最近浙江電視臺民生新聞節(jié)目《1818黃金眼》在微博上火了，3分多鐘的新聞視頻獲得了近兩萬次轉(zhuǎn)發(fā)，有網(wǎng)友大呼：“《1818黃金眼》真是我的快樂之源！”這新聞?wù)f的是宋師傅給孫子買了一臺叫“好帥二蛋”的智能機器人給孫子做課業(yè)輔導(dǎo)，問英語問故事都對答如流，沒想到一問應(yīng)用題二蛋就開始賣萌：“不想回答的問題不回答，我是隱形人，聽不見聽不見~”
網(wǎng)友爆笑之余驚呼：這究竟是人工智能還是人工智障！
應(yīng)試AI成研究熱點
其實新聞里這種課業(yè)輔導(dǎo)機器人并不具備真正的人工智能，它只能在聯(lián)網(wǎng)環(huán)境下通過網(wǎng)絡(luò)搜索獲得客觀題的問題答案，一旦涉及主觀題，就兩眼一瞪只能耍賴了。
真正用于做題的人工智能其實也在如火如荼的發(fā)展中。每年高考前后，都會有很多人工智能應(yīng)試的新聞出現(xiàn)，AI解題也是人工智能的研究熱點之一：讓人工智能系統(tǒng)解決某一類問題，從而衡量智能化水平。
以2018年北京高考作文為例，高考機器人“Champion”與著名青年作家張一一以此為題進行了一場比試，曾參加過高考作文閱卷的專家給Champion的作文打了100分的滿分，而作家張一一的高考作文僅獲85分。
另一個例子是準星數(shù)學(xué)高考機器人“AI-MATHS”，它在公證機構(gòu)和媒體的見證下，與940萬考生共同參加了2017年高考數(shù)學(xué)的測試，它分別花了22分鐘和10分鐘做完了北京文科數(shù)學(xué)全和文科全國數(shù)學(xué)卷，拿到了105份和100分的高分。
類似的研究在全球范圍內(nèi)也很盛行。日本國立情報學(xué)研究所開發(fā)了一個Todai Robot，他們讓機器人挑戰(zhàn)大學(xué)試題，目標是2021能夠考上東京大學(xué)。艾倫人工智能研究所(Allen Institute for Artificial Intelligence) 也舉辦了一項比賽，來自全世界的幾千個團隊紛紛提交了自己的AI程序來挑戰(zhàn)8年級的科學(xué)題目。
對人工智能來說
應(yīng)試做題并不容易
阿爾法狗都戰(zhàn)勝了世界圍棋第一人柯潔，把圍棋這種復(fù)雜游戲玩弄于掌心，難道解答幾道應(yīng)試題還會有難度嗎？
真的有難度。
盡管機器的計算力和數(shù)據(jù)處理能力都遠超人類，輸入數(shù)據(jù)后也不會遺忘，如果我們把需要解決的問題通過邏輯推理，抽象成純粹的數(shù)學(xué)模型并輸入后，那么不管多復(fù)雜的問題，人工智能算法都能夠完美的解決。
但是，讀題對AI來說是很困難的事情。答題之前，AI需要正確理解題目的文字描述以獲得精準的數(shù)學(xué)表達。人類的語言千變?nèi)f化，而且還在不斷創(chuàng)新。學(xué)生在學(xué)習(xí)的過程中遇到?jīng)]學(xué)過的生詞，會聯(lián)系上下文去推測詞義，但這一點對于人工智能而言相當困難。此外，AI還需要具有關(guān)于現(xiàn)實世界的常識以約束和簡化題目文本。
這么說來，AI做理科題目一定勝過做文科題目咯？現(xiàn)實恰好相反。目前各個應(yīng)試AI在理科解題上的表現(xiàn)普遍弱于文科解題。
背后的原因其實也不難理解，機器學(xué)習(xí)強調(diào)的主要是對記憶、計算等相關(guān)內(nèi)容的儲存和運用，邏輯理解和推理方面的技術(shù)問題還沒有很好的解決。舉例來說，阿爾法狗憑借大量練習(xí)的記憶知道這么下棋能贏，但它不知道這么下的邏輯是什么。
數(shù)學(xué)解題，作為理科考試的一部分，十分考驗計算機的理解能力和推理能力，針對數(shù)學(xué)解題的研究成果非常有可能定義計算機智能的新層次。
舉個簡單的例子，“做一種零件，8人0.5小時完成64個，照這樣計算，3小時要完成144個零件，需要多少個工人？”如果我們通過邏輯將其轉(zhuǎn)化為純數(shù)學(xué)問題，即第一步算出每人每小時的生產(chǎn)量，然后在算出第二步需要多少個工人，就可以算出最后的答案。
從計算難度來說，大學(xué)數(shù)學(xué)和小學(xué)數(shù)學(xué)對人工智能來說沒什么差別。真正的難點在于，如何從這樣的一段題干中識別并理解其中包含的概念，并抽取其中概念變量的關(guān)系，這一步驟需要涉及到自然語言理解。
AI做題的應(yīng)用方向
近年來有很多諸如猿題庫、作業(yè)幫這樣的習(xí)題解答軟件，該類產(chǎn)品普遍支持如下功能——學(xué)生將題目拍照上傳，軟件即可識別題目并給出答案和解題思路。
這類軟件的產(chǎn)品邏輯和文章開頭的“好帥二蛋”機器人差別不大，都是建立在平臺擁有龐大題庫的基礎(chǔ)上才能提供服務(wù)，本質(zhì)還是檢索和匹配，無法主動對題目進行分析理解。如果答題AI能取得技術(shù)突破，對此類軟件會有巨大提升。
除了答題，這類AI還能判卷。ETS此前曾實驗利用AI技術(shù)取代判卷官，成功批閱了GRE和SAT寫作答題，證明AI可以通過“訓(xùn)練”，精準分析和評判學(xué)生的答題。AI技術(shù)在這一方向的發(fā)展能夠有效提升判卷效率，減少閱卷成本，并顯著提升判卷公平性。
目前自然語言處理研究，逐漸從詞匯成分的語義轉(zhuǎn)移，發(fā)展到對敘事的理解。事實上，人類水平的自然語言處理，是一個非常艱深的技術(shù)難題，它相當于使AI完完全全像人類一樣聰明，有一點通過圖靈測試的意思。因此，自然語言處理技術(shù)與人工智能的未來緊密結(jié)合，對這一領(lǐng)域的研究可以從本質(zhì)上提高人工智能的智能程度，AI做題正是非常合適的測試和應(yīng)用場景。
