值得一提的是，在AI參加測試以前，團隊已經(jīng)為其做好了充足訓(xùn)練。據(jù)DeepMind介紹，他們?yōu)锳I建立了一個包含200萬道題目的題庫，涵蓋了算術(shù)、代數(shù)、概率、微積分等各種題型。

同時，團隊也派出了循環(huán)神經(jīng)網(wǎng)絡(luò) （RNN） 和Transformer兩大當(dāng)下性能最先進的模型參與測試。

為什么人工智能無法答對高中數(shù)學(xué)題呢？

原來，最主要的原因是AI“看不懂”題目。DeepMind旗下的AI雖然已經(jīng)擁有了極強的機器翻譯能力，但依然抵不住數(shù)學(xué)問題的復(fù)雜性和語言多樣性的壓力。

對AI而言，數(shù)學(xué)符號和題目本身就很難理解

對人類而言，要解決數(shù)學(xué)問題，要應(yīng)用到的不只有計算能力，還有各種各樣的認(rèn)知技能。比如理解題干，需要將文字或圖標(biāo)轉(zhuǎn)換為算術(shù)運算符。

而對于依賴大量數(shù)據(jù)分析來尋求解決問題規(guī)律的AI而言，數(shù)學(xué)語言的復(fù)雜性是一座難以逾越的高山。

其次，AI“舉一反三”的能力，也無法與人類一較高下。它只能處理一些內(nèi)部存儲的問題，無法超越已有的環(huán)境去理解新的東西。

而人類在解決數(shù)學(xué)問題時，會進行推理，從已知的公理中找到最佳策略，而在具體的運算過程中，必須利用工作記憶來完成運算。

據(jù)DeepMind研究人員總結(jié)，現(xiàn)階段AI在推論的能力上，還不及人類。在解答問題時，人腦動用了多種認(rèn)知能力，包括將符號分類、演算、運用工作記憶來儲存中間值、還要運用學(xué)到的規(guī)則或定理等。

相反，AI則擅長模式比對、機器翻譯和強化式學(xué)習(xí)，但彈性遠不及人腦。它們不太能將事物推論到已有經(jīng)驗的環(huán)境外，更無法處理刻意亂輸入的資訊。

不過，雖然目前AI還無法當(dāng)數(shù)學(xué)老師，但他們已經(jīng)稱霸了相當(dāng)多的領(lǐng)域。除了圍棋以外，DeepMind旗下的AI又在游戲《星際爭霸2》（StarCraft II）的測試賽中，5-0橫掃世界頂尖職業(yè)選手。