我会说两种语言，英语和英语都不好。我对数学的理解差很多。事实上，为了毕业，我不得不在大学里做了四次微积分2A才能毕业，主要是因为我永远无法正确计算梯子从墙上落下的加速度。如你所知，这个理论问题对我们的日常生活非常重要。

除了我的数字惯性，脸书还训练了一个人工智能来解决最棘手的数学问题。真正的超级弦乐器。实际上，FB教会他们的神经网络把复杂的数学方程当作“一种语言，然后把[解]当作一个从序列到序列神经网络的翻译问题”。

这实际上是一个壮举，因为大多数神经网络运行在一个近似的系统上：它们可以确定图像是狗、猿还是蒸汽散热器的图像，并具有一定的确定性，但它们可以精确地计算出b这样的符号问题中的数字-4ac=7是一个完全不同的鱼锅。脸书通过不把方程当作数学问题，而是当作语言问题来处理方程。具体来说，研究小组通过使用神经机器翻译(NMT)解决了这个问题。简而言之，他们教人工智能数学。这样一来，系统就可以求解方程，所需时间只是基于代数的系统(如Maple、Mathematica和Matlab)所用时间的零头。

研究小组在博客中写道：“通过训练模型来检测符号方程中的模式，我们认为神经网络可以拼凑出导致其解决方案的线索，这与人类对复杂问题的直觉方法大致相似。”今天的帖子。“因此，我们开始探索将符号推理作为一个NMT问题，其中模型可以根据问题实例及其匹配的解决方案预测可能的解决方案。”

本质上，研究团队教会了AI如何求解数学方程，就像我们对复杂短语所做的那样，如下例所示。该系统没有将动词、名词和形容词分开，而是将每个单独的变量变成一个孤岛。