小赖子的英国生活和资讯

ChatGPT在数学和逻辑方面表现不佳

阅读 桌面完整版

一题简单的数学逻辑题: 一口井10米深, 一只青蛙在井底, 它白天往上爬3米, 晚上往下掉2米, 请问青蛙几天能爬出去?

ChatGPT 不在行这种题, 简直就是糊说八道 睁眼睛说瞎话. 现在的人工智能基本上是基于大数据+机器学习也就是模式识别 Pattern Matching, 海量的数据进行训练, 如果数据本身就有问题(比如错误或者有偏好Bias), 那么通过学习得到的答案就有可能有问题.

这题的正确答案是8天, 青蛙7天爬7米, 第8天的时候往上3米就上了10米了.

ChatGPT 对数学和逻辑题不是很在行

**ChatGPT:

这道题可以用数学模型来解决.

设青蛙爬出井口需要x天, 则:

第一天: 青蛙爬了3米, 距离井口还有 10 – 3 = 7 米.

第二天: 青蛙爬了3米, 距离井口还有 7 + 3 – 2 = 8 米.

第三天: 青蛙爬了3米, 距离井口还有 8 + 3 – 2 = 9 米.

第四天: 青蛙爬了3米, 距离井口还有 9 + 3 – 2 = 10 米.

青蛙在第四天爬出井口, 因此答案为4天.

因为青蛙在第4天爬出井口, 所以它需要爬4天.

**我:
不对, 你再好好想想

**ChatGPT:

非常抱歉, 我的回答有误. 在这个问题中, 我们需要注意到青蛙在晚上会下滑2米, 这意味着它在每天晚上都会回到之前爬过的位置, 也就是说, 它需要在第二天重新爬起来, 而不是从第一天的位置开始爬.

在这种情况下, 我们可以通过以下方式来解决这个问题:

第一天: 青蛙爬了3米, 距离井口还有 10 – 3 = 7 米.

第二天: 青蛙爬了3米, 距离井口还有 7 + 3 – 2 = 8 米.

第三天: 青蛙爬了3米, 距离井口还有 8 + 3 – 2 = 9 米.

第四天: 青蛙爬了3米, 距离井口还有 9 + 3 – 2 = 10 米.

因为青蛙在第四天爬出井口, 所以答案为4天.

因此, 青蛙需要爬4天才能从井口爬出来. 感谢您指出我的错误, 希望这次的回答更加清晰明

ChatGPT是一种自然语言处理技术, 它可以帮助人们更好地理解和使用自然语言. 它的主要特点是可以根据上下文生成准确的回复, 并且可以学习新的语义和语法. 尽管ChatGPT在处理自然语言方面表现不错, 但是它在数学和逻辑方面表现不佳.

这是因为ChatGPT的核心技术是基于神经网络的, 而神经网络本质上是一个非常弱化的技术, 它无法处理复杂的数学问题和逻辑问题. 神经网络只能处理大量已有数据中出现过的问题, 而对于新出现的问题则无能为力. 因此, ChatGPT在数学和逻辑方面表现不佳.

此外, ChatGPT也无法很好地处理一些具有抽象性, 隐含性或异常性特征的问题. 例如: “如何才能成功”这样一个问题就不能很好地由ChatGPT来回应. 这是因为ChatGPT无法判断这样一个问题中所包含的含义; 而当遇到这样一个具有隐含性特征的问题时, ChatGPT就会显得力不从心.

此外, ChatGPT也无法很好地应对一些异常情况. 例如当用户使用不正常, 不通顺, 不正当或者充满歧义的语句来表达意思时, ChatGPT就会显得力不从心. 这是因为它无法理解用户所使用的语句中所包含的意思和内容; 而当遇到异常情况时, ChatGPT就会显得力不从心.

总之, 尽管ChatGPT在处理自然语言方面表现出众, 但它在数学和逻辑方面表现却并不十分出众. 原因有三: 首先, ChatGPT依托神经网络技术, 其次, 对于一些具有抽象性, 隐含性或异常性的问题, ChatGPT都无能为力; 最后, ChatGPT也无能为力处理一些具有异常性的问题. 由此可以看出, ChatGPT在数学和逻辑方面表现不佳.

ChatGPT 每次给的答案都不完全一样, 因为并不是基于逻辑处理的, 经过海量复杂的神经网络的训练, ChatGPT在Prompt Engineering这方面取得了不错的成就.

同样的问题, 用英文问 (How ChatGPT Solves a Math Puzzle?), ChatGPT的智商明显就强了一些, 至少在指出错误的时候第二次给出的答案就比较靠近正确答案了. 看来互联网上英文的资料还是最多, 训练数据的质量要好过其它语言.

ChatGPT 可以拿来做什么?

ChatGPT 通用人工智能

强烈推荐

微信公众号: 小赖子的英国生活和资讯 JustYYUK

阅读 桌面完整版
Exit mobile version