机器人做高考题(数学高考机器人)

　　机器人做高考题(数学高考机器人)、本站经过数据分析整理出机器人做高考题(数学高考机器人)相关信息，仅供参考！

　　 6月7日，高考第一天，915万考生走进考场，面对语文和数学考试。考场周边道路封闭，汽车禁止鸣笛，热情的司机为学生保驾护航……全社会都以极大的热情关注着这场一年一度的“盛会”，因为无数年轻人的生活将被这场考试改变。

　　今年的高考一如既往地备受关注。除了某同学丢准考证的“假新闻”，还有一位特殊的考生引起了媒体的关注。今年，由国家主导的数学高考机器人将步入考场，与考生同场竞技。

　　据机器人网(jqr.com)报道，数学高考机器人AI-MATHS是国家863项目“基于大数据的类人智能关键技术与系统”中的子项目“解决初等数学问题的关键技术与系统”。开发者成都准行云学是电子科技大学在863类人答项目中承担的数学研究组的外部合作单位。

　　科技部863重大项目由著名人工智能企业科大讯飞牵头，是其“超级大脑”计划的重要组成部分。2014年，科大讯飞发布了“讯飞超脑”计划，其核心是让机器从“听和说”向“理解和思考”转变，实现认知智能领域的突破。当时，讯飞董事长刘庆峰曾说“我们的目标是在不久的将来，有人形答题机器人参加高考，考上一个，甚至清华、北大、中科大。”

　　三年后，高考机器人如期站上了高考考场。

　　据悉，6月7日数学考试结束后的18: 28，北京卷文科数学和全国卷文科数学被录入AI-MATHS程序，机器人切断了与外网和题库的连接，只依靠自身的人工智能程序读题、答题和输入答案。考试原定2小时，但机器人答题速度惊人。只花了22分18秒就考完了。经过修正，机器人最终获得了105分和100分。虽然离110的目标还有一段差距，但这位研究员说前几个月的书，这个孩子没有白读。

　　高考机器人的诞生2014年，科大讯飞启动了“超级大脑”计划。作为计划的一部分，讯飞开始研发人形答题机器人，目标是在未来三到五年内让机器人通过高考，并在2020年前考上一中。讯飞此举不仅仅是做一个会考试的机器人。考试作为知识检验的一种形式，既规范又灵活。它侧重于测试交互、知识管理、学习和推理的能力，这是服务机器人目前面临的技术难题。攻克高考机器人难关，教育、医疗等相关领域的机器人将取得重大突破。

　　 AI-MATHS的开发者是成都准星云学科技有限公司.这是一家专注于人工智能和大数据技术在教育领域应用的高科技企业。属于清华大学苏研究院大数据处理中心。

　　 2015年科技部立项时，准星云学凭借过硬的研发实力，一举中标高考机器人数学测试项目，成为数学组的牵头单位。这次中标对于准明星云科学来说是“喜忧参半”。“高兴”是公司有机会参与国家项目，聚集行业顶尖学者，发起人工智能问题研究；“令人担忧”的是，根据讯飞和科技部的计划，高考机器人将于2017年参加考试，这意味着他们的研发时间只有2年。再过700多天，他们将研制出一个完全具备18岁文科生的数学理解、逻辑思维和计算能力的机器人。难度和压力可想而知

　　经过不懈的开发，今年年初，数学高考机器人AI-MATHS正式与公众见面，而语文高考机器人和文学综合高考机器人却不幸缺席。2016年，准星云学曾表示，机器人将参加2017年文科高考。在全封闭的环境下，有监考老师和公证员，他们会和全国文科考生考试，交卷，争取考上一个。但就目前的消息来看，机器人参加这两项考试还为时过早。

　　高考热身前几天，AlphaGo升级高手在乌镇迎战柯洁，以3: 0的比分击败人类棋手，真正站在了围棋世界之巅。社会对人工智能的恐惧还未消散，一波未平一波又起。人工智能又要挑战高考了。这一次，它的竞争对手是普通学生。人工智能真的无敌无敌吗？

　　事实上，人工智能数学不是凭空产生的。早在今年年初，它就已经和毕业班的学生一起“学习”了考试技巧。2月23日，成都石狮天府中学高三文科班的43名学生迎来了一场“人机大战”，他们的对手是AI-MATHS。这也是高考机器人三年来第一次与学生对抗。

　　两个小时后考试结束，双方成绩出炉43名学生平均106，而高考机器人只考了93分，——刚刚及格。根据研究人员事后的解释，虽然AI-MATHS从小学到高中研究了7000多个考点，“计算量可以达到2的800次方”，但在遇到有常识描述的应用数学题时，机器人看不懂题，只能猜测，这就大大降低了它的准确性。

　　 3月初，来自全国10所高校和科研院所的20多位专家对AI-MATHS进行了中期测试。根据高考机器人的研发进度，本次试卷总分120分。根据文科高考的水平和方式，监察组有两套密卷。考试结束后，高考机器人分别考了86分和87分。虽然这个分数离“高分”标准还很远，但它代表了中国的先进水平，代表了中国人工智能技术的高度。，AI-MATHS顺利通过了测试。

　　经过三年的研发，日本考试机器人AI-MATHS终于站上了考场。放眼全球可以发现，高考机器人并非中国原创，一直是美国和日本人工智能机构的重点努力方向。

　　 2011年，日本国立信息学研究所开始开发面向测试的AI机器人Torobo。这个项目叫做东大机器人项目，目标是在2021年通过日本顶尖大学东京大学的入学考试。这意味着届时人工智能技术将能够被任何一所日本大学录取。

　　机器人托罗博

　　遗憾的是，托罗博从2013年开始就屡屡失败，考上东大对它来说似乎是奢望。日本高考总分950。2013年和2014年，托罗博的表现惨淡，成了全世界媒体的笑话。到2015年，Torobo取得了511分的历史高分，而日本学生的平均分是416分，这意味着机器人可以就读全日本441所私立大学和33所国立大学。2016年，Torobo考了525分，超过了80%的人类学生，但与上一年相比进步太小，距离进入日本顶尖的东京大学还有很大差距。

　　 2016年托罗博考试成绩

　　复读了这么多年，还是考不上，东大的科研人员都泄气了。现在，Torobo已经退出高考机器人行列，转战数据分析领域。它的下一个计划是帮助工业机器人提高生产效率。据悉，托罗博在参加考试前英语水平很差，但在各科表现很好

　　 AI2手下主要有四个研究项目亚里士多德、语义学者、柏拉图和欧几里德。Aristo是旗舰项目，其目标是设计一个能够通过美国科学考试(4级、8级、12级)的人工智能程序。这个项目的难点是人工智能如何基于知识点提取来模拟学科知识框架体系，因为与“阅读”课本相比，通过构建知识树来学习知识点是一种更有效的方式，而且可以避免各种隐喻性的语言和语境。

　　欧几里德项目重点解决数学语言和几何图形的理解问题，涉及图表理解和NLP(自然语言处理)技术；柏拉图研究机器视觉和图像技术，AI2希望建立一个由静态图像信息组成的数据库。语义学者研究的是词语提取和关键词抓取，主要服务于文献检索。

　　这三个项目以Aristo为核心，为考试机器人提供各方面的技术支持。据机器人网(jqr.com)报道，Aristo的前身是总部位于西雅图的人工智能公司Vulcan的项目Halo。早在1989年，保罗艾伦就投资了Vulcan，用于管理自己的私有财产，迎接各种尖端技术的挑战。

　　图1左边是试题，右边是解题思路和正确答案。

　　 2图中哪一张图正确的表现了植物吸水养料的循环？

　　 2015年，AI2对阿里斯托尔进行了一次测试。研究人员选取了纽约的一篇科学论文，内容涉及生物、数学和几何，问题复杂多样，包括演示题、图表题、选择题(单项选择/多项选择)等等。测试的结果令人失望。阿里斯托尔没有通过所有的测试。据悉，在非图表的选择题上，Aristo的正确率为75%(四年级)，63%(八年级)，41%(十二年级)。可见，机器人在面对更高等级的需要结合知识点回答的问题时，面临的挑战更大。而低年级的试题，大多对知识点比较肤浅，所以大部分已经收录到数据库里了。

　　阿里斯托尔在图表题上的表现也很有研究意义。面对如图2所示的图表型选择题时，机器人的正确率高达70%；当它遇到图1这样的问题，需要把一个图转化成一个代数方程时，它的准确率会下降到49%。

　　像人工智能数学的R&D团队一样，AI2开发测试机器人不是为了娱乐。如果Aristo通过了标准化入学考试，是否意味着机器人变得更聪明了？AI2的回答是不一定。在这个项目中，最关键的问题是知识的呈现如何将教科书中的所有内容呈现出来，让机器人能够阅读、理解和应用这些知识。测试结果表明，机器人更擅长运行面向过程的程序，但它仍然过于依赖已经设置好的程序。虽然机器人失败了，但对人工智能的研究意义重大。Aristo的失败伴随着进步，为量化距离，真正实现智能差距提供了数据。虽然Aristo至今未能通过考试，但它近年来一直在不断地为学术界带来技术突破。

　　机器人“通过”逻辑测试作为一种标准化的测试手段，可以客观地测试机器人解决问题、理解语言和完成复杂任务的能力。但对于人类来说，这些能力只是基本能力。人工智能要成为“人”，要建立“自我、本我、超我”的意识。这是更高层次的要求，也是更艰巨的挑战。2015年，纽约伦斯勒理工学院为机器人安排了一场特殊的“测试”。在这个测试中，机器人要面对如何认识自己。

　　纽约伦斯勒理工学院的教授Selmer Bringsjord和他的团队领导了这次考试。研究人员对三个NAO机器人进行了逻辑测试。理论上，只有人类才能回答这样的问题。测试的问题是一个“智者”的经典难题一次，一个国王召集了三个智者，让他们就谁是最聪明的人进行比赛。他给他们每人戴上一顶帽子，并给了一个提示游戏是公平的；你头上的帽子是蓝色或白色的；第一个正确判断帽子颜色的人获胜。人只能看到别人的帽子，看不到自己的。

　　这个测试其实很简单。如果竞争是公平的，三个人头上的帽子必须是同一个颜色。聪明人答出别人头顶帽子的颜色就能赢。机器人版的“帽子问题”改变了测试形式。三个NAO机器人被编程为能够识别其中两个已经收到了“沉默”指令，也就是说，它们不能说话。，机器人没有自我意识。他们无法判断“我”是什么，也不知道“你”和“他”是什么。

　　但在测试过程中，当研究人员问机器人“谁没有被要求禁止说话”时，意想不到的一幕发生了。一个机器人起身回答“不知道。”然后它补充道“现在我知道了，我就是那个人。”

　　要通过这项测试，机器人必须了解测试规则，听到自己的声音，并意识到自己和其他机器人是独立的个体。这个NAO采用了一种“数学上可验证的自我意识”。虽然它可能并不真正理解作为一个独立的个体意味着什么，但这种在人格上的分辨能力比解决问题的技术能力更有资格让人类感到可怕。

　　智能机器人

　　人工智能面临的挑战近年来，人工智能机器人的发展可谓迅猛。虽然各国研制的这些机器人还没有达到“及格”的目标，但在几年内就可以达到人类的一般水平，并且在某些领域有所超越。我们应该害怕人工智能吗？人工智能真的能在几年内颠覆教学体系，让人类考生望洋兴叹吗？

　　答案显然是否定的，对待人工智能，无论是乐观、消极还是害怕……这一切都有“自我催眠”的嫌疑。不可否认，现阶段人工智能的发展很大程度上是基于超级计算机技术和大数据处理，真正的智能技术还处于发展阶段。

　　英国布朗大学助理教授斯蒂芬妮特莱克斯认为，就3D图像处理技术而言，数据缺乏是全世界学者遇到的最大问题。目前学术界甚至还没有建立起足够大的数据集。，人工智能的另一项关键技术NLP发展了几十年，却一直处于尴尬的停滞期，多年来一直没有合理有效的解决方案。

　　，人工智能面临的困难还是很多的。就问题解决而言，它遇到的最大问题主要有以下四个

　　因果关系。人类可以通过学习新知识来不断更新过去、现在和未来的知识，这比Siri和Wolfram Alpha处理信息的方式要复杂得多。

　　知识的不确定性。布尔运算只能告诉我们结果是“真”还是“假”，但大部分知识是不确定的，比如“较大的车通常每公里油耗较高”，这是不准确的，无法通过准确的描述来判断。

　　处理矛盾。人类的大脑懂得求同存异，能够基于更高的框架提取有用的信息，所以人类的观点往往不同，但都是有道理的。

　　理解语言和语境中的各种隐喻。隐喻不仅是一种修辞手段，而且更能体现人类的思维和认知方式。人们可以从两个看似不相关但有联系的物体/意义中推导出代表相似性的第三个物体/意义，比如对牛弹琴，这是目前人工智能很难做到的。

　　更多关于机器人做高考题(数学高考机器人)的请关注本站。