但文字否则。例如咱们说到一款手机，那与之关联的内容可能是电路板，可能是价格，可能是品牌，大模型需要持续地推理，找到近期似的结果。这便是所说的扩散模型。
因此当给到模型的信息不全，或存在非常多隐含寓意的时候，模型就起始了一本正经地胡说八道，这便是咱们常说的“模型幻觉”。
问题其实是在问我有多少个果蔬，Chat GPT回答为16，它无正确理解“banana weighs 0.5 lbs and I have 7 lbs”这句话的含义，正确答案应该是7/0.5+9=23个。
看不见的“试卷”
看多了大模型不着边际的答案以及一本正经的胡说八道之后，咱们乃至会可疑号叫作颠覆性的大模型技术，连小学数学都做有害索，到底行不行？
答案是肯定的，大模型在非常多专业行业，尤其是尖端科学行业，依然是人类社会的期盼。
海量数据的处理能力
虽然在大模型之前亦有类似的数据中心、超级计算机，然则其本质区别还是办法。传统的办法是查询与匹配，找到近似的结果给用户展示，大模型的工作机制除了查询与匹配之外还有推理，简单说便是能够像人同样思考。这般给出的结果更加精确。
泛化能力
咱们都遇到过运用百度的时候搜不到结果的状况，是由于针对未知数据确实是找不到结果的，设备亦给了正确的返回。但其实设备并无思考输入问题的本质，大模型能够经过持续地理解和泛化，适应新的未曾见过的数据。
自我学习进化能力
日前人类自诞生败兴有文字记载的各样知识、数据、资料都能够做为训练的数据，以Chat GPT - 4o为例，据OpenAI暗示大概已然把日前人类的知识都看过一遍了。模型本身会持续进化，这个过程时刻都在出现。
基于这些强大基因，大模型已然被应用于非常多专业行业，并取得了前人没法企及的成果。
一群来自上海财经大学、哈尔滨工业大学（深圳）、北京语言大学、西安电子科技大学、加拿大皇后大学以及万得信息技术有限机构的博士生或工程师收集了超过三万七千个问题，以及对应的超过8万条人类专家回答和超过4万条Chat GPT回答。覆盖了开放域、计算机、金融、医疗、法律、心理学等多个行业。对比大模型和专家的作答。评判标准是在双盲的状况下看谁的答案更加有用？结果如下：
大模型的答案略强过人类专家，然则倘若被评测者被通知哪个是大模型的话，结果是专家答案反超20%。可见大模型在专业知识方面接近人类专家水平，专家的优良在于能够简明扼要，直指核心，而大模型的回答略显拖沓和格式化。
心理学行业，大模型在情感上比人类更中立，乃至偏积极，能够更好地供给心情支持和疏导。
在表述的方式上，人类比大模型持有更大的词汇量且回答更加简短。
除了广泛的语言问答，大模型在推理上亦是大放光彩。
Google DEEP MIND 机构的Alphafold3发布，生物行业Al即将参与人类的生老病死
一款药品从起始开发到上市营销要经历漫长的时间，极端状况下，有些专家乃至都看不到“孩儿”上市就已然逝去。更别说开发时期巨大的资金消耗。因此像《我不是药神》中说到的“格列卫”，亦是经历了漫长的岁月。而做为垄断企业的药企，显然不会轻易地交出专利。
但大模型的显现让这个过程最少加强了36%的速度，其重要的功能便是在推测先导药品分子式这一过程中，经过模型极强的学习和推理能力，极重地加快了发掘新的分子式（新药品基本）的过程。
亦许几年后就会有没有数种新药面世，它们能够治疗多种日前束手无策的病症，并大幅降低开发成本，而最后受益的依然是病人和家属。全部人类群体的寿命和生活质量亦将同步提高。
关闭对中国的接口，更大的机会？
前几天openAI宣布禁止中国地区用户运用API（应用编程接口）方式拜访其服务，技术垄断的背面，中国亦在不遗余力地开发自己的技术。在一样的技术背景下，其商场模式以及对用户的影响，中美可能会走上两条区别的路线。
倘若回顾一下AI的上一浪花潮，即移动互联网，不难发掘，一样的技术和终端，在商场模式上走上了两条区别的道路。
细数移动互联网诞生的十余年里，以原创制品为标准。中国涌现出了支付宝，字节跳动，美团网，共享自动车，短视频，直播带货，手机游戏等。反观美国企业则重点集中在生态和更上游，例如硬件制造的苹果，操作系统安卓和iOS，云服务器等，元宇宙等。
再看当下的AI生态，中国的机构更聚焦在终端用户的身上，例如AI虚拟人、AI绘图作画、AI写ppt、AI做淘宝模特图、AI试衣等等。并把上一浪花潮中的经验完美融合其中，例如会员制订阅收费、营销手段等等。移动互联网“先圈用户再挣钱”这个规律始终被默默地继承了下来。
AI作图的生硬“直译”
诚然，美国亦有多如牛毛的类似机构，例如C.AI（虚拟人）、Notion（写作）、Replica（元宇宙）、Cavana（创意），然则日前在硅谷投资行业中更为投资人看好的，并已然实现盈利的却是有些“to B”（面向企业）的生意。有个很生动的例子，阐释了AI的巨大功效。
美国有一种工伤保险，当员工因公受伤在家休养时期，保险机构会支付50%的薪水给员工，该保险由企业投保，员工受益。然则在被保险客户中，其伤愈的时间是因人而异的，非常多人并不晓得自己已然能够回去上班领全额的薪水，亦不晓得自己的医疗到何种周期。
这项工作以前是由于人工完成的，即保险机构致电每一个能够或即将能够上班的员工返回工作岗位。显然这是极其低效的。AI应用在tel回访之后极重地加强了效率和准确性，AI接收医院的医疗信息，找出对应的被保险人，而后拨打tel，无需任何人为干涉，一天能够打几百上千个tel。而一旦被保险人返回工作，保险机构便能够停止支付工伤时期的薪水。据统计一年下来，仅这一项应用为该机构节省了最少6000万美元的保费。
因此，一个现存的需要，利用AI的有效率处理问题。这种生意显然Open AI不会做，马斯克亦不会做，足够的垂直和足够大的体量，是极度受投资者喜爱的。
反观中国针对AI的投资，呈现两种截然不同的境遇，其一是大厂做AI，不差钱但不可错失风口，担心“别人有我无”是战略决策失误，怕被落下。另一种是大模型套娃，大多雷同，投资人认为门槛低复制简单，亦无竞争优良，绝大都数被冷遇。
留给中国大模型的机会非常多，参加高考不外是牛刀小试，成绩亦不会像非常多人进了复读班同样，不升反降。AI能为人类供给更精细的推导，更厉害的算力，咱们很高兴能看到这些被应用在药品科研、外太空探索之上。
但就像一个孩儿说的同样：科技是为人类服务的。大模型的显现，是期盼能够给人类供给更加多的机会和方便，而不是以有些急功近利的方式，去掠夺人们赖以存活的手段。或许，智能驾驶是处理交通拥堵和将来人类出行的手段，但挤占人类的存活空间的方式，显然不是人工智能的初衷。
本文来自微X公众号：三联电子厂Pro（ID：cyberlife2024），作者：Jimmy，编辑：Benjamin，校对：张雁南
本内容为作者独立观点，不表率虎嗅立场。未经准许不得转载，授权事宜请联系 hezuo@huxiu.com
正在改变与想要改变世界的人，都在虎嗅APP返回外链论坛：www.fok120.com，查看更加多
责任编辑：网友投稿
| 
发表于 2024-8-22 11:07:41
