人工智能战胜奥林匹克竞赛，却在学校基础数学上举步维艰

2025 年是一个非凡的里程碑，谷歌 DeepMind 和 OpenAI 系统在国际数学奥林匹克竞赛中获得了金牌。这些人工智能模型解决了通常只有世界上少数最聪明的年轻数学家才能破解的难题。然而，同样是这些系统，却经常在任何初中生都能处理的基本算术题上磕磕绊绊。这一惊人的悖论揭示了当代人工智能的一些基本特征：我们正在目睹一种参差不齐的智能的出现，机器在特定领域表现出超人的能力，而在我们认为是初级的任务上却屡屡失败。

奥林匹克的胜利

国际奥林匹克数学竞赛代表着大学前数学竞赛的顶峰。每年，顶尖学生都要解决六个需要深刻洞察力、创造力和先进证明技术的问题。2025 年，来自谷歌 DeepMind 和 OpenAI 的人工智能获得了 42 分中的 35 分，获得了金牌。DeepMind 的 AlphaGeometry 2 仅用 19 秒就解决了一个复杂的几何问题，而 AlphaProof 则解决了令大多数人类参赛者感到棘手的数论和代数问题。

这些突破是在多年稳步进展的基础上取得的。这些系统利用像 Lean 这样的正规数学语言来构建严格的证明，并采用课程学习等方法，对难度不断增加的问题进行训练。这一过程使人工智能能够掌握数学对象之间的复杂关系，识别微妙的模式，并提出优雅的证明。

初级斗争

在奥林匹克竞赛中取得胜利的人工智能往往会在看似琐碎的任务上出现问题。当被要求进行大数乘法运算时，它可能会自信满满地得出一个错误的答案。它在其他基本算术运算中的表现也同样难以预测。问题还不止于简单的计算。这些系统在处理需要跟踪多个数量、理解现实世界背景或按顺序应用基本运算的文字问题时，往往会陷入困境。

这一弱点源于这些模型的运行方式。大型语言模型根据训练数据中的模式预测下一段文本。当它们看到 "2 + 2 "时，它们会正确地输出 "4"，这并不是因为它们理解加法，而是因为这个序列在它们的训练中无处不在。如果给它们呈现不寻常的、很少见的计算，它们的性能就会直线下降。它们就像模式匹配引擎，在清晰、一致的模式下表现出色，但在被迫计算新颖事物时就会陷入困境。

架构悖论

奥林匹克竞赛的成功与算术计算的失败之间的矛盾指向了一个更深层次的架构问题。现代人工智能擅长于通过模式识别、逻辑推导和系统探索解题空间来解决问题。奥数问题虽然困难，但往往拥有人工智能可以利用的优雅结构。这些系统可以探索证明策略，验证逻辑步骤，并建立在既定的数学框架之上，在一个由符号、规则和逻辑支配的世界中运行。

矛盾的是，基本算术提出了不同的挑战。它要求精确地操作数量，而不是模式匹配。它要求理解无法近似的数值大小和关系。当人工智能模型把算术当作语言建模任务来处理时，它就会把数字视为需要预测的代币，而不是需要计算的数量。任务要求与模型架构之间的这种根本性不匹配造成了观察到的性能差距。

训练数据及其局限性

人工智能的能力在很大程度上取决于训练数据。数学证明和高级问题通常以学术论文、教科书和教育资源等结构合理的形式存在于网上，提供了清晰的推理示例。互联网上关于数学概念和解题策略的讨论比比皆是，为学习高级思维创造了丰富的语料库。

初等数学面临着不同的问题。虽然基本运算在网上很常见，但很少有对基本过程的详细解释。简单的计算都是作为事实来陈述，而不是作为程序来解释。训练数据包含计算结果，但不包含逐步推理的过程，这就造成了理解上的差距，表现为在基本任务中表现不佳。

对人工智能发展的影响

这种参差不齐的智能对人工智能的设计和部署有着至关重要的影响。在复杂任务中取得成功并不能保证在较简单任务中也能胜任。一个能证明定理的人工智能可能无法平衡支票簿；一个能写代码的系统可能在基本的计算方面举步维艰。这一现实要求对实际应用的能力和局限性进行仔细评估。

这一现象也凸显了混合方法的价值。我们可能需要专门的系统来处理不同的任务，而不是指望一个单一的模型来处理所有事情。将用于算术的符号计算与用于推理的语言模型相结合，可以产生更可靠的解决方案。未来可能在于协调多个专业系统，而不是追求单一的智能。

前进之路

承认 "锯齿状智能 "明确了通往能力更强的人工智能的道路。研究人员正在开发将计算工具集成到语言模型中的方法，使模型能够将算术运算卸载到专用计算器上。新的训练策略教模型何时使用外部工具，而不是将每项技能内化。这反映了人类的智慧，即我们使用工具进行计算，而将脑力集中在更高层次的推理上。

最终，锯齿状智能的悖论教会了我们谦逊。这些系统既没有普遍的优越性，也没有一致的局限性。它们拥有复杂的优缺点，我们必须了解这些优缺点，才能有效地使用和改进它们。要取得进步，不仅需要扩大人工智能的能力，还需要解决其根本性的差距。那些能证明定理却在基本加法上失败的机器提醒我们，智能--人工智能或人类智能--仍然是一种无法简单定义的多面现象。

底线

人工智能能够解决奥数问题，却不能解决简单的数学问题，这说明智能的发展是不均衡的。一个系统可能在某个领域表现出色，而在另一个领域却出人意料地薄弱。要负责任地设计和应用人工智能，就必须了解这种参差不齐的情况。解决方案可能需要将不同的方法结合起来，充分利用每个系统的优势，而不是用一个模型来完成所有任务。现实世界的进步将来自于建立在实践中可靠运行的人工智能，而不是假设它在所有方面都很出色。