Gemini 2.0 Flash面对数学与伦理难题 它都能理解更作出这样回应
Google推出最新AI模型Gemini 2.0 Flash。然而，实际上进步多少？本文将逐一实测，并与ChatGPT的生成内容一较高下。
Google（谷歌）近日在AI Studio平台上推出一款名为“Gemini 2.0 Flash Thinking Experimental”的实验性人工智慧（AI）模型，旨在提升AI在多模态理解、推理和程式码编写方面的能力。
据Google描述，这款新模型在经过训练后，可产生模型在回复时会经历的“思考过程”。 因此，Gemini 2.0 Flash Thinking的回复，会比 Gemini 2.0 Flash基础模型更能发挥推理能力。
更懂推理的AI：可以把大问题拆解成小问题
Google DeepMind 首席科学家 Jeff Dean 于社群平台X发文进一步表示，该模型还受益于更快的 Gemini Flash 2.0 模型带来的速度。Dean也展示了 Gemini 2.0 Flash Thinking 如何透过一系列步骤“思考”来回答物理问题，然后再提供解决方案。
从其示范影片来看，模型的推理过程与人类执行“推理”方式仍有差异。 但关键是，这已经展示AI有能力将人类下的指令分解为“更小的任务”，从而产生更理想的结果。
事实上，Google于台湾时间11日深夜发布的Gemini 2.0 Flash实验版，表现确实超出上一代的最高版本1.5 Pro不少，不但速度更快，面对问题的生成内容品质也大幅进步。以下为《数位时代》的实测结果：
先来看看Gemini 2.0 Flash面对数学与伦理难题：
测试一：“鸡兔同笼”数学题
“鸡兔同笼”几乎是所有台湾学生必定会遇到的一次方程式数学考题。假设题目如下：
一个农场养了鸡与兔子共15只，兔子与鸡加总后共有40只脚，请问鸡与兔各有几只？
以下为Gemini 2.0 Flash Experimental回答：
方法一：假设法 (最常用)
假设全部都是鸡： 如果15只全部都是鸡，那么总共有15 * 2 = 30只脚。
计算差距：实际上有40只脚，比假设的少了40 - 30 = 10只脚。
转换：一只兔子比一只鸡多2只脚 (4 - 2 = 2)。
计算兔子数量： 因为少了10只脚，而每只兔子可以补上2只脚，所以兔子有10 / 2 = 5只。
计算鸡数量 总共有15只动物，兔子有5只，所以鸡有15 - 5 = 10只。
结论：兔子有5只，鸡有10只。
方法二：方程式法 (代数解)
设定变数：假设鸡有x只，兔子有y只。
建立方程式：
头的数量：x + y = 15
脚的数量：2x + 4y = 40
解方程式：
从第一个方程式得到 x = 15 - y
将x代入第二个方程式：2(15 - y) + 4y = 40
简化方程式：30 - 2y + 4y = 40
继续简化：2y = 10
解出y：y = 5
将y代回 x = 15 - y，得到 x = 10
结论：兔子有5只，鸡有10只。
测验一小结：
相同的结果，其实提供给ChatGPT 4o会直接得到代数解法的推论过程。
但差异在于，Gemini 2.0提供三种以上的推论方案，其中第一种为国小以下可用的“假设法”，第二种才是国中以上的代数解。 换句话说，AI已有假设提问者未必具有代数观念，因此进一步提供多种解题方案。
此外，Gemini 2.0对于自然语言的掌握度更高（更会说人话），因此推论过程说明的更仔细，对于没有数理基础的学生而言，应更有解题上的参考价值。
测试二：“电车难题”的法律见解
Gemini 2.0对于抽象的伦理或法务问题能有见解吗？答案是可以。题目如下：
一辆失控的列车在铁轨上行驶。在列车正行进的轨道上，有五个人被绑起来，无法动弹。列车将要碾压过他们。你站在改变列车轨道的操纵杆旁。如果拉动此杆，则列车将切换到另一条轨道上。但是，另一条轨道上也有一个人被绑著。你有两种选择：
1. 什么也不做，让列车按照正常路线碾压过这五个人。
2. 拉下操纵杆，改变为另一条轨道，使列车压过另一条轨道上的那个人。
请问就法规层面，以上哪个选项更理想？
以下为Gemini 2.0 Flash Experimental回答：
这个问题并没有简单的答案，尤其在法律层面上更是复杂。以下我将从法律的角度来分析这两种选择，并说明为何没有一个绝对“理想”的答案：
选项一：什么也不做，让列车碾压五人
法律观点：在大多数法律体系中，“不作为”通常不会构成犯罪，除非法律有明确规定必须采取行动的义务。例如，消防员有义务救火，医护人员有义务救治病人。在电车难题的情境中，你原本并没有责任去阻止列车，因此，若你选择什么都不做，法律上通常不会追究你的责任。
道德争议：虽然法律上可能没有责任，但在道德层面上，许多人会认为你眼睁睁看著五个人死去，是一种道德上的缺失。
选项二：拉下操纵杆，改变轨道，使列车碾压一人
法律观点：此选项涉及“主动行为”，你主动选择牺牲一个人来拯救五个人。这在法律上可能会构成犯罪，例如“杀人罪”。即使你的目的是为了拯救更多人，但你仍然直接导致了一个人的死亡。
例外情况：在极少数情况下，法律可能会考虑“紧急避难”原则。此原则允许在为了避免更大的损害时，采取一些看似违法的行为。然而，要符合紧急避难的条件非常严格，通常需要证明：
存在迫在眉睫的危险。
没有其他可行的解决方案。
所造成的损害必须小于所避免的损害。
在电车难题的情境中，是否符合紧急避难原则存在争议。 法律很难界定“五条人命”是否一定比“一条人命”更重要。此外，你是否真的“没有其他选择”也可能受到质疑。
总结：
从法律层面来看，两个选项都存在争议，没有一个绝对“理想”的答案：
选项一（不作为） ： 法律责任较小，但可能面临道德谴责。
选项二（主动作为） ： 可能触犯法律，但或许在某些极端情况下可主张紧急避难。
测验二小结：
就此问题而言，若使用GPT-4o，会无法辨识题目，无法得到解答。但若切换到最新的o1模型，ChatGPT的结论则未有定论。但有解释“行为与不作为的区别”，拉动操纵杆可能会被视为积极行为；若不作为，除非有特定的法律义务，否则不作为通常不会构成犯罪责任。
其生成品质可说雷同，但在聚焦争议问题的症结上，仍是Gemini 2.0的阐述方式相对清晰。
测试三：台湾人年均手摇饮消费估算
第三题，为了测验AI真实的推论、资料搜集，以及假设能力，题目如下：
根据最新数据，台湾2024年手摇饮产值有多少？换算下来，台湾人一年平均喝多少杯？
以下为Gemini 2.0 Flash Experimental回答：
要精确得知2024全年手摇饮的产值，需要等到年底或隔年初相关机构的完整统计出炉。目前，我们能参考的是一些趋势和部分已公布的数据来推估。
预估：有新闻报导指出，基于国人对饮料的喜爱，手摇饮品牌及品项持续推陈出新， 预估2024年饮料店全年营业额可能突破1300亿元。
推估2024年产值与人均杯数 ：
由于缺乏2024全年完整数据，我们只能基于现有资讯进行推估。
产值推估 ：若以新闻报导预估的1300亿元为基准，这包含所有饮料店的营业额，手摇饮占其中大部分。 假设手摇饮占总营业额的70%（这是一个假设，实际比例可能更高或更低），则2024年手摇饮的产值可能约为910亿元。
人均杯数推估 ：要换算成人均杯数，需要知道平均每杯手摇饮的价格。假设平均每杯价格为60元（这也是一个假设，实际价格因品项和地区而异），则 910亿元的产值约可换算成15.17亿杯手摇饮。以台湾2350万人口计算，平均每人每年喝掉约64.5杯手摇饮。
测验三小结：
相同的题目，ChatGPT 4-o与o1的答案略有不同。
以4-o来说，其指出台湾2024年手摇饮市场的产值预计将达到 500亿元新台币（与实际预估值差异颇大）。如果将这个数字换算为每位台湾人的年均消费量， 根据台湾人口约为2,300万人，假设每杯手摇饮的平均价格为50元新台币，那么每人每年大约会喝43杯手摇饮。
至于o1，则依照2023年产值推论2024年手摇饮市场产值约为3,000亿， 但实际计算时，反而假设“平均每人每月饮用手摇饮4杯”，直接换算12个月，因此每人年均48杯，其推论基础显然与先前数据不符。
结论：Gemini 2.0 Flash优于GPT4-o / o1
总结而言， 推测Gemini 2.0 Flash基于对繁体中文的深度学习较为完整，因此似乎更能理解使用者的提问，因此可提供更为理想的生成结果。
除了语言能力较佳之外，Gemini 2.0 Flash对于资料搜集的能力也较为出色。以上述测验三为例，后续查证2024年手摇饮估计可达1300亿元的数据，为经济部统计处于8月时提供。因此确有其事。反观，GPT4-o / o1在数据搜集阶段就有误，且并未依照数据推论人均杯数。
而在假设能力上，Gemini 2.0 Flash在测验一更为突出（假设使用者未必懂代数），在测验三，也在1300亿元中假设可能仅7成为饮品本身产值。
但话说回来，本次实测仅以三题判断，确实可能有遗漏ChatGPT强项之处，例如：难度更高的数理、物理难题测试，抑或是编写程式码的能力等等。
而AI工具目前堆陈出新不断，今天落后的模型很有可能下一季就超车。因此，呼吁使用者仍必须透过自己的使用习惯，来测试各种AI的适用程度。
延伸阅读：Google AI聊天机器人向使用者发出死亡威胁 官方回应你满意吗？（点击连结看全文）🔻🔻🔻
延伸阅读：
Google发布Gemini 2.0！AI助手Astra大升级：可听懂晶晶体、看图辨位⋯还能兼电玩教练？
外媒实测5大AI工具：Perplexity打败ChatGPT、Gemini夺第一！黄仁勋也爱用它
【本文获“数位时代”授权转载。】