學(xué)霸君研發(fā)的高考機器人 Aidam

6月7日，學(xué)霸君研發(fā)的高考機器人 Aidam 挑戰(zhàn)全國卷二文科數(shù)學(xué)卷，用時 9 分 47 秒，取得 134 分的成績（滿分 150 分），表現(xiàn)非常驚艷。

在擁有了如此亮眼成績之后，AI 未來到底是霸權(quán)力量還是水和電這樣的基礎(chǔ)設(shè)施？學(xué)霸君在擁有了挑戰(zhàn)高考的 AI 能力之后，是否愿意把 Aidam 的技術(shù)算力開放給教育行業(yè)呢？

在完成了 AI 高考的當(dāng)晚，學(xué)霸君創(chuàng)始人張凱磊在第一時間接受了藍(lán)象的獨家專訪，表示將逐漸把手寫識別的能力、自動解題能力、自動批改能力開放出來，支持更多創(chuàng)業(yè)者進(jìn)入教育科技領(lǐng)域。

作為藍(lán)象營的行業(yè)顧問，張凱磊尤其強調(diào)到，未來學(xué)霸君的所有合作都會通過藍(lán)象資本開放。教育行業(yè)未來的發(fā)展需要技術(shù)、認(rèn)知與資本的增量與共享。藍(lán)象資本也將與學(xué)霸君一起，為行業(yè)提供底層發(fā)展所需要的 AI 算法與算力、資本加速、行業(yè)認(rèn)知與資源。

以下為部分分享干貨整理：

1、這次 Aidam 的失分點在哪里？

張凱磊：失分點一個是沒有理解題目，一個是超出了系統(tǒng)可以理解的范圍。計算機還是有很多缺陷的，他有時不能理解題目本身是什么，有時不能緊緊抓住信息重點，難以把握題目的要旨。

2、Aidam 如何讀試卷？Aidam 解題的步驟是什么樣的？

張凱磊：讀試卷的關(guān)鍵點是把自然語言翻譯成機器能理解的形式語言。這個是非常難、很具有挑戰(zhàn)性的事情。假設(shè)一段語言包含一千維度的熵，這個熵是最小維度的信息。機器真正需要做的事情是把里面有效的熵傳遞出去，而把無效的熵省略。這個非常的難。

準(zhǔn)確傳遞信息是整個技術(shù)期里面最難的部分之一，需要不多一毫，不少一絲。

學(xué)霸君用的是 SVO 模型，當(dāng) SVO 模型工作的時候，就是在傳遞一個最小可用的信息模型。傳遞過后再進(jìn)行符號計算和邏輯推理。我們向計算機內(nèi)輸入公理、定理，跟經(jīng)典題目形成一系列的計算規(guī)則。然后快速做搜索，窮盡計算規(guī)則，看它能不能解出來。這兩部分是計算機相對而言比較擅長的。最后，它會把形式語言變成自然語言輸出，讓人能讀懂步驟。

簡單而言包含三個步驟：自然語言翻譯成形式語言，形式語言做邏輯計算，邏輯計算翻譯成自然語言。這是自動解題的核心邏輯。

3、從算法來說  Aidam 用了多少數(shù)據(jù)訓(xùn)練，這需要多大的計算量呢？

張凱磊：我們有400臺至強十二核 64G 內(nèi)存的服務(wù)器加上1000臺左右的輔助服務(wù)器，這400臺基本都是 Tesla，容量很大。一個Aidam 的背后大概有7個引擎，代數(shù)和幾何使用的是完全不同的引擎，從算法、邏輯到推理全都不一樣，技術(shù)上難度很大。

數(shù)學(xué)公式非常重要的是需要翻譯成 LaTex   ，通過 LaTex  進(jìn)行閱讀理解和輸出。Aidam 每天訓(xùn)練30萬道到50萬道題目， 訓(xùn)練時間基本是全天的。但是因為白天有大量的中斷性測試，所以晚上訓(xùn)練的時間更長。

4、這次 Aidam 是參加數(shù)學(xué)考試的，當(dāng)初我們?yōu)槭裁催x擇數(shù)學(xué)？如果語文、英語等科目考試，預(yù)計可以考多少分？

張凱磊：一千個人眼里有一千個哈姆雷特，但是這個世界上只有一個勾股定理。如果今天做一個語文賞析，這道題目要評3分還是8分，都是有爭議的。但是數(shù)學(xué)的邏輯很清晰，對就是對，錯就是錯，很難有一個隨意改變分?jǐn)?shù)的場景，比較公正。

我們在語文和英語方面有積累，但是因為瞄準(zhǔn)的目標(biāo)是數(shù)理化，文科方面還比較弱。按照之前的測試結(jié)果，語文跟英語只有不到一百分的水平。

5、Aidam 參加高考對學(xué)霸君的意義是什么？

張凱磊：我們希望通過這個活動告訴業(yè)界，今天的人工智能已經(jīng)做到一種什么程度了。他能不能做自動解題，能不能做自動批改，能不能做自動推薦。

高考機器人是人工智能在教育領(lǐng)域的一個樞紐點，它模仿人腦的感知、記憶、認(rèn)知、分析、建立經(jīng)驗知識庫、聯(lián)想、判斷、決策，還結(jié)合了跨學(xué)科、跨領(lǐng)域的知識研究，一旦做好之后，用機器人進(jìn)行判題、個性化指導(dǎo)、學(xué)生管理、家校溝通、教案改進(jìn)都變成可能。

6、自動批改對于客觀題很好理解，但是主觀題中每個人的字跡都不同，機器的手寫識別能力如何呢？

目前我們在手寫識別方面識別率已經(jīng)超過 98.7%，建立了超過7萬人左右的個性化書寫庫，到達(dá)了接近于商業(yè)可用的程度。

7、Aidam 能夠勝任一些更高難度的數(shù)學(xué)問題甚至數(shù)學(xué)界的一些前沿問題嗎？

張凱磊：沒有辦法做到更前沿的問題。它是在一個有限額范圍內(nèi)的搜索行為，并不能協(xié)助人類去探索更多的東西，這是今天的機器還不能做到的事情。

8、藍(lán)象資本專注投資教育早期項目。您作為藍(lán)象資本的行業(yè)顧問，會以某種形式開放計算能力，與教育行業(yè)內(nèi)的創(chuàng)業(yè)者一起合作嗎？

張凱磊：會的。我們會逐漸把手寫識別的能力、自動解題能力、自動批改能力開放出來，歡迎更多的人來做這些事情。今年我們與皖新傳媒合作，能夠鋪很多班級，積累出大量數(shù)據(jù)。

學(xué)霸君在 OCR 層面已經(jīng)做了大量的事情，未來還會持續(xù)做。我們希望自己可以成為全球范圍內(nèi)真正把 OCR，包括印刷體、手寫體做到頂尖水平的載體。

本文轉(zhuǎn)載自藍(lán)象營。