最近浙江電視臺民生新聞節目《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發，有網友大呼：“《1818黃金眼》真是我的快樂之源！”這新聞說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輔導，問英語問故事都對答如流，沒想到一問應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~”
網友爆笑之余驚呼：這究竟是人工智能還是人工智障！
應試AI成研究熱點
其實新聞里這種課業輔導機器人并不具備真正的人工智能，它只能在聯網環境下通過網絡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展中。每年高考前后，都會有很多人工智能應試的新聞出現，AI解題也是人工智能的研究熱點之一：讓人工智能系統解決某一類問題，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學高考機器人“AI-MATHS”，它在公證機構和媒體的見證下，與940萬考生共同參加了2017年高考數學的測試，它分別花了22分鐘和10分鐘做完了北京文科數學全和文科全國數學卷，拿到了105份和100分的高分。
類似的研究在全球范圍內也很盛行。日本國立情報學研究所開發了一個Todai Robot，他們讓機器人挑戰大學試題，目標是2021能夠考上東京大學。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8年級的科學題目。
對人工智能來說
應試做題并不容易
阿爾法狗都戰勝了世界圍棋第一人柯潔，把圍棋這種復雜游戲玩弄于掌心，難道解答幾道應試題還會有難度嗎？
真的有難度。
盡管機器的計算力和數據處理能力都遠超人類，輸入數據后也不會遺忘，如果我們把需要解決的問題通過邏輯推理，抽象成純粹的數學模型并輸入后，那么不管多復雜的問題，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學表達。人類的語言千變萬化，而且還在不斷創新。學生在學習的過程中遇到沒學過的生詞，會聯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還需要具有關于現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？現實恰好相反。目前各個應試AI在理科解題上的表現普遍弱于文科解題。
背后的原因其實也不難理解，機器學習強調的主要是對記憶、計算等相關內容的儲存和運用，邏輯理解和推理方面的技術問題還沒有很好的解決。舉例來說，阿爾法狗憑借大量練習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。
數學解題，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，針對數學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化為純數學問題，即第一步算出每人每小時的生產量，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，大學數學和小學數學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系，這一步驟需要涉及到自然語言理解。
AI做題的應用方向
近年來有很多諸如猿題庫、作業幫這樣的習題解答軟件，該類產品普遍支持如下功能——學生將題目拍照上傳，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上才能提供服務，本質還是檢索和匹配，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“訓練”，精準分析和評判學生的答題。AI技術在這一方向的發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移，發展到對敘事的理解。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，自然語言處理技術與人工智能的未來緊密結合，對這一領域的研究可以從本質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用場景。
