高考中的人機大戰已經開始：看學霸君機器人Aidam對戰高考狀元

導讀

在十多年前，未來之星學員、學霸君創始人張凱磊信心滿滿參加高考的時候，不會想到在2017年的夏天，他會送自己的「女兒」Aidam機器人進入高考數學的考場，向人類高考狀元發起挑戰。

在AI技術日益發展的今天，我們非常期待這一場「人機大戰」的結果，以及結果所預示的趨勢和未來。人腦和機器人的巔峰對決一觸即發，你準備好了嗎？

本文修改自芥末堆和藍象營。

張凱磊和他Aidam機器人

「當我高考的時候事先並不知道自己的考場。考前三天離開學校的時候，我在課桌上最後留下了一句話，希望能給坐在這個座位考試的同學帶來好運。

等到兩天後看考場時，我發現我的考場就在我的學校，我的班級，當時的感覺就像歐冠殺入了決賽，並且決賽在我的主場。高考當天，進入考場，黑板，窗檯，連光線都那麼熟悉，而且驚喜得發現我就坐在我自己那張課桌，當時的心情真是超級好。」

這是張凱磊自己的高考故事，而他的「女兒」——學霸君高考機器人 Aidam 的高考故事註定更加不平凡。

6月7日在高考數學考試結束後，學霸君高考機器人 Aidam 與高考狀元們將完成2017年高考數學試卷，包括所有客觀題和主觀題，並按照評分標準得出最終成績。

人機大戰已經開始，此時此刻，你更看好哪一方呢？

高考機器人是人工智慧系統

與 AlphaGo 一樣，高考機器人並沒有實體，而是一個能自動解題的人工智慧系統。據介紹，跟以圖像識別和匹配為主的拍照搜題技術不同，通過提前學習和訓練，高考機器人能夠解答從未出現過的新題目，並給出詳細的解題步驟。

據了解，由國家科技部 863 計劃牽頭研製的機器人 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，其研發團隊準星雲學的創始人林輝認為，跟 AlphaGo 相比，高考機器人的研發難度更大，原因在於，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。「遇到沒學過的生詞，人類會聯繫上下文去推測詞義，猜對是比較容易的事；而機器人卻會卡殼。」

這正是日本高考機器人 Torobo-kun 放棄高考的原因。自 2013 年起，Torobo-kun 每年都會參加日本高考，它的目標是考入東京大學，在此前的多次考試中，其物理成績不錯，但受制於語言處理能力，在其他科目的成績並不理想。日本高考機器人的研發負責人 Noriko Arai 教授表示，在目前的技術條件下，考上東大很難，她解釋道：「人工智慧系統無法理解必要的信息，閱讀和理解句子含義的能力存在局限。」接下來，放棄高考的 Torobo-kun 會被應用到數據分析領域。

圖片來源於網路

其實，早在高考機器人的概念成為熱門關鍵詞之前，針對各個專業領域知識處理的自動問答系統的研發，全球頂尖的研究機構已經有各類嘗試。比如 1984 年啟動的塞克(Cyc)工程，其目標是建立一個龐大的人類常識知識庫，用於回答和解決一系列的科學和技術難題。2002 年啟動的 Project Halo 則是要研發一個科學知識庫，用於回答學生或專業人員提出的複雜科學問題，Project Aristo 則致力於解答標準化考試問題。

語義分析是解題難點

為什麼要選擇做高考機器人？

張凱磊說道，「其實三年之前我們就開始做高考機器人了，之前所有題庫和底層技術也都是在為高考機器人做準備。我覺得高考機器人是人工智慧在教育領域的一個樞紐點，它模仿人腦的感知、記憶、認知、分析、建立經驗知識庫、聯想、判斷、決策，還結合了跨學科、跨領域的知識研究，一旦做好之後，用機器人進行判題、個性化指導、學生管理、家校溝通、教案改進都變成可能。

我預測1-2年內高考機器人會有很多家企業湧進來做，解題機器是技術改變教育的發動機，所有人都繞不開它。」

圖片來源於網路

科大訊飛曾說過他們的高考機器人可以3-5年上一本，而學霸君認為在整個高考的體系里，機器人大部分學科都可以考到90分的水平，尤其是數學已經逼近120分。今年是學霸君第一次嘗試高考，明年就會覆蓋到全學科。現在數學、理綜、英語方面已經有完全把握，語文還需要接著探索。

從搜題到解題，是量變到質變，中間的技術非常複雜，AI 是如何做到自動解題的？

學霸君的首席科學家陳銳鋒介紹，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路，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。

機器需要首先識別人類的語言，並分析其含義，其中包括各類常識、謎語等隱性的線索，比如數學經典問題雞兔同籠，其隱含條件是雞有兩條腿，兔有四條腿，而計算機可能並不知道這類常識，它更擅長規則下的精確計算，但人類的自然語言並不精確。比如在物理解題過程中，假設忽視物體的大小，以及假設摩擦為零之類的思考方式，計算機並不能理解。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！