6月7日17點，2017年第一日高考結(jié)束，數(shù)學(xué)學(xué)科停筆交卷的鈴聲劃破長空。

北京第八十中學(xué)望京校區(qū)人潮涌動，結(jié)束數(shù)學(xué)廝殺的考生正陸續(xù)走出考場，有歡有悲，神色各異。

也在此時，相隔5公里外的麗都皇冠假日酒店，另一場同樣試題的考試已經(jīng)展開，名為Aidam的人工智能程序，據(jù)稱在200技術(shù)工程師、經(jīng)歷3年研發(fā)、吃下50萬道考題后，開始正式嘗試2017年新課標文科數(shù)學(xué)卷。

為了對照，主辦方教育科技公司學(xué)霸君，還邀請了去年6位各省高考狀元，兩兩組隊組合作為人族代表——又是一場人機大戰(zhàn)吶。

同一時間，相隔千里之外的四川省成都市高新區(qū)，另一場機器答題的活動也已經(jīng)開始。

比起Aidam，這家名為準星云學(xué)科技的成都公司取名更為直接：AI-MATHS，據(jù)說已經(jīng)是一位平均分達90的數(shù)學(xué)答題機手。

唯一不同的是，兩場千里相隔的“機器高考”，學(xué)霸君讓Aidam選擇了聯(lián)網(wǎng)，準星云學(xué)讓AI-MATHS選擇了單機。

人工智能太熱鬧，但凡掏出來搞個“人機大戰(zhàn)”，或許都能搞個大事情。

就在一周前，人類最頂尖的圍棋選手柯潔九段在烏鎮(zhèn)被AlphaGo完敗，所有吃瓜群眾都在問：下一個被完全擊敗的智力領(lǐng)域，在哪里？

全民關(guān)注的高考，成為了學(xué)霸君、成都準星云學(xué)瞄準的熱點。當然，他們還不是全部。

中國范圍內(nèi)，還有更為知名的玩家科大訊飛，這家總部位于合肥的AI公司，之前最為著名的口號是2020年讓AI考上一本。

而且從現(xiàn)在研發(fā)的進展來說，科大訊飛研發(fā)的將是一個“高考文科AI”，他們將進行語文、數(shù)學(xué)、地理和歷史等四門學(xué)科的集中研發(fā)。

更早之前，訊飛還通過論文發(fā)表的形式對外公布，聯(lián)合哈工大進行的英語完形填空和閱讀理解有不錯進展，準確率達70%以上。

值得注意的是，這些高考AI的進展背后，雖有商業(yè)目的的熱點行為，但更關(guān)鍵的是，這也是一次“國家計劃”。

時間回到兩年前。

2015年7月21日，全名為“基于大數(shù)據(jù)的類人智能關(guān)鍵技術(shù)與系統(tǒng)”（簡稱“類人智能”）的國家863計劃項目正式啟動。

項目以科大訊飛為牽頭單位，聯(lián)合清華大學(xué)、中科院自動化所、北京大學(xué)、北京理工大學(xué)等超過30家科研院校和企業(yè)共同負責項目的研發(fā)與實施，主要針對大數(shù)據(jù)所帶來的新的技術(shù)與挑戰(zhàn)，研究相關(guān)類腦計算關(guān)鍵技術(shù)和類人答題系統(tǒng)，希望通過這個項目的實施，研制出能夠參加高考并考取大學(xué)的智能機器人。

明確來說，“高考機器人”是國家863計劃“類人智能”的重要研究目標之一。

而在技術(shù)目標上，這個國家計劃希望能夠在可預(yù)見的將來，通過強化學(xué)習(xí)能力，“高考機器人”不僅可以儲存知識和高考題型，還將具有邏輯推理能力。

此外通過建立模型和算法，可以讓機器在大數(shù)據(jù)中找到數(shù)據(jù)之間的關(guān)系和差異，讓這個模型的結(jié)果和人的表現(xiàn)很接近，甚至在最終結(jié)果上超過人的表現(xiàn)。

實際上，量子位還獲悉，科大訊飛在該計劃中主攻語文、數(shù)學(xué)、歷史和地理四門學(xué)科，而本次在成都開考的“AI-MATHS”也是計劃組成員，只是專攻數(shù)學(xué)而已。

高考AI背后的技術(shù)

不過，或許更加直接的問題是，通過讓機器參加高考，到底可以解決哪些方面的AI問題？又會遭遇哪些技術(shù)挑戰(zhàn)？

量子位得到了科大訊飛輪值總裁吳曉如的回答，他說，人工智能本身就是對人類智能的一種模擬、擴展和延伸，所以拿它去參加測試，也就是要看看機器能達到一個什么樣的人工智能水平。

并且在具體攻關(guān)中，讓機器高考，還具體包括了題目理解、知識表現(xiàn)、邏輯推理等，涉及怎樣用人機互助的方式獲得知識，還有在符號邏輯方面，讓機器來學(xué)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(yīng)的常識。

△ 學(xué)霸君首席科學(xué)家談考試機器人原理

那背后的具體人工智能如何發(fā)揮技術(shù)之力？

學(xué)霸君方面給出的答案是：深度學(xué)習(xí)、專家系統(tǒng)和自然語言理解為核心的復(fù)雜系統(tǒng)。

首先是基于深度神經(jīng)網(wǎng)絡(luò)的句法和語義分析器，實現(xiàn)在大數(shù)據(jù)——海量題庫中不斷強化和擴充訓(xùn)練集。

其次是構(gòu)建模擬器，用來模擬人類世界中的知識圖譜和常識。對于學(xué)霸君來說，具體就是利用K12中數(shù)學(xué)應(yīng)用題數(shù)據(jù)，讓機器模擬“習(xí)”得知識圖譜和常識，逐步提升其對于真實世界的接近程度。

第三是為解題準備的精準推理算法，主要是基于人工智能的專家系統(tǒng)。在該方面，學(xué)霸君的做法是利用資深老師和工程師在7000萬題目之上構(gòu)建了推理引擎和龐雜的知識元——還稱這是機器在所有的解題路徑中探索出的最簡明的一種。

最終，直接展現(xiàn)上來說，就是要模仿人腦的感知、記憶、認知、分析、建立經(jīng)驗知識庫、聯(lián)想、判斷、決策整個過程，可以挑戰(zhàn)中學(xué)框架范圍內(nèi)的所有題目，就是找到數(shù)千萬人類學(xué)霸的解體經(jīng)驗——如同AlphaGo在學(xué)習(xí)人類棋譜后成為圍棋高手。

不過，這其中最大的挑戰(zhàn)來自形式化語言是自動解題，這對于機器是挑戰(zhàn)極大，關(guān)鍵在于“簡明完備”。尤其是涉及到概率等應(yīng)用題，挑戰(zhàn)又上升了幾個數(shù)量級，在知識圖譜基礎(chǔ)上，需要探索出一種兼容句法和語義轉(zhuǎn)化的表示方法，能夠支持代數(shù)、幾何、概率題等。

微軟亞洲研究院還非常具體地解釋過機器在考數(shù)學(xué)方面會遭遇的挑戰(zhàn)：

首先涉及自然語言理解。一方面，對于一道題目的文字描述，計算機需要知道并理解其中包含的概念，對于人類很簡單的概念，對機器卻需要自然語言理解方面的“造詣”。

舉例來說，“一加一等于幾”以及“小明有一個蘋果和一個梨，問小明有幾個水果”，同樣本質(zhì)是“1+1=？”的兩道題，在題型概念上是一樣的，表達方式卻截然不同。計算機需要知道如何把以上兩道問題都抽象成兩個對象相加。

另一方面，機器抽取題目中各個概念變量的關(guān)系也十分具有難度。其次，在一定程度上理解文字之后，數(shù)學(xué)解題需要通過邏輯推理生成解題公式。最后，計算機需要具有一定有關(guān)現(xiàn)實世界的常識去理解自然語言里面一些隱式的指代。

他山之石：AI2

讓人工智能考試這件事，并不只有中國人在研究。

位于美國西雅圖的艾倫人工智能研究所（AI2）成立于2014年，創(chuàng)辦者是微軟的聯(lián)合創(chuàng)始人保羅·艾倫，CEO是知名的人工智能專家Oren Etzioni博士。

目前AI2主要進行四個項目研究。

Aristo（亞里士多）：這是一個結(jié)合了機器閱讀和NLP、文字蘊含和推論、不確定推理、大型語料庫的統(tǒng)計技術(shù)、圖表理解等多項人工智能技術(shù)，開發(fā)而成的第一個有關(guān)科學(xué)的“知識機器”。

Semantic Scholar（語義學(xué)者）：基于NLP、數(shù)據(jù)挖掘、計算機視覺等技術(shù)，構(gòu)建而成的搜索引擎，能幫助科學(xué)家更有效的發(fā)現(xiàn)和回顧研究論文。

Plato（柏拉圖）：聚焦于從圖像和視頻中提取視覺知識，用以豐富傳統(tǒng)上基于文本資源形成的知識庫。

Euclid（歐幾里得）：這個系統(tǒng)試圖在標準化測試（如SAT）中，回答數(shù)學(xué)、幾何方面的問題。幾何問題需要文本和圖表能力的創(chuàng)新及組合。

這其中，Aristo和Euclid跟高考AI有點像，舉例說明。

比方你問Aristo：一年的哪個季節(jié)，兔子的毛皮最厚？

A.秋季 B.春季 C.夏季 D.冬季

Aristo回答：D。如果你查看詳情，Aristo會進一步解釋說，回答的依據(jù)來自Barrons四年級學(xué)習(xí)指南，指南里提到熊的毛皮在冬天最為厚實。所以Aristo推斷兔子也一樣，這個回答的置信度是60.14%。

如果你問Euclid：如果從-5到x的連續(xù)整數(shù)和是13，那么x等于幾？

Euclid回答：7。它對這個題目的拆解思考如下圖所示。

之前獨家采訪圖靈獎得主Raj Reddy時，這位人工智能先驅(qū)曾經(jīng)對量子位談起AI2的研究，因為Etzioni是他的學(xué)生之一。

Reddy說AI2用了生物學(xué)AP（美國大學(xué)預(yù)修課程）教材，構(gòu)建了一套知識系統(tǒng)，準備讓電腦通過AP考試。花了好多時間，還有好多錢，最后發(fā)現(xiàn)行不通。

“在我看來，這個方法根本就是錯的。在搞AP生物知識之前，應(yīng)該先搞明白高中生物；搞中學(xué)生物之前，應(yīng)該先搞明白小學(xué)科學(xué)。Oren去了之后就是這么做的，他們先研究中學(xué)的生物課程，現(xiàn)在已經(jīng)能回答60%的問題。”Reddy說。

關(guān)于Reddy這次采訪，這里是傳送門：《對話圖靈獎得主Raj Reddy》。

爭議：一場炒作？

不過，要做高考答題方面的AlphaGo，聽起來簡單做起來難，不少從業(yè)者覺得當前技術(shù)達不到。

同樣在研發(fā)“高考機器人”的科大訊飛就表示，對于目前的展示方式的權(quán)威性有疑惑，因為就科大訊飛牽頭的863課題來說，人工智能能力通過高考去實現(xiàn)，是有硬指標的。

按照科研的通常做法，以及科技部的要求，需要按照一種完全沒有任何疑義和漏洞的測試方法進行，即這個測試要在完全斷網(wǎng)的狀態(tài)下進行。

其次，要確保在測試之前機器是沒有辦法獲取任何題目相關(guān)內(nèi)容，也就是說需要“同步”進行，而不是考試試題已然公開的情況下。

第三，在整個處理過程中，要有完全可監(jiān)督的第三方，符合公正性。

并且在實際操作中，還必須把整個測試過程的日志，即機器上所輸出的、詳細的中間處理過程全部要輸出來，以便來確認，這是一個完全由機器自動、一步一步求解過來的過程。

質(zhì)疑不只限于操作方式。

相對其他學(xué)科，機器考高考數(shù)學(xué)要“相對”容易一些。一方面，數(shù)學(xué)更多的是依據(jù)符號邏輯，數(shù)學(xué)題目的語言理解相對比較容易，因為相對而言都是一些比較標準化、結(jié)構(gòu)化的描述語言或出題語言，所以機器較好理解。

另一方面，數(shù)學(xué)中很少有“一千個讀者有一千個哈姆雷特”的現(xiàn)象，很多定理、公理和自動證明等，在幾十年前就已經(jīng)有了一系列研究成功，所以目前數(shù)學(xué)方面的進展還算不錯。

但是，最大的難點在于“應(yīng)用題”，因為涉及到常識理解，目前還有較為明顯的短板。

科大訊飛方面還解釋稱，同屬863計劃中“高考機器人”研發(fā)的“AI-MATHS”，除了自身研發(fā)能力，也和電子科技大學(xué)數(shù)學(xué)攻關(guān)組保持對接，目前機器解答數(shù)學(xué)應(yīng)用題方面，因為涉及常識理解的問題，仍是最大挑戰(zhàn)所在。

此外，創(chuàng)新工場人工智能工程院副院長王詠剛，也認為目前的技術(shù)遠未達到可以應(yīng)對高考試卷中各類試題的水平。

這位前Google工程師表示，“高考機器人”需要將機器視覺、自然語言處理、知識圖譜、機器推理、機器閱讀理解等AI方法綜合起來，可以部分解決少數(shù)類型的文科、理科試卷中的試題，但要說能夠應(yīng)對各類試題，甚至還要跟高考狀元等PK，并不現(xiàn)實。

甚至目前的技術(shù)水平，科研層面的檢驗也沒有看到有所突破。

王詠剛介紹稱，在科研領(lǐng)域，一些單獨的計算機解題類任務(wù)，比如閱讀理解，求解代數(shù)題，完形填空，知識問答等，目前都有相對客觀的測試標準，相對完善的數(shù)據(jù)集，比較成熟的評估體系。

所以他認為，如果這一類“高考機器人”采用的AI技術(shù)真的有科研突破層面的意義，那首先應(yīng)該做的不是參加高考，而是在權(quán)威期刊或權(quán)威會議上發(fā)表論文，接受同行評議。

對于類似項目對標AlphaGo，王詠剛覺得應(yīng)該先發(fā)或者同時發(fā)布學(xué)術(shù)論文，通過科研同行評測認可，不然會有商業(yè)炒作嫌疑。

這位創(chuàng)新工場人工智能工程院副院長還認為即便“直播”也不能完全令人信服，比如現(xiàn)在因為保密的原因，機器是在高考結(jié)束后才開始答卷的，而且機器運行時是否有網(wǎng)絡(luò)和物理層面的隔離，也難以證實。

最后，對于機器做出來的試卷如何評判，也需要有相關(guān)標準先定義。

當然，也有人更加直接地表示，這樣的“高考機器人”商業(yè)炒作意義大于實際。

一位人工智能領(lǐng)域的知名CEO告訴量子位，不看好高考機器人，因為讓機器理解題目并不是一件容易的事兒，即便是可能相對有希望的數(shù)學(xué)，在很多題型上讀題難解題更難。

新時代的圖靈測試

當然，雖然吹得有點過，但現(xiàn)在的“機器人高考”也并非全無價值。

首先，最直觀方面肯定是客觀上加速了人工智能的民主化，可以讓更多人了解人工智能在教育領(lǐng)域的應(yīng)用和變革，對于更多機構(gòu)、學(xué)校、老師、家長和學(xué)生，也能夠利用最新進展，幫助提升應(yīng)試能力和效率。

△ 衡水中學(xué)學(xué)生曬練習(xí)題 如果借助AI可能不再會有這么多

比如使機器判卷、個性化指導(dǎo)、個性化作業(yè)、教案改進等變成可能，老師的教學(xué)效率和學(xué)生的學(xué)習(xí)效果都可以得到大幅度提升，從孔子以來就開始追求的教育終極問題——因材施教，將不斷趨近現(xiàn)實。

其次，如牽頭參與“高考機器人”項目的科大訊飛所言，根本目標不是為了這個高考，而是聚集科學(xué)家對一些人工智能問題進行攻關(guān)，產(chǎn)生一批成果，然后在更多領(lǐng)域，比如像機器翻譯這樣涉及語言理解的任務(wù)當中，去應(yīng)用這些成果。

比如同樣的成果就能遷移應(yīng)用到客服系統(tǒng)中，以及車載人機交互系統(tǒng)里。類似的領(lǐng)域都需要讓機器預(yù)先對一些行業(yè)知識擁有理解，同時基于這個理解的結(jié)果，能夠做一些決策判斷、一些相關(guān)問題的回復(fù)。

當然，訊飛方面還向量子位提供了一種此前鮮被提及的意義——圖靈測試。

訊飛研究院院長胡國平介紹說，在傳統(tǒng)歷史上，大家比較多的是以通過“圖靈測試”的方式來進行，讓一個機器和一個參加測試的人坐在一個外部不可見的空間里，然后測試人提出一些問題，由機器和被測試人分別來作答。

作答以后，如果這個提問的人分不清哪個答案是機器作答的、哪個是人作答的時候，我們就覺得這個機器通過了圖靈測試。

但是現(xiàn)在有了新情況，隨著后臺海量數(shù)據(jù)庫的增長，以及一些簡單的規(guī)則和方法運用，傳統(tǒng)的圖靈測試可能正在“過時”。

比如2014年6月，就有報道稱俄羅斯有一些人工智能的軟件已經(jīng)通過了圖靈測試，機器擁有了相當于13歲少年的智力。另外，也有一些其他的人工智能軟件，也在現(xiàn)在數(shù)據(jù)和技術(shù)進展中通過了圖靈測試。

所以圖靈測試之外，該用怎樣的標準衡量最新的人工智能發(fā)展水平？高考是不是有資格？

如果把高考看作衡量人的知識水平、理解能力、推理能力等相關(guān)智能能力水平的測試工具，那顯然借此衡量人工智能的能力，也可以接受。

更何況在“機器學(xué)習(xí)”大行其道的當下，高考作為人類學(xué)校幾十年學(xué)習(xí)之后的選拔，也能對學(xué)習(xí)過程形成參照。

高考人機大戰(zhàn)結(jié)果

最終，從17點開始答題的人工智能Aidam，在聯(lián)網(wǎng)的基礎(chǔ)上，通過云計算，在400臺主服務(wù)器和1000臺輔助服務(wù)器支持下，耗時9分47秒交卷，選做題23題12分得0分，壓軸題得6分，選擇錯2個丟10分，總得分134分。

另外兩兩合力的狀元也在1小時計時后全部交卷，最高分146，最低分119，還有一組得分140，三組平均得分135分，象征性贏得了“人機大戰(zhàn)”勝利。

另一場位于成都高新區(qū)進行的比賽，準星云學(xué)的AI-MATHS，斷網(wǎng)單機，使用了11臺服務(wù)器，對2017年高考北京文科數(shù)學(xué)卷耗時22分鐘，得分105分，對2017年高考文科全國卷II用時10分鐘，得分100分。

來源：  量子位