侵权投诉
技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
当前位置:

OFweek智能硬件网

人工智能

正文

AI挑战高考 能否从940万考生中脱颖而出?

导读: 今年5月,柯洁大战AlphaGo的新闻在国内引起了一阵哗然,人们的关注点一再聚焦于人工智能。如今人工智能已经进入发展与应用阶段,谷歌研发的AlphaGo聚焦于围棋领域;放眼国内的人工智能企业将在教育领域发起挑战。

今年5月,柯洁大战AlphaGo的新闻在国内引起了一阵哗然,人们的关注点一再聚焦于人工智能。如今人工智能已经进入发展与应用阶段,谷歌研发的AlphaGo聚焦于围棋领域;放眼国内的人工智能企业将在教育领域发起挑战。

“准星数学高考机器人” AI-MATHS,将在公证机构和媒体的见证下,与940万考生共同参加今年的高考,挑战2017年高考数学题。

AI-MATH的创始人林辉表示这款机器人是根据清华大学的数据、人工智能、自然语言识别等技术研发的以自动解题技术为核心的人工智能系统。这次考试将在7日高考数学结束后,通过输入电子版试卷,然后机器人通过内部服务器计算,显示答题结果,并且在挑战当天,在两小时内考完多份答卷,然后交由老师批改试卷。

其实除了中国之外,日本也有类似的项目。2011年,日本国立信息研究所开始了“人造大脑项目”,他们希望研制出一款人工智能,可以挑战东京的大学入学考试,并定下目标:2021年之前考进东京大学。

AI-MATHS,模拟考成绩不理想,高考目标突破110

今年2月份,处于“备考”状态的AI-MATHS仅靠100套试题的训练量,取得了93分的成绩(满分150分)低于该次学生平均分106分。试后,为了训练AI-MATHS的答题速度,团队加大了题量,目前AI-MATHS已有500套试题的积累。据悉,挑战当天,AI-MATHS将在2小时内同时作答多份高考试题,其目标是110分。

所以机器人在学习的能力上比较突出,但是目前技术也存在一些问题。在研发团队对AI-MATHS的升级中还是有BUG需要不断改进,比如AI-MATHS对常识的理解能力较低,很多时候读不懂题目只能靠猜。

AI做题的最大难点在于准确理解题干意思

以人工智能参赛围棋举例,用计算机语言描述围棋规则相对容易,难在要让系统在极短时间内算出每次落子后的几十步甚至几百步的不同局面。而研发人工智能用于参加高考的最大的难点在于,要让系统准确理解人类语言,准确理解了题干意思后面的解题步骤反而容易。

人类的语言千变万化,而且还在不断创新,几乎是学不完的。学生在学习的过程中遇到没学过的生词,会联系上下文去推测词义,但这一点对于人工智能而言相当困难。比如,正切(tangent)的缩写,AI-MATHS团队在训练它时用的题都是tan,但如果题目中的tan替换成tg的话,AI-MATHS就无法正确识别了。

对此,研发团队除了让AI-MATHS练更多题,让它理解更多词汇的意思外,还对系统的答题程序设置进行了一些修改,让它在不能给出完整答案的情况下,也给出部分答案,争取“步骤分”。

难道也要死记硬背?人工智能到底怎么学习?

当小编得知AI 即将参加考试的时候,突然想起那些年被高考支配的恐惧。单词、公式、文言文,每天都是写写写、背背背,提起高考就不寒而栗。但其实人工智能和人类学习的方法完全不同,它到底是怎样学习的呢?

AI怎样实现自我学习?

根据国外作者Michael Copeland的观点,他提出机器学习最基本的做法是使用算法来解析数据、并从中学习,然后对真实世界中的时间做出判断、决策和预测。与传统的编码程序不同,机器学习是通过大量的数据来进行学习的,通过算法从数据中学习如何完成任务。

机器学习最成功的应用领域是计算机视觉,这项工程也需要大量的手工编码来完成,需要人工为人工智能编写分类器、边缘检测滤波器,以便让程序感知外物,识别物体从哪里开始,到哪里结束。比如,通过编写程序形状检测程序来判断外界物体是不是五边形;通过写分类器来识别交通指示牌上的“S-T-O-P”。

但是目前实现“强人工智能”的技术还尚未完善,如果外部条件不够好,人工智能就无法有效执行任务,比如遇到云雾天,标志牌变得不是那么清晰,或者被树遮挡的话,算法就难以成功了。这就是为什么,计算机视觉的性能一直无法接近到人的能力,因为其推算结果太容易受到外界影响。

在最开始的 1950 年代,人工智能的发展紧紧围绕着思考机器和焦点人物比如艾伦·图灵、冯·诺伊曼,迎来了其第一次春天。经过数十年的繁荣与衰败,以及难以置信的高期望,人工智能及其先驱们再次携手来到一个新境界。现在,人工智能正展现着其真正的潜力,深度学习、认知计算等新技术不断涌现,且不乏应用指向。

应用于教育场景的人工智能不是一个实体,而是一个以深度学习、专家系统和自然语言理解为核心的复杂系统。人工智能虽然在运算、推理、存储等方面都具备超强的能力,但突破在于具备了自我深度学习、自我优化能力。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,除OFweek官方账号外,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

X
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: