训练神经网络来解决算术、代数和微积分中的基本问题

本周，来自谷歌的AI研究人员发表了一项研究，他们试图训练神经网络来解决算术、代数和微积分中的基本问题。 一个高中生通常会遇到的问题。

但神经网络运行得不太好。 除了错误地猜测6作为上述问题的答案外，神经网络在标准测试中只得到了40个问题中的14个。

研究人员指出，这相当于英国学校系统中16岁学生的E级成绩。

基本上，在这一点上，AI正在经历一段艰苦的时间，真正学习任何基本的数学。

这篇题为“分析神经模型的数学推理能力”的论文被创建为一个基准测试集，其他人可以在此基础上构建，以便开发用于数学学习的神经网络，类似于Image Net是如何创建作为图像识别基准测试的。

这篇论文由大卫·萨克斯顿、爱德华·格雷芬斯特特、费利克斯·希尔和普什梅特·科利撰写，张贴在ARXiv预印服务器上。 （另见审查人员关于开放审查的评论）

作者引用纽约大学神经网络评论家加里·马库斯（Gary Marcus）的话，提到了著名的神经网络的“脆性”，并主张研究为什么人类能够更好地进行“关于物体和实体的离散组合推理，这是“代数概括”。