“這個邏輯也很簡單，一旦AI化身成為教師的角色，它就勢必要保證自己的權威性，這無疑是極其困難的。”

    孟繁岐從底層說明了一下這方面AI的問題所在：“別說是高考數學了，其實即便是高數，現在也有針對性的AI技術，比如臉書就在做能求不定積分，解常微分方程的AI模型。”

    “這東西聽起來很神奇吧，專業的Matlab可能需要計算幾十秒，AI模型一秒就能推理成功。但實際上并不是這樣。”

    “這種高數AI，仍舊是依靠龐大的對應數據集，也就是說，需要制造龐大的，函數與微分的數據組合。”

    “我們可以大量生成隨機函數，然后用已有的工具求積分，求不出的就丟掉；生成隨機函數，然后對其求導。運用這些方式獲得大量的對應關系，然后訓練得出一個高數AI。”

    “你應該聽出問題了吧？人們在這方面的需求是，有的題目可以做不出，但是做出來的必須要對。而現在的高數AI，則是給我看過的我大概率作對，沒見過的很容易出微小的差錯。”

    “這樣的差錯，在語言大模型里問題不是很大，但在教育類的試題當中，顯然是不可忍受的。”

    “你的意思是，數學AI的方式，其實是語言。不管是積分微分，它處理的邏輯其實是翻譯？”田楓大概聽明白了。

    “可以這么說，類似的數學過程，可以被視作將一個表達式轉換為另一個表達式。現在很多人都用樹狀結構來表達數學公式，這個就不細說了。”

    “它的真正價值在于探索極其高復雜度的領域，就像之前的蛋白質測序那樣，因為它所發現的對應關系是和人類完全不同的。對于現有方法需要極高計算量的一些方向，它很可能做到事半功倍。”

    “但對于現階段已經非常成熟的教育解題領域，它反而不是一個很好的選擇。比如，通過大量的對應關系學習，它可以輕松解答幾百內的加減乘除，可一旦題目中的數字非常罕見，它就非常有可能出錯。”

    這件事情，也是孟繁岐前世用ChatGPT摸魚，輔助自己工作的時候發現的。

    他使用ChatGPT協助自己計算AI模型的參數量和計算量，結果發現最后的結算結果是錯誤的。

    錯得還不只是一點點，根本就差了兩個數量級。

    彼時正是ChatGPT剛出不多時，大家都在盛贊其各種能力。加上此前詢問的問題都是正確的，孟繁岐就疏忽大意了。

    加上也并非非常正式的任務，因而孟繁岐沒有仔細驗證，就將結果報了上去。

    結果這個明顯的錯誤導致領導一眼就看出了問題，將他一頓痛罵。