别笑，现在的NLP模型连三位数加法都不行

说起来可能不容易让人相信，现在的人工智能——也就是基于当下顶尖计算机科技的NLP语言模型，居然在基本的计算能力上拉胯。也许你觉得这里说的人工智能基本算术不行，是针对超过人脑快算的大数，事实上相反，这里只是三位数的加法。对，仅仅是普通的加法。

不会吧，咱说别的可能不行，可是对于电子计算机设备的老本行——算术上——特别是普通加减乘除这样的数学问题，计算机的算法（哪怕是手机）不是都比我们人类强岂止千万倍吗？更何况是算法中的算法，比普通算法更卓越更顶尖的人工智能算法？怎么连最基本的能力都没了？

非也。目前NLP模型在文本处理上已经达到了一个很高的水平，可以说和自然语言相关的诗词歌赋样样精通，然而一直以来，它在数字表示上却很一般，有些是将数字看作纯文本，有些则是将数字进行某些映射变成抽象的数字或向量。另外就AI算法和普通算术的区别，机智客个人认为，直接面向数据的普通算法，无非就是将代码转成机器码，直接发挥计算机的逻辑运算计算功能的，AI模型则是用于推理，不直接用于数据。AI算法，就是如此抽象，更何况是自然语言处理这样的文本领域。

就好比，我是个文人墨客，你要我去做算术，说客气点，大抵是不行的；不客气点就是，我在这方面是白痴。这里其实涉及的是理解代码。这是语言模型的问题，这也是来自MIT和谷歌的研究人员解决的问题，提升NLP语言模型的计算能力。

此次研究人员选用了仅含解码器结构的Transformer语言模型来实验，其参数规模介于200万到1370亿之间。开始在简单基本加法算术上做试验，研究人员的思路是，不用修改模型的底层架构，只需训练它们学会像程序员debug时那样“打断点”，也就是在计算步骤较多的程序中，让模型把每一步都编码为文本，并将它们记录到一个称为“便签”的暂存器中。阅读代码的能力就能提升一大截。以此类推，转移到大数加法、多项式计算，语言模型也能顺理成章地“理解”了。

为什么明明用普通Python代码（或者其他任何完整高级编程语言）都能轻松完成的工作，非要用AI语言模型大费周章？其实，还是上文所说的，这项研究解决的是，理解问题。也就是说，实质不在于本身多么容易，而在于让AI能做。一旦语言模型能做了，在一定程度上，表明它能“理解”（虽然这个理解和我们人类的理解完全不同）了，比如“理解”了Python代码，是不是可以更进一步懂得如何捋出编程逻辑了？所以这也更有利于迁移到更广阔的其他空间，应用于其他问题。