聊聊最近很火的13.11和13.8到底谁大？

AI-椰子不椰

于 2024-07-26 10:47:28 发布

阅读量388

点赞数 9

文章标签： AI大模型人工智能大模型 langchain

本文链接：https://blog.csdn.net/2401_85343303/article/details/140709687

版权

在最近我是歌手的排名统计中，出现了以下这一幕：

在这里插入图片描述

部分网友提出质疑，说是13.11大于13.8：

在这里插入图片描述

那么我们肉眼去看，根据我们12年义务教育去比对，肯定是13.8更大一些，但是这样一道简单的数学题还难倒了不少AI模型：

AI和程序的“幻觉”

文心一言：

在这里插入图片描述
很明显，他在回答这道数学题时出现了胡说八道的现象，后面本人又去问了其他AI模型，有不少AI模型是答错的，还有一些AI在答题时出现了，时对时错的不稳定情况。

那么为什么AI模型会出现那么低级的错误呢？

因为大模型看到这样一组数字，意识不到应该做双精度浮点运算

那么我们程序上会不会出现这种问题呢？

就拿近年面试很流行的0.1 + 0.2它为什么不等于 0.3 ？

在这里插入图片描述

其实都是精度的问题，我们先来看看程序是怎么看待我们这段运算代码的：

首先，我们需要理解浮点数在计算机中的表示方式。浮点数在计算机中是以二进制形式存储的，但并非所有的十进制小数都能精确地转换为有限长度的二进制小数。像0.1和0.2这样的十进制小数，在二进制表示下是无限循环小数。由于计算机的内存有限，这些无限循环小数在存储时会被截断到某个精度范围内，导致精度损失。

当两个这样的近似值相加时，结果也会是一个近似的值，而不是精确的0.3。这就是为什么在程序中，0.1 + 0.2的结果往往是一个接近但不等于0.3的数，如0.30000000000000004。

破局

那么当我们遇到精度计算的问题时，该如何去解决？

使用整数进行运算：
如果可能的话，将问题转化为整数运算。例如，如果你在处理货币，可以将所有的金额乘以100（或1000，取决于你需要的精度），使用整数进行运算，最后再将结果转换回小数形式。
使用专门的库：
对于需要高精度计算的场景，可以使用像decimal.js、bignumber.js或big.js这样的库。这些库提供了高精度的十进制数运算，可以精确表示和计算小数。
四舍五入或取整：
在某些情况下，你可能不需要非常高的精度，这时可以使用Math.round()、Math.floor()或Math.ceil()函数对结果进行四舍五入或取整。
字符串处理：
对于简单的场景，如果你只是需要显示结果给用户看，可以考虑将数字转换为字符串，然后进行字符串操作来避免精度问题。例如，你可以将两个小数相加后，使用toFixed(n)方法将结果保留到小数点后n位，然后再转换回字符串显示。
理解并接受精度限制：
在某些情况下，理解并接受浮点数的精度限制可能是最实际的选择。了解你的应用场景对精度的要求，并据此设计你的算法和数据结构。

程序对于数值的计算，并非我们直观上看到的简单表面计算，而是涉及到底层的进制转换（如十进制与二进制之间的转换）、精确的或由于精度限制而近似的二进制运算，以及可能的结果转换过程。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述