人類方才送走了「圍棋機器人」AlphaGo，又迎來了一群「高考機器人」。
6 月 7 日，智能教導機器人 Aidam 與分為三組的 6 名高考狀元同臺 PK 高考數學科測驗。
這六名高考狀元分離是：孟祥熙，2016 年河北省理科狀元，現就讀于北京大學光彩管理學院;劉默涵，2016 年吉林省理科狀元，現就讀于北京大學光彩管理學院;韓子靜，2016 年天津市理科狀元，現就讀于北京大學光彩管理學院;韓笑，2016 年河北省廊坊市理科狀元，現就讀于中國人民大學物理學系;多力崗，2015 年新疆自治區理科狀元，現就讀于清華大學汽車工程系;孫盼成，2015 年安徽省六安市理科狀元，現就讀于中國人民大學。
兩邊競賽采用的是天下高考理科數學二卷，在一小時的測驗光陰內，兩人協力實現一套試卷。固然是兩人合作，但半途不可以或許交換，開考前已決定好分工。終極，三組高考狀元分離得分為 146 分、140 分、119 分，而 Aidam 為 134 分。
同一光陰，另一場相似的比拼也在成都演出，由成都準星云公司開辟的人工智能體系 AI-Maths 也在加入同一場測驗，而它終極的成就則是 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胡國平也接受了記者的采訪，從 2015 年開始，他們就結合了包含北大、清華等在內跨越 30 家科研院校和企業配合開啟了一項附屬國度 863 籌劃信息技巧范疇的「高考機器人」名目，他們盼望經由進程這個名目標實行，研制出可以或許加入高考并考取大學的智能機器人。但他們在 2019 年才會加入高考。
由于光陰的緣故原由，人們很難不聯想到十幾天前方才在棋盤上完全擊倒人類的 AlphaGo。
毫無疑問，在運算速率上，人工智能領有巨大的上風，Aidam 在錄入完備的數學標題后，僅僅在 9 分 47 秒就實現為了所有的答題，而高考狀元們則花了整整 1 個小時。
根據張凱磊的先容，Aidam 是以深度進修、專家體系和自然語言懂得為焦點的繁雜體系。這個體系的焦點在于經由進程進修人類的編程邏輯，認識人類思慮和進修的辦法，進而控制解題辦法。
固然，從終極的成就上，咱們也能看出在以后這個階段，這類機器人另有許多成就存在。「咱們如今已知的他會丟分的有也許 70 幾種緣故原由，這些成就都是咱們沒有降服的」，張凱磊說道。此中既有自然語言處置方面的身分，好比體系沒能看懂標題;更多的則是呈現的標題比擬新，汗青上沒有呈現過，是以體系以前也就沒有學過。
從這里咱們也能看出，今朝的這些「高考機器人」還重要處于「自動進修」而非「自我成長」的階段，它今朝重要經由進程從過往的汗青題會合賡續進修，離自我自動解脫人類題集的約束自我成長另有一段間隔。
而假如對此類消息有所懂得的同窗也許會想起也是以做題為目標的人工智能法式 IBM Watson，當咱們問及吳曉如高考機器人與它的差別時，它覺得高考機器人更難的處所重要在兩點：
第一， 在題面的懂得上，跟著一個標題外面繞來繞去的轉折點越來越多，好比數學，假如它要把這個定理繞來繞去，那在題面的懂得上就會很艱苦;
第二， 第二，高考外面好比說數學的一些標題，這些標題是必要看計算機是怎樣去表證一個數學定理的，數學定理之間的邏輯干系究竟是甚么樣?機械必要把這類知識要轉換成計算機可以或許懂得的知識。
固然，這些都不會范圍在數學這一科上，由于數學更多的是根據標記邏輯，以是處置起來絕對輕易一些。但擴展到包含語文、汗青等科目上，就必要詳細包含標題懂得、知識表示、邏輯推理等技巧，如何用人機合作的辦法得到知識?還要讓機械來學會表白。好比作文、閱讀懂得就既必要讀懂文章去懂得標題的意思，同時還必要去懂得響應的知識。
說真的，在最后聽到這個消息的時刻，我也是很不解的：那末多值得你挑釁的范疇，為甚么要選高考?豈非咱們的考生們還不敷慘，還要被機器人也恥辱一番嗎?
不外，在學霸君創始人兼 CEO 張凱磊看來，Aidam 勝負的成果實在并不重要，「我只是盼望經由進程如許的 PK, 讓教導業界懂得到人工智能在教導范疇的利用曾經成長到了甚么水平，人工智能曾經可以或許像人同樣思慮知識點，一步一步輸入進程和謎底。」
科大訊飛公司輪值總裁吳曉如也持有相似的概念，在他看來，讓人工智能去加入測試的重要目標便是要看看機械能達到一個甚么樣的人工智能水平，而跟著后盾海量數據庫的增加，傳統的「圖靈測試」曾經無奈完備權衡人工智能的水平了。而高考是一種很好的，可以或許作為權衡人的知識水平、懂得才能、推理才能等相干智能才能水平的測試對象，以是這個才是他們把高考作為這個名目重要目標的緣故原由。
總結一下便是：高考的本色便是一種測驗辦法，既可以或許用它來測試門生們的進修水平，也能夠或許用來測試人工智能的水平。
「對付 AlphaGo 而言，這次圍棋峰會將是 AlphaGo 加入的末了一場賽事。從如今開始，AlphaGo 的研發團隊將把精神投入到其余嚴重挑釁中，研收回高檔通用算法，為科學家們辦理最繁雜的成就供給贊助，包含找到新的疾病治療辦法、明顯低落動力耗費、創造反動性的新材料等。假如人工智能可以或許在上述范疇創造新的知識和戰略，那在這些范疇的沖破將非常可觀。咱們曾經迫在眉睫地想看到這統統的產生。」
在 5 月 27 日與柯潔的末了一盤棋停止以后，DeepMind 公司結合創始人兼 CEO 戴女士·哈薩比斯(Demis Hassabis)說出了以上那番話。這也許都說明了，不論是圍棋照樣高考，人工智能加入所謂的「人機反抗」的目標都不是要為了彰顯甚么，終極的目標都是要摸索人與機械合作的更大的能夠性。
固然，在高登科幾百人類絕不是這些貿易公司的目標，他們對準的照樣有無限后勁的教導大市場，究竟「窮誰不克不及窮教導」。在張凱磊看來，教導資本不均的本色是優良西席稀缺，而智能教導機器人則是辦理這一成就的無力對象。業內無關人士也覺得，將來 5-10 年，人工智能或將成為教導行業變更最重要的辦理方案。
那它有能夠贊助辦理教導資本散布不均的最大成就嗎?謎底也許是：有能夠，但必要很長很長的光陰。乃至，咱們可以或許說，AI 能不克不及贊助教導資本變得加倍平衡，這不取決于技巧自己，而是應用技巧的人。
從將來的抱負情形看，就像有豐碩履歷的特級西席同樣，AI 也能從門生的答卷敏捷分析出背后的失分緣故原由，若何改良;還能幫助先生疾速控制全班進修進度、有的放矢，讓更多通俗先生也能教出優良的門生，每一個孩子將有機遇沖破時空邊界，接觸到「私家名師」級其余指點，從而辦理資本不均的逆境。
但是這個看上去很美的場景實在也面對很大的挑釁，那便是：本錢。只需它的本錢還不足以讓每一個門生都用上，那就會呈現挑選的機制，而本錢很能夠是此中最大的力氣。會不會在將來呈現的仍然是蓬勃地區經由進程 AI 教授教養加倍蓬勃，而落后地區一直與之無緣呢?
咱們都曉得，在這個國度，咱們曾經不缺技巧了，許多時刻錢也早就夠了，有時刻必要咱們做的能夠是把眼光往低放一放，從嵬峨上的北上廣和 BAT 投向那些更必要咱們贊助的處所。
廣州澳博信息科技有限公司首頁
