機器人考生來了，但它可能更想當(dāng)老師

李嘉文

6月7日，中國高考的第一天，北京有一位特殊的“考生”也做了一份全國高考文科數(shù)學(xué)卷。

這位考生的解答速度驚人，解開一道題目的時間為7到15秒，據(jù)說，這還是“他”刻意將速度放慢了6倍的效果，為的是不但要保證解題的正確率，還需要展示自己的解題思路和過程—這些思路會通過一塊大屏幕來顯示：每解答一道題目，“他”運用的知識點就會在這塊屏幕上同步出現(xiàn)。

最終，該“考生”只用了9分47秒就完成了整張試卷，成績?yōu)?34分。看來，老師常叮囑學(xué)生的那句“做題目太快就容易粗心”的“真理”在“他”身上并不適用—這位考生并非人類，而是由中國公司學(xué)霸君推出的智能教育機器人Aidam。

學(xué)霸君最開始的創(chuàng)業(yè)方向是拍照搜題，目前已經(jīng)推出了君君輔導(dǎo)以及AI學(xué)兩款產(chǎn)品。拍照搜題業(yè)務(wù)幫助這家公司積累了大量的學(xué)科數(shù)據(jù)，目前學(xué)霸君有7000萬注冊用戶，答題搜索次數(shù)超過100億，老師在線答疑超過500萬次。“考試機器人背后的技術(shù)從創(chuàng)業(yè)第一天就已經(jīng)開始積累了。Aidam解題能夠如此迅速順利，正是基于過去累積的一個龐大數(shù)據(jù)庫?！睂W(xué)霸君首席科學(xué)家陳銳峰對《第一財經(jīng)周刊》說。

在中國高考的學(xué)科中，數(shù)學(xué)和物理是目前人工智能相對勝任的兩門學(xué)科。它們具有較強的邏輯性，考點基本穩(wěn)定，容易判斷對錯?！皬奈覀兯鸭降臄?shù)據(jù)來看，學(xué)生們平時有40%的疑問都是針對數(shù)學(xué)學(xué)科，中國的學(xué)生在數(shù)學(xué)上的困難比較大。”陳銳峰說。

高考的數(shù)學(xué)試卷中既有簡單的選擇題，也有復(fù)雜的需要解題過程的大題。但即使面對的是選擇題，機器背后的一套解題過程也很復(fù)雜。

Aidam首先需要將試卷上的題目從自然語言轉(zhuǎn)為形式語言，形式語言強調(diào)條件、狀態(tài)或者是一個固有狀態(tài)。陳銳峰介紹，學(xué)霸君的技術(shù)團隊選取了一個接近主謂賓的組合，基本上人們的日常對話或者是各類論述都可以轉(zhuǎn)化為主謂賓形式或者相關(guān)變種的語句。

比如數(shù)學(xué)題中常出現(xiàn)的表述：角A等于多少度。Aidam的理解思路就是：主語是角A，動詞是等于，多少度就是賓語—這一步是它解題的基礎(chǔ)，理解的正確與否會直接影響解題的正確率。在這一次高考題的測試中Aidam之所以未得滿分，陳銳峰認(rèn)為，一部分原因就在于它在有些情況下無法理解題目的意思。

Aidam解題的第二步是其內(nèi)部定義的“知識元”計算。學(xué)霸君在高中數(shù)學(xué)和初中數(shù)學(xué)方面已經(jīng)積累了一個龐大的數(shù)學(xué)學(xué)科數(shù)據(jù)庫，涉及到的原理、運算邏輯較全，而且有一個專業(yè)的老師團隊在對知識點做梳理，但仍然不能窮盡各種組合。因為涉及到太多維度，而大部分?jǐn)?shù)學(xué)解題過程是一個多步驟序列問題，所以還需要利用“增強學(xué)習(xí)”的方式讓機器學(xué)習(xí)題庫中的題目，減少運算維度。而在這次Aidam的實際解題過程中，有些題目此前沒有訓(xùn)練過，導(dǎo)致它沒能解出。

解題的第三步相對簡單，是將解題完成后的機器語言重新翻譯回人類語言。

其實，每一個步驟技術(shù)團隊都花費了很長時間。比如如何將自然語言轉(zhuǎn)化為機器語言，團隊就花費了整整一年的時間?！皺C器理解的部分我們一直在做，一開始是做詞匯級別的，之后覺得描述的精度還是不夠，開始滲透到句法層次，之后還會再深入到上下文的語境理解?！标愪J峰說。

這次高考，也有一場“人機大戰(zhàn)”。機器的對手是6名高考狀元，雖然他們答題花了整整一個小時，但6人的平均分達(dá)到了135分，比Aidam高1分—人類戰(zhàn)勝了機器，這在最近幾年可不多見了。

而同一天，另一款“考試機器人”—成都準(zhǔn)星云學(xué)科技有限公司的AI-Maths也參加了今年高考的數(shù)學(xué)考試。它分別解答了北京文科數(shù)學(xué)卷和全國數(shù)學(xué)卷，得分分別為105分和100分。和Aidam一樣，題目的敘述文字一旦太多，機器就會因為讀不懂題目而無法解題，但是它計算題和證明題都完成得不錯。

根據(jù)準(zhǔn)星云學(xué)的CEO林輝介紹，該機器人此前做了500套試卷，大約1.2萬道數(shù)學(xué)題。它背后的技術(shù)邏輯與關(guān)注題庫、數(shù)據(jù)挖掘的Aidam不太一樣。1.2萬道題目從機器學(xué)習(xí)的角度來講，還是一個較小的范圍。所以相比數(shù)據(jù)，這款機器人更傾向于建立類似人類的復(fù)雜邏輯推理能力與聯(lián)想能力，試圖在較少樣本和較少資源耗費的情況下，擁有“舉一反三”的能力。

而日本也有考試機器人，自2013年開始，每年其機器人Torobo都會參加當(dāng)年的東京大學(xué)入學(xué)考試。雖然Torobo有所進(jìn)步，但總免不了落榜的命運。

這說明，無論是哪種技術(shù)路徑，至少在考試領(lǐng)域，人工智能還是有一些技術(shù)問題沒有解決。2016年再次落榜后，Torobo已放棄“求學(xué)”，轉(zhuǎn)而投入實用領(lǐng)域，比如負(fù)責(zé)一些數(shù)據(jù)分析工作，但在商業(yè)模式上，考試機器人目前在教育領(lǐng)域普遍缺少較為直接的變現(xiàn)模式。

不過，考試機器人背后的技術(shù)已經(jīng)應(yīng)用到了學(xué)霸君目前的兩款變現(xiàn)產(chǎn)品中。

比如學(xué)霸君推向?qū)W校的電子教學(xué)系統(tǒng)AI學(xué)，它在前端用一套專用的紙筆搜集學(xué)生的作業(yè)數(shù)據(jù)，而這次考試機器人參加高考用到的自然語言處理技術(shù)，同樣應(yīng)用在了AI學(xué)中，幫助它處理學(xué)生做題的文本。

另外，考試機器人在解題環(huán)節(jié)中展現(xiàn)的“自適應(yīng)推薦”能力，在教育產(chǎn)品上也有很大應(yīng)用空間。由于能根據(jù)各類知識的組合邏輯來演算，隨著對各類知識以及各個邏輯之間的處理精度越來越高，這能幫助一些教育產(chǎn)品在識別了用戶的薄弱環(huán)節(jié)后，向其推薦匹配度和準(zhǔn)確度更好的題目。

人類還可以擁有自己的人工智能老師。它能夠分析個體的薄弱點，從而給用戶推送針對性更強的題目，或許在一定程度上有助于解決教育不公的現(xiàn)狀。至于其“弱項”語文等需要大量語義理解能力的學(xué)科，目前微軟的人工智能語音助手小冰已經(jīng)可以利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來寫詩詞。人工智能真的會成為人類全方位的老師嗎？