當然不只是噱頭，但 AI 解決不了教育不公平

AI 快要征服高考了，但它究竟能在多大程度上幫到我們？

人類剛剛送走了「圍棋機器人」AlphaGo，又迎來了一群「高考機器人」。

6 月 7 日，由國內中小學智能化教育品牌「學霸君」自主研發的智能教育機器人 Aidam 與分為三組的 6 名高考狀元同台 PK 高考數學科考試。

這六名高考狀元分別是：孟祥熙，2016 年河北省理科狀元，現就讀於北京大學光華管理學院；劉默涵，2016 年吉林省理科狀元，現就讀於北京大學光華管理學院；韓子靜，2016 年天津市理科狀元，現就讀於北京大學光華管理學院；韓笑，2016 年河北省廊坊市理科狀元，現就讀於中國人民大學物理學系；多力崗，2015 年新疆自治區理科狀元，現就讀於清華大學汽車工程系；孫盼成，2015 年安徽省六安市文科狀元，現就讀於中國人民大學。

雙方比賽採用的是全國高考文科數學二卷，在一小時的考試時間內，兩人合力完成一套試卷。雖然是兩人合作，但中途不可以交流，開考前已決定好分工。最終，三組高考狀元分別得分為 146 分、140 分、119 分，而 Aidam 為 134 分。

同一時間，另一場相似的比拼也在成都上演，由成都準星雲公司開發的人工智慧系統 AI-Maths 也在參加同一場考試，而它最終的成績則是 105 分。

而就在前一天，科大訊飛公司輪值總裁吳曉如及訊飛研究院院長鬍國平也接受了記者的採訪，從 2015 年開始，他們就聯合了包括北大、清華等在內超過 30 家科研院校和企業共同開啟了一項隸屬國家 863 計劃信息技術領域的「高考機器人」項目，他們希望通過這個項目的實施，研製出能夠參加高考並考取大學的智能機器人。但他們在 2019 年才會參加高考。

由於時間的原因，人們很難不聯想到十幾天前剛剛在棋盤上徹底擊倒人類的 AlphaGo。

10 分鐘答完整張試卷

毫無疑問，在運算速度上，人工智慧擁有巨大的優勢，Aidam 在錄入完整的數學題目後，僅僅在 9 分 47 秒就完成了所有的答題，而高考狀元們則花了整整 1 個小時。

根據張凱磊的介紹，Aidam 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。

當然，從最終的成績上，我們也能看出在當前這個階段，這類機器人還有很多問題存在。「我們現在已知的他會丟分的有大概 70 幾種原因，這些問題都是我們沒有克服的」，張凱磊說道。其中既有自然語言處理方面的因素，比如系統沒能看懂題目；更多的則是出現的題目比較新，歷史上沒有出現過，因此系統之前也就沒有學過。

從這裡我們也能看出，目前的這些「高考機器人」還主要處於「被動學習」而非「自我成長」的階段，它目前主要通過從過往的歷史題集中不斷學習，離自我主動擺脫人類題集的束縛自我成長還有一段距離。

而如果對此類新聞有所了解的同學也許會想起也是以做題為目的的人工智慧程序 IBM Watson，當我們問及吳曉如高考機器人與它的區別時，它認為高考機器人更難的地方主要在兩點：

第一，在題面的理解上，隨著一個題目裡面繞來繞去的轉折點越來越多，比如數學，如果它要把這個定理繞來繞去，那在題面的理解上就會很困難；

第二，第二，高考裡面比如說數學的一些題目，這些題目是需要看計算機是怎麼去表證一個數學定理的，數學定理之間的邏輯關係到底是什麼樣？機器需要把這種知識要轉換成計算機可以理解的知識。

當然，這些都不會局限在數學這一科上，因為數學更多的是依據符號邏輯，所以處理起來相對容易一些。但擴展到包括語文、歷史等科目上，就需要具體包括題目理解、知識表現、邏輯推理等技術，怎樣用人機互助的方式獲得知識？還要讓機器來學會表達。比如作文、閱讀理解就既需要讀懂文章去理解題目的意思，同時還需要去理解相應的常識。

挑戰高考，是為了測試能力

說真的，在最初聽到這個消息的時候，我也是很不解的：那麼多值得你挑戰的領域，為什麼要選高考？難道我們的考生們還不夠慘，還要被機器人也羞辱一番嗎？

不過，在學霸君創始人兼 CEO 張凱磊看來，Aidam 輸贏的結果其實並不重要，「我只是希望通過這樣的 PK, 讓教育業界了解到人工智慧在教育領域的應用已經發展到了什麼程度，人工智慧已經可以像人一樣思考知識點，一步一步輸出過程和答案。」

科大訊飛公司輪值總裁吳曉如也持有相似的觀點，在他看來，讓人工智慧去參加測試的主要目的就是要看看機器能達到一個什麼樣的人工智慧水平，而隨著後台海量資料庫的增長，傳統的「圖靈測試」已經無法完全衡量人工智慧的水平了。而高考是一種很好的，可以作為衡量人的知識水平、理解能力、推理能力等相關智能能力水平的測試工具，所以這個才是他們把高考作為這個項目主要目標的原因。

科大訊飛公司輪值總裁吳曉如

總結一下就是：高考的本質就是一種考試方式，既可以用它來測試學生們的學習水平，也可以用來測試人工智慧的水平。

對於 AlphaGo 而言，此次圍棋峰會將是 AlphaGo 參加的最後一場賽事。從現在開始，AlphaGo 的研發團隊將把精力投入到其它重大挑戰中，研發出高級通用演算法，為科學家們解決最複雜的問題提供幫助，包括找到新的疾病治療方法、顯著降低能源消耗、發明革命性的新材料等。如果人工智慧能夠在上述領域發現新的知識和策略，那在這些領域的突破將十分可觀。我們已經迫不及待地想看到這一切的發生。

在 5 月 27 日與柯潔的最後一盤棋結束之後，DeepMind 公司聯合創始人兼 CEO 戴密斯·哈薩比斯（Demis Hassabis）說出了以上那番話。這也許都說明了，不管是圍棋還是高考，人工智慧參加所謂的「人機對抗」的目的都不是要為了彰顯什麼，最終的目的都是要探索人與機器協作的更大的可能性。

但它改變不了教育不公平的現狀

當然，在高考中幾百人類絕不是這些商業公司的目的，他們瞄準的還是有無窮潛力的教育大市場，畢竟「窮誰不能窮教育」。在張凱磊看來，教育資源不均的本質是優秀教師稀缺，而智能教育機器人則是解決這一問題的有力工具。業內有關人士也認為，未來 5-10 年，人工智慧或將成為教育行業變革最重要的解決方案。

那它有可能幫助解決教育資源分布不均的最大問題嗎？答案也許是：有可能，但需要很長很長的時間。甚至，我們可以說，AI 能不能幫助教育資源變得更加均衡，這不取決於技術本身，而是使用技術的人。

從未來的理想情景看，就像有豐富經驗的特級教師一樣，AI 也能從學生的答卷迅速分析出背後的失分原因，如何改進；還能輔助老師快速掌握全班學習進度、對症下藥，讓更多普通老師也能教出優秀的學生，每個孩子將有機會突破時空界限，接觸到「私人名師」級別的輔導，從而解決資源不均的困境。

然而這個看上去很美的場景其實也面臨很大的挑戰，那就是：資本。只要它的成本還不足以讓每個學生都用上，那就會出現篩選的機制，而資本很可能是其中最大的力量。會不會在未來出現的仍然是發達地區通過 AI 教學愈加發達，而落後地區始終與之無緣呢？

我們都知道，在這個國家，我們已經不缺技術了，很多時候錢也早就夠了，有時候需要我們做的可能是把目光往低放一放，從高大上的北上廣和 BAT 投向那些更需要我們幫助的地方。

本文由極客公園原創

轉載聯繫 wangxue@geekpark.net

GIF/98K

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！