科学探索|MIT发布加强版“高数”求解器：7门课程正确率达81％ MIT发布加强版“高数”求解器

MIT最近更新了他们的高等数学的求解器，通过程序合成的方式在七门大学数学课程中正确率达到了81%！而且还能对求解过程进行解释、绘图，还能生成新问题！不光玩小学数学应用题，AI已经开始攻克高数了！

文章图片

最近MIT的研究人员宣布他们基于OpenAI Codex预训练模型，在本科生级别的数学问题上通过few-shot learning成功达到81%的正确率！

文章图片

论文链接：https://arxiv.org/abs/2112.15594
代码链接：https://github.com/idrori/mathq
先来几个小问题看看答案，比如计算单变量函数的图形绕轴旋转产生的体积、计算洛伦茨吸引子及投影、计算和描绘奇异值分解（SVD）的几何形状，不光能正确解答，还能给出对应的解释！

文章图片

确实是逆了天了，忆往昔，高数及格都是飘过，如今AI一出手就能拿81分，我单方面宣布AI已经超越人类了。

文章图片

更牛的是，除了能解决普通机器学习模型难以解决的问题外，这项研究还表明该技术可以大规模推广，可以解决所属课程及类似的课程问题。
这也是历史上首次，单个机器学习模型能够解决如此大规模的数学问题，而且还能对问题的解答过程进行解释、绘图，甚至还能生成新问题！
实际上这篇论文早在年初就发布出来了，经过半年的修改后，从114页的篇幅增加到181页，能解决的数学问题更多了，附录的编号从A-Z直接拉满。

文章图片

文章的作者单位主要有四个，分别为麻省理工学院、哥伦比亚大学、哈佛大学和滑铁卢大学。
第一作者Iddo Drori是MIT的电气工程与计算机科学系AI部门讲师、哥伦比亚大学工程和应用科学学院的兼任副教授。曾获得CCAI NeurIPS 2021最佳论文奖。

文章图片

他的主要研究方向为教育机器学习，即试图让机器解决，解释和生成大学级数学和STEM课程；气候科学的机器学习，即根据数千年的数据预测极端气候变化并监测气候，融合多学科的工作来预测大西洋多年来海洋生物地球化学的变化；自动驾驶的机器学习算法等。
他也是剑桥大学出版社出版的The Science of Deep Learning的作者。
高等教育里程碑
在这篇论文之前，大部分研究人员都认为神经网络无法处理高数问题，只能解决一些简单的数学题。
即便Transformer模型在各种各样的NLP任务中超越人类的性能，在解决数学问题上仍然没有不行，主要原因还是因为各种大模型如GPT-3都是只在文本数据上进行预训练。
后来有研究人员发现，以逐步解析的方式（chain of thoughts）还是可以引导语言模型来推理回答一些简单的数学问题，但高等数学问题就没这么容易解决了。

文章图片

当目标瞄准为高数问题后，首先就得搜集一波训练数据。
作者从麻省理工学院的七门课程中各随机抽出25个问题，包括
18.01单变量微积分
18.02多变量微积分
18.03微分方程
18.05概率和统计学概论
18.06线性代数