如果你用过AI一段时间，你大概率遇到过这个情况。
你问它一个很简单的问题——比如"9.11和9.9哪个大"——它毫不犹豫地回答"9.11更大"。你把对话记录发到朋友圈，评论区全是"AI就这？"。
但奇怪的是，同一个AI能帮你写出一篇条理清晰的论文，能帮你把一段Python代码从头写到尾，甚至能跟你讨论量子力学的基础问题。为什么一个这么"聪明"的AI，会在小学四年级的数学题上翻车？
这事不是你的运气不好，也不是AI"坏了"。背后的原因，比你想的要深。
AI算数的方式，和你完全不一样
首先得搞清楚一件事：当你让AI算数学题的时候，它并不是在"算"。
你算8×7，脑子里想的是"七八五十六"——你在调用一个抽象符号系统（乘法表）里的规则。
AI算8×7，想的是"我见过的所有文本里，‘8×7=‘后面的下一个词，最常出现的是哪个"。根据它读过的几千亿个网页，绝大多数情况下那个词是"56"。所以它答对了。
但这不是"算"。
这是模式匹配。
你可以这么理解：你让AI算数学，就像让一个读过全世界所有书但从来没上过数学课的人来答题。他知道"2+2=4"因为每本数学书开头都这么写。但你问他"为什么2+2不等于5"，他就没法给你一个严格的推演——因为他只是见过这个结论，没学过证明过程。
Token化：AI的第一个陷阱
AI不认识数字。它认识的是"Token"——一种把文字切碎后的碎片。
当AI看到"9.11"时，它看到的不是你脑子里那个"九点一一"的数学概念。它看到的是被分词器切成的一个或几个Token。
问题出在哪？在大多数分词器眼里，“9.11"和"9.9"被切分的方式不一样：
- “9.11” 可能被当做一个整体 Token（因为它像日期）
- “9.9” 可能被切成了 “9” + “.” + “9” 三个Token
同一个AI的"视觉系统”，看待这两个数字的方式本来就是不对等的。它并没有先把它们归一化成"统一坐标系"再比较——它只是拿两个不同格式的东西去匹配记忆中的模式。
这就像一个没学过数学的人看到两行字：
- 第一行：“9.11”（他见过——这是世贸中心事件日期）
- 第二行：“9.9”（他没见过这个组合）
他会怎么比较？他没法比，因为在他眼里这两者根本不是同类。
它不按规则推理，它按概率预测
这是最核心的原因。
人类做数学，用的是演绎推理：我有一组公理和规则，按规则一步一步推导出结论。我算错了是因为我某一步记错或算错，但只要规则对，我就能推导出正确答案。
AI做"数学"，用的是预感式推理：我有一堆训练数据，输出最可能的答案。它没有"规则系统"——它的神经网络里没有一行代码写着"if a > b then a is bigger"。
所以当你要AI比较9.11和9.9时，它在做的事情是：
- 看到"9.11"这个词——这个词在它的训练数据中大量出现（日期、比例、版本号）
- 看到"9.9"这个词——出现的次数少很多
- 回忆它见过的上下文——“9.11"通常出现在讨论"更大"的事件的语境中（9/11事件），而"9.9"经常出现在打分场景里
- 综合所有线索，给出最高概率的答案
你看到的是"9.11 > 9.9”，AI看到的可能是"911事件 > 9.9分"。它不是在比较数字大小，而是在比较词语的含义权重。
三轮测试：看看AI到底翻在哪
我用几个简单问题测试了当前主流模型的表现：
第一轮：直接问 “9.11和9.9哪个大？” → 部分模型回答9.11大。
第二轮：加提示 “比较以下两个数字的大小：9.11和9.9。注意这是十进制数字，不是版本号也不是日期。” → 大部分模型能答对。因为你用"这不是日期"拆掉了它的错误联想。
第三轮：变个花样 “0.11和0.9哪个大？” → 几乎所有模型都能正确回答0.9大。
看出规律了？当问题从"模式匹配"变成"纯粹的数值比较"（去掉日期联想），而且数字格式统一（都是0.xx），AI就能答对。一旦加回"9.11"这种带强烈语义背景的数字，它就掉坑了。
那最新的推理模型（o1、DeepSeek-R1）为什么不会翻？
你可能要问：那现在不是有"推理模型"了吗？ChatGPT o1、DeepSeek R1，它们不是会"思考"了吗？怎么还会犯这种错？
答案是：推理模型并不是真的在"推理"——它是在模拟推理过程。
推理模型被额外训练了一种能力：在回答问题之前，先生成一段"思考链"——“首先我要确认这两个数是十进制数字，然后我要把它们的小数部分对齐……9.11的小数部分是0.11，9.9的小数部分是0.90，所以9.9大于9.11……”
这段"思考链"让AI有机会自我纠偏。但这段思考链本身，仍然是概率预测的结果——只不过它预测的不是"最终答案"，而是"思考过程中最合理的下一步"。所以大多数时候它能绕开陷阱，但如果你故意挖坑，比如"3.8和3.11哪个大"，推理模型偶尔还是会翻，因为"3.8小于3.11"在真实文本数据里太常见了（比如版本号Python 3.8 vs Python 3.11）。
推理模型大大降低了翻车率，但没有根除翻车的底层机制。
那AI到底能不能"学会"数学？
这是个好问题。有两条路：
第一条路：把计算外包。 这是目前最主流的方式。当AI发现你要做数学计算时，它不自己算，而是写一段Python代码，让Python解释器去算，把结果读回来。这就像你不会自己心算987×654——你拿计算器按一下。AI做的不就是自动帮你按计算器吗？
第二条路：让AI学数学推理。 用海量的数学题训练AI，让它记住更多的"数学模式"——不是理解数学规则，而是见到更多"数字比较"的上下文，以至于它猜对的概率越来越高。这条路也能走，但本质上还是在扩大模式库，不是在建立推理系统。
为什么这件事很重要？
这个问题不只关乎"AI能不能做小学数学题"。它折射出一个更深层的道理：
AI的强大，源自它"像人类"；AI的脆弱，源自它"不像人类"。
它像人类的地方在于——它能读懂隐喻、识别模式、产生创造力。它不像人类的地方在于——它没有规则驱动的符号系统，没有真正的逻辑推理能力。
所以当你用AI的时候，心里要有个数：AI擅长的是"这件事我见过很多次，我来猜个答案"，不擅长的是"这件事有严格的规则，我来按规则推导"。前者覆盖了绝大多数人类做的工作（写文章、聊天、创意、代码——这些本质上都是在做模式匹配），后者只在数学、逻辑、法律条文推导等少数领域才重要。
但偏偏这些"少数领域"是最不能出错的地方。
一句话总结
AI算不清"9.11和9.9谁大"，不是因为它"蠢"，而是因为它"根本没在算"——它是在做模式匹配，而9.11这个模式在它脑子里跟"日期"绑在一起，不是跟"数字大小"绑在一起。它翻的不是数学，而是联想。
下次它答错了简单数学题，别着急骂。你看到的是AI的底层逻辑暴露了——你不是看到了它的"笨"，你是看到了它到底是怎么"工作"的。
这本身就是个很有意思的观察，不是吗？
📖 本文是MST「30天AI科普专栏」第15篇 / 共25篇 🔖 分类：常见困惑 关注MST，每天一个AI小知识，把大模型讲明白。