ZKIZ Archives


當機器人高考數學得了134分,我們聊聊它與人族“學霸”的區別以及商業化未來

來源: http://www.iheima.com/zixun/2017/0608/163506.shtml

當機器人高考數學得了134分,我們聊聊它與人族“學霸”的區別以及商業化未來
楊潔 楊潔

當機器人高考數學得了134分,我們聊聊它與人族“學霸”的區別以及商業化未來

也許將來,機器將是教學工作最好的“助手”。

6月7日下午,全國高考數學科目結束。

但就在考場之外,另一場數學“大考”剛剛開始。而面對考試的,則是和普通學子不同的特殊考生——人工智能。

在成都高新區天府新谷的一個封閉空間里,一位機器人“考生”挑戰了今年全國高考的數學。它是成都準星雲學的高考機器人,名叫“AI-MATHS”。

在北京,包括黑智在內的眾多媒體,則圍觀了中小學智能化教育創業公司學霸君自主研發的智能教育機器人Aidam,與分為三組的6名高考狀元的同臺PK。

兩家的家長在此之前都很緊張。成都準星雲學科技有限公司CEO、清華大學蘇州研究院大數據中心主任林輝把AI-MATHS”叫做孩子,他說,這孩子“最大的弱項是不能理解考題里場景式的描述語言”,它會讀不懂題。學霸君創始人張凱磊說Aidam就好似自己的女兒,送入考場前,也在求祝福。

最終,Aidam花了9分47秒,完成了全部數學考卷內容。最後現場閱卷結果,Aidam考了134分,三組高考狀元分別得分為119分、140分和146分,平均分135分。從分數來看,人類“學霸”們在高考中,還是扳回一局。

準星高考機器人AI-MATHS北京卷用時22分鐘完成北京文綜數學考試,得分105;全國二卷數學考試用時10分鐘,得分100分,離預期的110分也還存在著差距。

柯潔和AlphaGo的大戰剛剛落下帷幕,這邊人工智能就上了高考的考場。和人類智力的挑戰,機器從未止歇。但AlphaGo已經掛印退出棋壇,這邊參加高考的人工智能們,它們背後又是由哪些技術支持,在未來又將作何用途呢?

高考機器人和AlphaGo有何異同?

在“備考”階段,Aidam的“父親”張凱磊向黑智表示,Aidam和AlphaGo一樣,並非實體,而是以深度學習、專家系統和自然語言理解為核心的複雜系統。這個系統的核心在於通過學習人類的編程邏輯,熟悉人類思考和學習的方式,進而掌握解題方法。

Aidam的圖像識別和自然語言理解技術均為自己研發,構建了深度神經網絡的句法和語義分析器,在海量題庫中不斷強化和擴充訓練。

目前,學霸君已經擁有7000萬道數學題目的題庫系統,以及大量的學生手寫和上傳題目圖片、各種教輔書籍中的題目庫,構成了學霸君的智能機器人的訓練數據。據張凱磊介紹,目前,依靠學霸君的產品端的日活量,每天可以產生1700萬-1800萬張左右的題目圖片上傳。而其中,無論是拍照,還是學生手寫題目,均可以被Aidam的圖像識別系統識別,並記錄、收集、標記。在學霸君的題庫中,每一道題目均記錄了其答案、解析和不同的解題過程。在此基礎上,Aidam不斷進行自動解題訓練。

“系統每天大概做 40-50 萬道題目,進行自我訓練。”張凱磊說。“我們是自己在超鏈路神經網絡使用的時候發現,它對於記憶題目使用的步驟跟邏輯是有價值跟效果的,所以開始大規模地在代數體系跟解析體系解決這個問題。”

目前為止,Aidam主要針對的是數學學科。張凱磊對此的解釋是,數學題目的標準更加明確,容易判定對錯。“我們目前看到學生咨詢最多的問題,超過40%都是數學問題。除了評價標準之外,對於人工智能系統而言,數學的挑戰是比較有難度的。數學試卷中,包括簡單的選擇題,也有複雜的需要解題過程的大題,這是非常適合測試AI的,所以,我們這次選擇數學作為切入口。”學霸君首席科學家陳銳鋒表示。

學霸君首席科學家陳銳鋒

陳銳鋒介紹,Aidam 的解題過程涉及到三個步驟:

一是理解和識別人類語言,把題目變成機器人可解碼、可理解的語言,即通過自然語言處理將人類語言轉換為形式語言。

二是邏輯推理,利用計算機的知識語言網絡,模擬人類處理信息的方式和策略,找出最佳解題路徑。

三是用人類的語言回答問題,並給出詳細的解題步驟,即將形式語言轉化為自然語言。

其中最大的難點在於讓機器理解人類語言,這也是自動解題系統被公認的核心問題之一:自然語言處理中的語義分析。

而AI-MATHS 學習了小學到高中的 7000 多個考點,運算量可達到 2 的 800 次方。林輝認為,跟 AlphaGo 相比,高考機器人的研發難度更大,原因和陳銳鋒提到的類似,因為用計算機語言描述圍棋規則相對容易,但研發高考機器人,首先需要讓系統理解人類語言。這也是他在之前提到過的,要讓AI-MATHS“讀懂題”,是一件非常困難的事情。

而這並非機器首次向人類的考場發起挑戰。在日本,從2013年起,機器人Torobo(Todai Robot Project) 每年都會參加日本高考,目標是考入東京大學。它的物理成績不錯,但受制於語言處理能力,在其他科目的成績並不理想。在2015年,它考出了511分的成績,可以考上日本80%的大學。其研發負責人 Noriko Arai 教授表示,在目前的技術條件下,Torobo要考上東大很難,因此,它已經放棄了這一學業,開始從事大數據分析方面的工作。“現在的AI們,包括Waston,Siri和Todai,都不能閱讀,但它們擅長搜索和優化。” Noriko Arai 在今年的TED2017上說。

AI能否搶走老師的飯碗?

推出Aidam,學霸君的目的,自然不會是單純讓它能夠去參加高考。學霸君給自己打出的口號是“幹掉學區房”,但是在人工智能領域,張凱磊說,Aidam並不會取代教師,而只是教育工作的輔助。

人類智能和人工智能的區別,以及何等工作能夠被AI所代替,已經是被業界無數次討論過的問題。在博鰲論壇上,魯白的回答是:人工智能,不會擁有人類一樣的智商、情感,或擁有自主意識。他解釋,人腦有五個方面的功能:第一是感覺,第二是運動,第三是記憶,第四是情感與情緒,第五是認知。“怎麽樣跟人工智能或者電腦產生感情,論題中包括兩個方面:一個就是情感的產生與情感的交流,延展一下就是社會性;一個方面是認知。認知又分兩個部分,一個是一般的認知,連動物都有,我覺得人工智能可以有這個方面的認知功能,包括邏輯思維分析,以及決策之類。人還有另外的一個方面的認知叫做高級認知功能,里面包括語言包括自我的意識,包括想象力、創造力最後還有人所特有的一種目的性的行為,而我認為,人類是在這方面,是不能被機器代替的。”

而指導學生科研、教育人類學生學習知識,正是人類創造力和認知能力的高級體現。那麽,什麽職業將被機器改變?和黑智談過的眾多業內人士也總結,勞動並無高低之分。那些和數據相關,重複性較強、邊界清晰的工作,容易被機器所取代。

而在不擔心教師們失業的前提下,人工智能又將輔助我們的教育,做到哪些工作?“我希望它能夠作為教師的幫手,解決目前教育中的一些難題,比如,輔助批改作業。”張凱磊說。

在張凱磊的構想中,“自動批改作業”一直是他希望實現的。“今天我們已經有能力把學生的學習行為數據采集到電腦上面去,有能力把他書寫過程中的東西數字化,但是一直以來我們都沒有這個能力讓機器去批改作業。現在,我們靠深度學習技術,開始有機會,把像人一樣將一道題目一步步推理出來這件事,在系統層面做出來。無論這道題目是否在系統中錄入過,無論它的難度系數有多高,只要在它的認可範圍內,都可以做出來。”

而自動批改的核心目的,則是為了實現個性化教育的最終目標。人工智能可以知道每一個學生的學習習慣、學習進度和學習意願。學生會的東西不會再出現;不會的東西,機器則會一直提醒,直到學會為止。這樣,每個學生看到的內容、做的習題都是量身定制的。另外,通過人工智能,老師對每一個學生的了解將比以往任何時候都要深入。因為人工智能將會在最短的時間里將學生的學習情況及時反饋給老師,老師可以直接讀取,而不會因為學生太多顧不過來。

“我們已經開始逐步在學校里實行個性化教育的實踐,在教育機器人完成後,也將加大推廣的力度。”張凱磊表示。在學霸君現場展示的在某地學校的教學系統中,學生作業已經數字化傳輸到電腦上面,並且後臺由機器批改完成,並對學生的完成情況、行為數據進行了標註和統計。“目前我們的教學改進系統是靠學生做題的零散數據產生的離散模型,把這些題做好了,提升效率之後看過程。未來,我們將把它擴展到5000-6000個班級,這樣將會擴充到幾十萬規模題量的學習過程,成為我們越來越強大的一塊資產。”張凱磊告訴黑智。

在教育領域中,對內容數據的智能化的機器理解將為老師的教學和學生的自主學習提供非常豐富的信息支持,圍繞學生學習薄弱點的自適應學習在機器理解的基礎之上將變得高效而又有針對性。而學霸君研發的智能教育機器人,就是機器理解技術在教育領域的典型應用。

Adiam和AI-MATCH的高考成績,只是它們現在的階段性的表現。盡管距離人類的“學霸”水平仍有一段距離,但隨著學校提高教學效率的需求不斷增加,教育應用落地的不斷深化,以及教育大數據和深度學習技術的發展,一個“機器助教”將會給我們打開新的大門。到那時,“幹掉學區房”,也許真的不止是一個夢想。

人工智能 AI 高考 數學
贊(...)
文章評論
匿名用戶
發布
機器人 機器 高考 數學 得了 134 我們 聊聊 它與 與人 人族 學霸 區別 以及 商業化 商業 未來
PermaLink: https://articles.zkiz.com/?id=251597

股票掌故 | 香港股票資訊 | 神州股票資訊 | 台股資訊 | 博客好文 | 文庫舊文 | 香港股票資訊 | 第一財經 | 微信公眾號 | Webb哥點將錄 | 港股專區 | 股海挪亞方舟 | 動漫遊戲音樂 | 好歌 | 動漫綜合 | RealBlog | 測試 | 強國 | 潮流潮物 [Fashion board] | 龍鳳大茶樓 | 文章保管庫 | 財經人物 | 智慧 | 世界之大,無奇不有 | 創業 | 股壇維基研發區 | 英文 | 財經書籍 | 期權期指輪天地 | 郊遊遠足 | 站務 | 飲食 | 國際經濟 | 上市公司新聞 | 美股專區 | 書藉及文章分享區 | 娛樂廣場 | 波馬風雲 | 政治民生區 | 財經專業機構 | 識飲色食 | 即市討論區 | 股票專業討論區 | 全球政治經濟社會區 | 建築 | I.T. | 馬後砲膠區之圖表 | 打工仔 | 蘋果專欄 | 雨傘革命 | Louis 先生投資時事分享區 | 地產 |
ZKIZ Archives @ 2019