最近浙江电视台民生新闻节目《1818黄金眼》在微博上火了，3分多钟的新闻视频获得了近两万次转发，有网友大呼：“《1818黄金眼》真是我的快乐之源！”这新闻说的是宋师傅给孙子买了一台叫“好帅二蛋”的智能机器人给孙子做课业辅导，问英语问故事都对答如流，没想到一问应用题二蛋就开始卖萌：“不想回答的问题不回答，我是隐形人，听不见听不见~”
网友爆笑之余惊呼：这究竟是人工智能还是人工智障！
应试AI成研究热点
其实新闻里这种课业辅导机器人并不具备真正的人工智能，它只能在联网环境下通过网络搜索获得客观题的问题答案，一旦涉及主观题，就两眼一瞪只能耍赖了。
真正用于做题的人工智能其实也在如火如荼的发展中。每年高考前后，都会有很多人工智能应试的新闻出现，AI解题也是人工智能的研究热点之一：让人工智能系统解决某一类问题，从而衡量智能化水平。
以2018年北京高考作文为例，高考机器人“Champion”与著名青年作家张一一以此为题进行了一场比试，曾参加过高考作文阅卷的专家给Champion的作文打了100分的满分，而作家张一一的高考作文仅获85分。
另一个例子是准星数学高考机器人“AI-MATHS”，它在公证机构和媒体的见证下，与940万考生共同参加了2017年高考数学的测试，它分别花了22分钟和10分钟做完了北京文科数学全和文科全国数学卷，拿到了105份和100分的高分。
类似的研究在全球范围内也很盛行。日本国立情报学研究所开发了一个Todai Robot，他们让机器人挑战大学试题，目标是2021能够考上东京大学。艾伦人工智能研究所(Allen Institute for Artificial Intelligence) 也举办了一项比赛，来自全世界的几千个团队纷纷提交了自己的AI程序来挑战8年级的科学题目。
对人工智能来说
应试做题并不容易
阿尔法狗都战胜了世界围棋第一人柯洁，把围棋这种复杂游戏玩弄于掌心，难道解答几道应试题还会有难度吗？
真的有难度。
尽管机器的计算力和数据处理能力都远超人类，输入数据后也不会遗忘，如果我们把需要解决的问题通过逻辑推理，抽象成纯粹的数学模型并输入后，那么不管多复杂的问题，人工智能算法都能够完美的解决。
但是，读题对AI来说是很困难的事情。答题之前，AI需要正确理解题目的文字描述以获得精准的数学表达。人类的语言千变万化，而且还在不断创新。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。此外，AI还需要具有关于现实世界的常识以约束和简化题目文本。
这么说来，AI做理科题目一定胜过做文科题目咯？现实恰好相反。目前各个应试AI在理科解题上的表现普遍弱于文科解题。
背后的原因其实也不难理解，机器学习强调的主要是对记忆、计算等相关内容的储存和运用，逻辑理解和推理方面的技术问题还没有很好的解决。举例来说，阿尔法狗凭借大量练习的记忆知道这么下棋能赢，但它不知道这么下的逻辑是什么。
数学解题，作为理科考试的一部分，十分考验计算机的理解能力和推理能力，针对数学解题的研究成果非常有可能定义计算机智能的新层次。
举个简单的例子，“做一种零件，8人0.5小时完成64个，照这样计算，3小时要完成144个零件，需要多少个工人？”如果我们通过逻辑将其转化为纯数学问题，即第一步算出每人每小时的生产量，然后在算出第二步需要多少个工人，就可以算出最后的答案。
从计算难度来说，大学数学和小学数学对人工智能来说没什么差别。真正的难点在于，如何从这样的一段题干中识别并理解其中包含的概念，并抽取其中概念变量的关系，这一步骤需要涉及到自然语言理解。
AI做题的应用方向
近年来有很多诸如猿题库、作业帮这样的习题解答软件，该类产品普遍支持如下功能——学生将题目拍照上传，软件即可识别题目并给出答案和解题思路。
这类软件的产品逻辑和文章开头的“好帅二蛋”机器人差别不大，都是建立在平台拥有庞大题库的基础上才能提供服务，本质还是检索和匹配，无法主动对题目进行分析理解。如果答题AI能取得技术突破，对此类软件会有巨大提升。
除了答题，这类AI还能判卷。ETS此前曾实验利用AI技术取代判卷官，成功批阅了GRE和SAT写作答题，证明AI可以通过“训练”，精准分析和评判学生的答题。AI技术在这一方向的发展能够有效提升判卷效率，减少阅卷成本，并显著提升判卷公平性。
目前自然语言处理研究，逐渐从词汇成分的语义转移，发展到对叙事的理解。事实上，人类水平的自然语言处理，是一个非常艰深的技术难题，它相当于使AI完完全全像人类一样聪明，有一点通过图灵测试的意思。因此，自然语言处理技术与人工智能的未来紧密结合，对这一领域的研究可以从本质上提高人工智能的智能程度，AI做题正是非常合适的测试和应用场景。
