Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Ratkaisu matemaattisiin ongelmiin

Oppitunti 9 / 12 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Matematiikka: Ihanteellinen alusta päättelylle
  2. Monivaiheiset laskutehtävät
  3. Yhtälöt ja yhtälöryhmät
  4. Todistukset ja demonstraatiot
  5. Logiikkapulmat
  6. Optimointi ja todennäköisyys
  7. Malli: Automaattinen validointi
  8. Vertailu: Päättelyn kanssa ja ilman
  9. Keskeiset asiat

Oppitunti päivitetty 2. marraskuuta 2026. Alkuperäiset esimerkit käyttivät Magistral-mallia, joka poistettiin käytöstä 31. heinäkuuta 2026. Nyt ne käyttävät Mistral Small 4 -mallia (mistral-small-2603) tai Mistral Large 4 -mallia (mistral-large-4-0) asetuksella reasoning_effort="high", ja jäsentävät vastauksen käyttämällä oppitunnin 3 separer-funktiota. Lähde: Reasoning (Mistral Documentation).

Matematiikka: Ihanteellinen alusta päättelylle

Matemaattiset ongelmat ovat se käyttötapaus, jossa päättelytuottaa eniten arvoa. Malli, jossa ei ole päättelytoimintoa, vastaa oikein kysymykseen “2 + 2”, mutta epäonnistuu usein monivaiheisissa tehtävissä, todistuksissa ja logiikkapulmissa. Kun päättely on käytössä, malli purkaa ongelman osiin, tarkistaa jokaisen vaiheen ja validoi tuloksen – täsmälleen sen, mitä token kerrallaan -generoinnista puuttuu.

Monivaiheiset laskutehtävät

Aloitetaan tapauksesta, jossa laskujärjestys ratkaisee lopputuloksen. 20 %:n alennus, jota seuraa 15 euron lahjakortti, ei tuota samaa loppusummaa kuin lahjakortti, joka hyödynnetään ennen alennusta; hätäinen malli sekoittaa nämä usein keskenään.

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

probleme = """A store offers a 20% discount on all items.
A customer buys 3 items at 45 euros, 2 items at 30 euros, and 1 item at 75 euros.
They also have an additional 15-euro voucher applicable after the discount.
What is the final amount to pay? Detail each step."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": probleme}]
)

# The model reasons step by step:
# 1. Calculate total price before discount
# 2. Apply 20% discount
# 3. Subtract 15-euro voucher
# 4. Verify the result

Päättely estää mallia ohittamasta vaiheita ja varmistaa, että se tarkistaa välilaskujensa johdonmukaisuuden ennen lopullisen summan ilmoittamista.

Yhtälöt ja yhtälöryhmät

Yhtälöryhmät testaavat samaa kurinalaisuutta muodollisemmassa ympäristössä. Tässä järjestelmäkehotteella (system prompt) pakotetaan malli noudattamaan tiukkaa yksityiskohtaisuusvaatimusta:

systeme = """Solve the following system of equations:
3x + 2y - z = 7
x - y + 2z = 3
2x + 3y + z = 12

Show every step of the solution."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": "You are a mathematics teacher. Detail every operation."},
        {"role": "user", "content": systeme}
    ],
)

Malli aloittaa valitsemalla menetelmän – sijoitus, eliminointi tai matriisit – soveltaa operaatioita yksi kerrallaan ja sijoittaa saamansa arvot takaisin alkuperäisiin yhtälöihin varmistaakseen, että ne pitävät paikkansa. Tämä viimeinen vaihe, jonka muut kuin päättelymallit usein laiminlyövät, on se, joka paljastaa etumerkkivirheet.

Todistukset ja demonstraatiot

Matemaattiset todistukset paljastavat päättelyn koko voiman, kunhan määrittelet odotetun viitekehyksen. Pitkien todistusten kohdalla kannattaa testata Mistral Large 4 -mallia high-tilassa, jos Small 4 ei riitä. Induktion neljän vaiheen pakottaminen järjestelmäkehotteeseen estää mallia “päättelemästä” tulosta vain kahden yksittäistapauksen perusteella:

demonstration = """Prove by induction that for any integer n >= 1:
1^2 + 2^2 + 3^2 + ... + n^2 = n(n+1)(2n+1) / 6"""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": """You are a rigorous mathematician.
Expected proof structure:
1. Base case (Initialization)
2. Inductive hypothesis
3. Inductive step (from n to n+1)
4. Conclusion"""},
        {"role": "user", "content": demonstration}
    ],
)

Logiikkapulmat

Rajoitteisiin perustuvat pulmat ovat erityisen paljastavia, koska mikään yksittäinen kaava ei johda suoraan ratkaisuun; mallin on tutkittava mahdollisuuksia ja sen jälkeen karsittava ne pois. Klassinen pulma, jossa on kolme ystävää, kolme ammattia ja kolme auton väriä, on puhtain esimerkki tästä.

enigme = """Three friends (Alice, Bob, Charlie) each have a different profession
(doctor, lawyer, engineer) and a car of a different color (red, blue, green).

Clues:
1. Alice is not the doctor
2. The owner of the red car is the lawyer
3. Bob does not have the green car
4. Charlie is not the lawyer
5. The engineer has the blue car
6. Alice does not have the red car

Find the profession and car color for each person."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": enigme}]
)

Päättelyjäljissään malli listaa kunkin henkilön mahdollisuudet, soveltaa rajoitteita yksi kerrallaan, karsii mahdottomat yhdistelmät ja validoi lopuksi valitun ratkaisun kaikkia kuutta vihjettä vasten: Alice on insinööri ja hänellä on sininen auto, Bob on lakimies ja hänellä on punainen auto, ja Charlie on lääkäri ja hänellä on vihreä auto. Kuudes vihje ei ole koriste; ilman sitä Alice ja Bob voisivat vaihtaa roolejaan lakimiehenä ja insinöörinä, jolloin pulmalla olisi kaksi ratkaisua. Hyvä päättelymalli tunnistaa tämän; se on erinomainen tapa testata omia ongelmanasettelujasi. Tämä viimeinen validointikierros erottaa deduktion onnekkaasta arvauksesta.

Optimointi ja todennäköisyys

Laskentatehtävät asettavat samanlaisen haasteen: vastaus riippuu todennäköisyysmallin valinnasta, joka tekoälyn on eriteltävä ennen laskemista.

proba = """An urn contains 5 red balls, 3 blue balls, and 2 green balls.
We draw 3 balls without replacement.
What is the probability of getting exactly 2 red balls and 1 blue ball?
Express the result as an irreducible fraction."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": proba}]
)

Malli: Automaattinen validointi

Kriittisten tulosten kohdalla yksi kutsu ei riitä. Voit hyödyntää päättelyä toisen kerran syöttämällä generoidun ratkaisun riippumattomaan tarkistukseen: tällöin malli lähestyy ongelmaa vastaus jo näkyvissä, mikä pakottaa sen ennemminkin tarkistamaan kuin generoimaan.

def solve_and_verify(client, problem):
    """Solves a problem and requests verification."""

    # Step 1: Resolution
    solve_response = client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[{"role": "user", "content": problem}]
    )

    _, answer = separer(solve_response.choices[0].message.content)

    # Step 2: Verification via a second call
    verify_response = client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[
            {"role": "user", "content": f"""Verify this solution to the following problem:

PROBLEM: {problem}

PROPOSED SOLUTION: {answer}

Is the solution correct? If not, correct it."""}
        ]
    )

    return {
        "solution": answer,
        "verification": separer(verify_response.choices[0].message.content)[1],
    }

Vertailu: Päättelyn kanssa ja ilman

Mitataksesi vaikutusta konkreettisessa esimerkissä, palataan kananmunapulmaan. Suhteellisuus on petollista ja työntää päättelykyvyttömän mallin kohti vastausta “12” kehotteen yksinkertaisen analogian kautta.

probleme_test = "If 3 chickens lay 3 eggs in 3 days, how many eggs do 12 chickens lay in 12 days?"

# Without reasoning — risk of error via naive analogy (answer "12")
response_none = client.chat.complete(
    model="mistral-small-2603",
    messages=[{"role": "user", "content": probleme_test}],
    reasoning_effort="none"
)

# With reasoning — correct decomposition
response_high = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": probleme_test}]
)
# Expected reasoning: 1 chicken = 1 egg / 3 days
# 12 chickens in 12 days = 12 * (12/3) = 48 eggs

Suorita molemmat kutsut omilla ongelmillasi ennen päätöksentekoa; se on ainoa luotettava tapa tietää, onko päättelyn lisäkustannus perusteltu omalla alallasi.

Keskeiset asiat

  • Päättely menestyy erityisen hyvin monivaiheisissa matemaattisissa ongelmissa
  • Käytä järjestelmäkehotetta, joka pakottaa noudattamaan ratkaisurakennetta (vaiheet, validointi)
  • Induktiotodistukset hyötyvät valtavasti jäsennellystä päättelystä
  • Logiikkapulmat korostavat mahdollisuuksien tutkimista ja karsimista
  • Toteuta kaksoisvalidointi kriittisten tulosten varmistamiseksi
  • Vertaa aina tuloksia päättelyn kanssa ja ilman sen lisäarvon validoimiseksi