ChatGPT喜提AI高考狀元！

作者：Jimmy

來源：三聯(lián)電子廠Pro（ID：cyberlife2024）

這幾天你還在等錄取通知書嗎？每次高考完，總有一些人特別招人煩。要么是高考博主分享人生感悟，也有復(fù)讀班?？蛶悝?估分，最討厭的就屬一群中年人，在那里看著作文題高談闊論找存在感。

但他們敢做數(shù)學(xué)題嗎？今年之后，AI大概就會直接斷送了這些人吹牛的機(jī)會，甚至連張雪峰這樣的高考報(bào)志愿的投機(jī)倒把分子，都再也賣不出去自己兩萬一套的一對一報(bào)志愿指導(dǎo)。

01

AI沖上河南一本線

2024年的河南高考分?jǐn)?shù)線已經(jīng)出爐，文科本科一批錄取分?jǐn)?shù)線為521分，理科511分。

眾所周知，河南是人口大省，根據(jù)2023年的數(shù)據(jù)，河南以9605萬排名全國第三。相應(yīng)地，河南也是高考大省，2023年河南高考考生高達(dá)131萬人。

經(jīng)歷過高考的人，都會記得班主任常常會說這樣一句話：“高考是你們?nèi)松形ㄒ灰淮喂降母偁帯?。在全國的大多?shù)省份，考生要想考上心儀的學(xué)校，除了過線，必須高出分?jǐn)?shù)線不少分才能被錄取，像是清北這樣的名校，甚至要超過百分。

數(shù)據(jù)也支持這樣的判斷，以河南省為例，在全國歷年985和211學(xué)校的錄取比例中，河南一直處于倒數(shù)5名左右，這意味著考生們不僅要和同學(xué)內(nèi)卷，更要和“名額數(shù)量”“錄取比例”斗爭。

如今，高考的賽道上又多了一名新“同學(xué)”。當(dāng)AI也參與其中之后，所取得的成績也同樣令人目瞪口呆，并且以我們意想不到的速度進(jìn)步著。

在2024年河南省高考新課標(biāo)Ⅰ卷大模型評測報(bào)告中，OpenAI的Chat GPT - 4o以562分在眾多AI中排名文科總分第一。Chat GPT - 4o不愧是全能（4o的o就是“Omini”，?cè)苤猓?。國?nèi)產(chǎn)品中，字節(jié)跳動旗下的豆包拔得頭籌，成績是542.5分，其后依次是吉印通文心一言4.0的537.5分、百川智能“百小應(yīng)”的521分。

與文科相比，大模型的理科成績要差很多，最高分還不到480分，大多數(shù)大模型的理科總分在400分以下。相比河南理科511分的一本線，大模型尚有較大差距。

各大模型高考評測取得的分?jǐn)?shù)

本次大模型高考評測與河南省高考考卷完全相同，按照錄取分?jǐn)?shù)線，豆包等三款國產(chǎn)AI成功沖上一本線。但如果豆包同學(xué)在河南，恐怕依然上不了一本大學(xué)。

在大模型的各個(gè)科目得分中我們不難發(fā)現(xiàn)，無論是Chat GPT - 4o還是眾多的國產(chǎn)大模型，都有明顯的劣勢，尤其是數(shù)學(xué)和語文的寫作，都沒有獲得太高的分?jǐn)?shù)。

大模型也和人類一樣“偏科”

為什么寫作無法獲得高分？原因是Chat GPT實(shí)際上是無法真正理解問題的。Chat GPT所做的是模式匹配，它可以通過算法找到和輸入問題相關(guān)的信息，?cè)缓筇崛〕鲂畔⒅械拇鸢?。?/p>

這種答案其條理性、邏輯性拉滿，但是在閱卷過程中，還要考慮人類寫作的特點(diǎn)，比如遞進(jìn)關(guān)系、思維過程、層次、修辭等等。在這些方面，?cè)斯ぶ悄艿谋憩F(xiàn)更像是信息的堆砌。

試著把大模型的寫作給專業(yè)的閱卷老師看，得到了?cè)缦禄貜?fù)。老師也是一眼辨識出了大模型寫作的結(jié)果，現(xiàn)場戳穿，大寫的尷尬。

AI寫作被一眼認(rèn)出

02

大模型是數(shù)學(xué)學(xué)渣嗎？

既然寫作不靈，那以推理與邏輯為主的數(shù)學(xué)，為什么大模型反而也得不到高分呢？

還以2024年高考數(shù)學(xué)卷中的兩道題為例，從結(jié)果中可以看到，國產(chǎn)大模型幾乎全軍覆沒，只有Chat GPT給出了正確答案，其中一題是這樣的：

甲、乙兩人各有四張卡片，每張卡片上標(biāo)有一個(gè)數(shù)字，甲的卡片分別標(biāo)有數(shù)字 1，3，5，7，乙的卡片上分別標(biāo)有數(shù)字2，4，6，8，兩人進(jìn)行四輪比賽，在每輪比賽中，兩個(gè)各自從自己持有的卡片中隨機(jī)選一張，并比較所選卡片的數(shù)字的大小，數(shù)字大的人得1分，數(shù)字小的人得0分，?cè)缓蟾髯詶壷么溯喫x的卡片（棄置的卡片在此后的輪次中不能使用）。則四輪比賽后，甲的總得分小于2的概率為多少？

這道題，我是肯定算不出來的（你們可以試試），正確答案為1/2。再來看看大模型的作答結(jié)果。

原本以為算概率這種事情，應(yīng)該是計(jì)算機(jī)最擅長的。結(jié)果，國內(nèi)的8款大模型全部翻車。

究其原因還要從大模型自身講起，大模型是基于人類語言研發(fā)和訓(xùn)練的，要想準(zhǔn)確回答問題，首先是要理解人類語言，明白題目本身的含義。

來看一個(gè)非常典型的例子，“3個(gè)蘋果加2個(gè)梨總共有幾個(gè)水果”，這道小學(xué)生都會做的題，在大模型誕生之初，給出的回答往往是錯(cuò)誤或者不知所云的答案，原因就是人類可以很容易地把蘋果和梨抽象為水果，大模型無法做到。

而隨著技術(shù)的進(jìn)步，大模型的進(jìn)步已經(jīng)能夠給出這類抽象問題的答案，但如果你問點(diǎn)復(fù)雜的，大模型還是會胡扯。以足球運(yùn)動員為例：

而正確答案是：

這種抽象的概念，到了高中階段就會變得更加復(fù)雜，無法將語言題目轉(zhuǎn)化為數(shù)學(xué)公式是大模型是個(gè)數(shù)學(xué)學(xué)渣的原因之一。

其次是大模型回答問題的方式，前文提到過，大模型是通過匹配的方式找尋與之最相關(guān)的內(nèi)容再通過縝密的邏輯組合成答案。

比如我們讓模型畫一幅人類肖像，在模型的訓(xùn)練數(shù)據(jù)中海量的關(guān)系證明，眼睛下方是鼻子，鼻子下方是嘴，所以模型很容易通過找尋匹配的方式畫出與要求相近的答案。因?yàn)榻Y(jié)果單一，但文字不然。比如我們提到一款手機(jī)，那與之相關(guān)的內(nèi)容可能是電路板，可能是價(jià)格，可能是品牌，大模型需要不斷地推理，找到最近似的結(jié)果。這就是所謂的擴(kuò)散模型。

所以當(dāng)給到模型的信息不全，或者存在很多隱含寓意的時(shí)候，模型就開始了一本正經(jīng)地胡說八道，這就是我們常說的“模型幻覺”。

問題其實(shí)是在問我有多少個(gè)水果，Chat GPT回答為16，它沒有正確理解“banana weighs 0.5 lbs and I have 7 lbs”這句話的含義，正確答案應(yīng)該是7/0.5+9=23個(gè)。

03

看不見的“試卷”

看多了大模型不著邊際的答案以及一本正經(jīng)的胡說八道之后，我們甚至?xí)岩商柗Q顛覆性的大模型技術(shù)，連小學(xué)數(shù)學(xué)都做不利索，到底行不行？

答案是肯定的，大模型在很多專業(yè)領(lǐng)域，尤其是尖端科學(xué)領(lǐng)域，依然是人類社會的希望。

海量數(shù)據(jù)的處理能力

雖然在大模型之前也有類似的數(shù)據(jù)中心、超級計(jì)算機(jī)，但是其本質(zhì)區(qū)別還是方法。傳統(tǒng)的方法是查找與匹配，找到近似的結(jié)果給用戶展示，大模型的工作機(jī)制除了查找與匹配之外還有推理，簡單說就是能夠像人一樣思考。這樣給出的結(jié)果更加精確。

泛化能力

我們都遇到過使用吉印通的時(shí)候搜不到結(jié)果的情況，是因?yàn)閷τ谖粗獢?shù)據(jù)確實(shí)是找不到結(jié)果的，機(jī)器也給了正確的返回。但其實(shí)機(jī)器并沒有思考輸入問題的本質(zhì)，大模型可以通過不斷地理解和泛化，適應(yīng)新的未曾見過的數(shù)據(jù)。

自我學(xué)習(xí)進(jìn)化能力

目前人類自誕生以來有文字記載的各種知識、數(shù)據(jù)、資料都可以作為訓(xùn)練的數(shù)據(jù)，以Chat GPT - 4o為例，據(jù)OpenAI表示大概已經(jīng)把目前人類的知識都看過一遍了。模型本身會不斷進(jìn)化，這個(gè)過程時(shí)刻都在發(fā)生。

基于這些強(qiáng)大基因，大模型已經(jīng)被應(yīng)用于很多專業(yè)領(lǐng)域，并取得了前人無法企及的成果。

一群來自上海財(cái)經(jīng)大學(xué)、哈爾濱工業(yè)大學(xué)（深圳）、北京語言大學(xué)、西安電子科技大學(xué)、加拿大皇后大學(xué)以及萬得信息技術(shù)吉印通的博士生和工程師收集了超過三萬七千個(gè)問題，以及對應(yīng)的超過8萬條人類專家回答和超過4萬條Chat GPT回答。覆蓋了開放域、計(jì)算機(jī)、金融、醫(yī)療、法律、心理學(xué)等多個(gè)領(lǐng)域。對比大模型和專家的作答。評判標(biāo)準(zhǔn)是在雙盲的情況下看誰的答案更加有用？結(jié)果如下：

大模型的答案略勝于人類專家，但是如果被評測者被告知哪個(gè)是大模型的話，結(jié)果是專家答案反超20%。可見大模型在專業(yè)知識方面接近人類專家水平，專家的優(yōu)勢在于能夠簡明扼要，直指核心，而大模型的回答略顯拖沓和格式化。

心理學(xué)領(lǐng)域，大模型在情感上比人類更中立，甚至偏積極，能夠更好地提供情緒支持和疏導(dǎo)。

在表述的方式上，?cè)祟惐却竽Ｐ蛽碛懈蟮脑~匯量且回答更加簡短。

除了普遍的語言問答，大模型在推理上也是大放光彩。

Google DEEP MIND 公司的Alphafold3發(fā)布，生物領(lǐng)域Al即將參與人類的生老病死

一款藥物從開始研發(fā)到上市銷售要經(jīng)歷漫長的時(shí)間，極端情況下，有些科學(xué)家甚至都看不到“孩子”上市就已經(jīng)離世。更別說研發(fā)期間巨大的資金消耗。所以像《我不是藥神》中提到的“格列衛(wèi)”，也經(jīng)歷了漫長的歲月。而作為壟斷企業(yè)的藥企，顯然不會輕易地交出專利。

但大模型的出現(xiàn)讓這個(gè)過程至少提高了36%的速度，其重要的功能就是在推測先導(dǎo)藥物分子式這一過程中，通過模型極強(qiáng)的學(xué)習(xí)和推理能力，極大地加快了發(fā)現(xiàn)新的分子式（新藥物基礎(chǔ)）的過程。

也許幾年后就會有無數(shù)種新藥問世，它們可以治療多種目前束手無策的病癥，并大幅降低研發(fā)成本，而最終受益的依然是患者和家屬。整個(gè)人類群體的壽命和生活質(zhì)量也將同步提升。

04

關(guān)閉對中國的接口，更大的機(jī)會？

前幾天openAI宣布禁止中國地區(qū)用戶使用API（應(yīng)用編程接口）方式訪問其服務(wù)，技術(shù)壟斷的背后，中國也在不遺余力地研發(fā)自己的技術(shù)。在同樣的技術(shù)背景下，其商業(yè)模式以及對用戶的影響，中美可能會走上兩條不同的路線。

如果回顧一下AI的上一波浪潮，即移動互聯(lián)網(wǎng)，不難發(fā)現(xiàn)，同樣的技術(shù)和終端，在商業(yè)模式上走上了兩條不同的道路。

細(xì)數(shù)移動互聯(lián)網(wǎng)誕生的十余年里，以原創(chuàng)產(chǎn)品為標(biāo)準(zhǔn)。中國涌現(xiàn)出了支付寶，字節(jié)跳動，美團(tuán)網(wǎng)，共享自行車，短視頻，直播帶貨，手機(jī)游戲等。反觀美國企業(yè)則主要集中在生態(tài)和更上游，比如硬件制造的蘋果，操作系統(tǒng)安卓和iOS，云服務(wù)器等，元宇宙等。

再看當(dāng)下的AI生態(tài)，中國的公司更聚焦在終端用戶的身上，比如AI虛擬人、AI繪圖作畫、AI寫ppt、AI做吉印通模特圖、AI試衣等等。并把上一波浪潮中的經(jīng)驗(yàn)完美融合其中，比如會員制訂閱收費(fèi)、營銷手段等等。移動互聯(lián)網(wǎng)“先圈用戶再賺錢”這個(gè)邏輯一直被默默地繼承了下來。

AI作圖的生硬“直譯”

誠然，美國也有多如牛毛的類似公司，比如C.AI（虛擬人）、Notion（寫作）、Replica（元宇宙）、Cavana（創(chuàng)意），但是目前在硅谷投資行業(yè)中更為投資人看好的，并已經(jīng)實(shí)現(xiàn)盈利的卻是一些“to B”（面向企業(yè)）的生意。有個(gè)很生動的例子，闡釋了AI的巨大作用。

美國有一種工傷保險(xiǎn)，當(dāng)員工因公受傷在家休養(yǎng)期間，保險(xiǎn)公司會支付50%的薪水給員工，該保險(xiǎn)由企業(yè)投保，員工受益。但是在被保險(xiǎn)客戶中，其傷愈的時(shí)間是因人而異的，很多人并不知道自己已經(jīng)可以回去上班領(lǐng)全額的薪水，也不知道自己的醫(yī)療到何種階段。這項(xiàng)工作以前是由人工完成的，即保險(xiǎn)公司致電每一個(gè)可以或即將可以上班的員工返回工作崗位。顯然這是極其低效的。AI應(yīng)用在電話回訪之后極大地提高了效率和準(zhǔn)確性，AI接收醫(yī)院的醫(yī)療信息，找出對應(yīng)的被保險(xiǎn)人，?cè)缓髶艽螂娫挘偀o需任何人為干預(yù)，一天可以打幾百上千個(gè)電話。而一旦被保險(xiǎn)人返回工作，保險(xiǎn)公司便可以停止支付工傷期間的薪水。據(jù)統(tǒng)計(jì)一年下來，僅這一項(xiàng)應(yīng)用為該公司節(jié)省了至少6000萬美元的保費(fèi)。

所以，一個(gè)現(xiàn)存的需求，利用AI的高效率解決問題。這種生意顯然Open AI不會做，馬斯克也不會做，足夠的垂直和足夠大的體量，是極度受投資者青睞的。

反觀中國對于AI的投資，呈現(xiàn)兩種截然不同的境遇，其一是大廠做AI，不差錢但不能錯(cuò)過風(fēng)口，擔(dān)心“別人有我沒有”是戰(zhàn)略決策失誤，怕被落下。另一種是大模型套娃，大多雷同，投資人認(rèn)為門檻低復(fù)制簡單，也沒有競爭優(yōu)勢，絕大多數(shù)被冷遇。

留給中國大模型的機(jī)會很多，參加高考不過是牛刀小試，成績也不會像很多人進(jìn)了復(fù)讀班一樣，不升反降。AI能為人類提供更精密的推導(dǎo)，更厲害的算力，我們很高興能看到這些被應(yīng)用在藥物研究、外太空探索之上。

但就像一個(gè)孩子說的一樣：科技是為人類服務(wù)的。大模型的出現(xiàn)，是希望能夠給人類提供更多的機(jī)會和便捷的生活方式，而不是以一些急功近利的方式，?cè)儕Z人們賴以生存的手段。或許，智能駕駛是解決交通擁堵和未來人類出行的手段，但擠占人類的生存空間的方式，顯然不是人工智能的初衷。

過去一年，ChatGPT吃了多少官司？

*免責(zé)聲明：本文章為作者獨(dú)立觀點(diǎn)，不代表i黑馬立場。

加入科技交流群

加入“AI應(yīng)用伙伴計(jì)劃”

成為 AI 產(chǎn)業(yè)新力量

立即報(bào)名

聯(lián)系我們

轉(zhuǎn)載開白或商務(wù)合作：15222191516

與主編交流溝通：chenfu3721

i黑馬，創(chuàng)業(yè)黑馬旗下媒體，讓創(chuàng)業(yè)者不再孤獨(dú)。