每當有人問我AI是不是比人聰明的時候，我只用一句話他就會閉嘴。
那就是，9.11 和 9.9 哪個大？
自打去年有網友發現比大小這個 bug 以來，這一個人類可以一眼定真的問題，對 AI 來說那就跟送命題一樣，比女朋友問我跟你媽掉水裡先救誰還難回答。
所以每次有新 AI 出現都會被網友們拿這個問題測試一遍，到現在2025年都要過去 1/3 了，還是有 AI 做不對。
不過，要理解AI為啥數學上犯傻，咱還是得站到ai的角度上來聊。
當你告訴 AI “ 9.11 和 9.9 哪個大 ？ ” 這句話的時候，它的眼中並沒有數字，而是一個個碎片化的詞。
比如 “ 9.11 ” 會被拆成
[token_9, token_dot, token_11]，而 “ 9.9 ” 則會被拆成[token_9, token_dot, token_9]。也就是說，這倆數對 AI 而言一開始就沒有大小之分，而是一堆 Tokens 。所以當你提問以後， AI 的第一反應是要明白，這裡的 9.11 是個啥？
眾所周知，AI嘴裡的所有內容，全都靠從網上的各種資訊裡學，而 “ 這個網路 ” 是程式設計師們 “ 創造的 ” ，所以當AI學多了這些語料後，腦子也就變成人家的形狀了。
所以再看到
9.11 和 9.9 時，AI可能就壓根沒把這倆數當成數學裡的小數比大小，而是字串、版本號，甚至可能是飛機撞雙子塔，和撞塔的前天。再加上現在的AI都引入了注意力機制，所以系統一開始就過度注意了可能象徵著日期、字串、版本號的
token_11，而不是把9.11這個數字當成整體。於是AI完事兒把這兩堆Tokens拉一塊兒做比較：
“ 9 ” = “ 9 ”，“ . ” =“ . ” ， “ 11 ” > “ 9 ” ，破案了， 9.11 大於 9.9 。
有差友可能就要問了，像OpenAI-o1這些推理大模型，不是都號稱能做奧數題嗎，那人家怎麼就能搞明白這些數學？
該說不說，那還真不一定。
本月初的一篇來自 INSAIT 、蘇黎世聯邦理工學院（ETH Zurich）等頂尖機構的論文研究顯示，這些號稱能做對奧數題的大模型絕大部分做的都是算術填空題。
當研究人員把題庫換成論述解答題以後，發現從 DeepSeek-R1 到 OpenAI-o1pro ，甚至新出的 Claude3.7 都只能拿到零點幾分
（滿分7分）。。。從這幫大模型的翻車記錄中，研究人員發現目前這些推理大模型也是一個比一個抽象。
比如在一道幾何證明題裡，所有模型都幻想出了不同的假定理，然後用假定理去硬解題，最後做出來的也就是全錯的。
像o3-mini就直接假設一個點位於特定圓外部，但實際上那個點應該在裡面，於是後面模型利用切線做的論證就全錯了。
而gemini-2.5-pro更離譜，它在論述過程裡寫了個表情，然後把表情當成參考文獻去證明了。。。
雖然這可能是因為模型的隨機性，但更無語的是這些大模型往往相當固執。
即使你告訴它這裡是錯的，它還是不會跳出原先的思維定式，老是在一棵樹上吊死。
而在所有失敗分佈中，有將近一半的原因都是因為推理邏輯錯誤。沒錯，這些號稱推理的大模型，真到了純推理的時候就會翻車。。。
比如在一個要證明所有資料都滿足某個性質的問題中，Claude 3.7模型只證明了一個，就直接說所有的都符合這個性質，中間沒有任何歸納、推廣的步驟，就純嘴硬。
也就是說，這些推理大模型看上去能分析這那的，但實際上不具備真正深度思考的能力，當然這是因為Transformer的問題，也是大語言模型的通病。
對Transformer模型來說，它實際上是透過tokens之間的機率，權重來輸出對應的文字元號，它操作的是符號的統計關聯，是在預測“給定前面的符號，後面跟哪個符號的可能性更大”，而不是在理解和執行抽象的數學公理。
所以在論文最後，研究人員總結說：當前的LLMs不足以完成嚴格的數學推理任務，這凸顯了推理和證明生成能力需要大幅改進。
也就是說，AI確實擅長模仿（Mimicry），但它和真正的理解（Understanding）與創造（Creation）還相當遙遠，AI到目前也還不具備像人類一樣，對數學的思考和認知能力。
但要從更本質上講，AI的數學缺陷其實是因為符號與理解的割裂。
雖然它能學會跟你對答如流，但這只是照搬語言的模式，而這種模式跟精確的數學邏輯不是一回事兒，人類語言本身就充滿歧義。
維特根斯坦說，“語言的邊界意味著世界的邊界”。對我們人類而言，數字並不是是眼前的黑白符號，“9”就是九個蘋果，“0.11米”就是尺子上那段你量出的長度，這些概念全部來自你和世界的互動。
而語言卻無法描述這些經歷到底有多豐富，就像AI永遠弄不明白，她的“愛過”兩個字，會讓你的心有多痛。
前幾個月deepseek大火的時候，有人問deepseek如果變成人，最想做什麼？deepseek說它想去經歷暴雨、去熬夜讀書、去經歷失戀，甚至承認自己會犯錯。
實際上，這恰恰就是AI越來越強的現在，你和我作為人類存在的價值。
生命的意義不是要你成為一臺不會出錯的機器，而是全然地投入這場有笑有淚、有成有敗、充滿不確定的旅程。正是這些看似平平無奇還不完美的經歷，構成了人的一生：豐富、複雜、充滿體驗而不斷變化。
所以下一次，當你輕鬆地判斷出9.9大於9.11時，不妨停頓一下，感受這中理所當然背後作為人類的深刻與幸運。
畢竟在這浩瀚宇宙中，能夠思考、能夠感受、能去愛，去體驗生活本身，就是我們存在的奇蹟。
撰文：納西
編輯：江江 & 面線
美編：煥妍
圖片、資料來源：
PROOF OR BLUFF? EVALUATING LLMS ON 2025 USA MATH OLYMPIAD
REASONING LIMITATIONS OF MULTIMODAL LARGE LANGUAGE MODELS. A CASE STUDY OF BONGARD PROBLEMS
湧現據點：數學之謎，揭秘AI在奧數證明中的驚人失敗
OpenAI Platfor、小紅書、知乎等，部分圖源網路
