『壹』 成都準星雲學科技有限公司怎麼樣
簡介：成都準星雲學科技有限公司，是清華大學蘇研院大數據處理中心下設專注於教育領域產品化的高科技企業，在全球范圍內率先實現人工智慧評測。其自主研發的人工智慧評測系統，其實質是智能教育機器人，它集成人工智慧、圖像識別、物聯網、自然語言識別、機器學習、大數據處理以及公有雲等多項前沿技術。
法定代表人：林輝
成立時間：2014-09-19
注冊資本：925.1282萬人民幣
工商注冊號：510109000486543
企業類型：其他有限責任公司
公司地址：中國（四川）自由貿易試驗區成都高新區府城大道西段399號天府新谷5號樓5層
『貳』 高考機器人，是噱頭還是人工智慧教育的崛起
繼AlphaGo與眾多圍棋高手對戰之後，人工智慧挑戰中國高考成為新的熱點：兩款數學高機器人將參加今年的高考，包括由國家科技部 863計劃牽頭研製的機器人 AI-MATHS，以及 K12 在線教育公司學霸君旗下的 Aidam。今天，它們將在斷網環境下做數學高考題。
2011年，IBM 沃森在智力問答競賽中擊敗人類，贏得冠軍，成為人工智慧史上一個里程碑。此後，IBM沃森向醫療、法律等領域拓展，轉型成為智能醫療系統，以及如果高考機器人考上清華北大，也許會成為另一個里程碑。
會思考的高考機器人
與AlphaGo一樣，高考機器人並沒有實體，而是一個能自動解題的人工智慧系統。據介紹，跟以圖像識別和匹配為主的拍照搜題技術不同，通過提前學習和訓練，高考機器人能夠解答從未出現過的新題目，並給出詳細的解題步驟。
圖為日本高考機器人Torobo-kun
為什麼選擇參加高考？日本高考機器人Torobo-kun的研發團隊曾對此作出過解釋，計算機擅長計算，因此，它能夠輕易在專業象棋、將棋等對弈游戲擊敗職業選手，但高考是人類社會的一項高難度測試，對計算機來說，答高考題需不僅僅需要強大的計算能力，更重要的是理解人類的思考過程，以及處理信息的過程。如果通過高考，也代表著人工智慧領域的新突破。
學霸君創始人張凱磊稱，希望通過此次PK展示人工智慧在教育領域的進展，他對這場特殊的高考充滿信心，「在學習了幾千萬道題目之後，機器已經能夠像人一樣思考知識點，並一步一步輸出解題過程，而不是簡單的暴力計算」。
據了解，AI-MATHS學習了小學到高中的 7000多個考點，運算量可達到 2的 800次方，其研發團隊準星雲學的創始人林輝認為，跟 AlphaGo相比，高考機器人的研發難度更大，原因在於，用計算機語言描述圍棋規則相對容易，但研發高考機器人，首先需要讓系統理解人類語言。「比如遇到沒學過的生詞，人類會聯繫上下文去推測詞義，猜對是比較容易的事；而機器人卻會卡殼。」他解釋說。
這正是日本高考機器人Torobo-kun放棄高考的原因。自 2013年起，Torobo-kun每年都會參加日本高考，它的目標是考入東京大學，在此前的多次考試中，其物理成績不錯，但受制於語言處理能力，在其他科目的成績並不理想。日本高考機器人的研發負責人 Noriko Arai教授表示，在目前的技術條件下，考上東大很難，她解釋道：「人工智慧系統無法理解必要的信息，閱讀和理解句子含義的能力存在局限。」接下來，放棄高考的 Torobo-kun會被應用到數據分析領域。
其實，早在高考機器人的概念成為熱門關鍵詞之前，針對各個專業領域知識處理的自動問答系統的研發，全球頂尖的研究機構已經有各類嘗試。比如1984年啟動的塞克(Cyc)工程，其目標是建立一個龐大的人類常識知識庫，用於回答和解決一系列的科學和技術難題。2002年啟動的 Project Halo則是要研發一個科學知識庫，用於回答學生或專業人員提出的復雜科學問題，Project Aristo則致力於解答標准化考試問題。
AI如何自動解題？
自動解題系統是人工智慧領域的前沿性研究，涉及到人工智慧技術的多個領域，包括圖像識別、語音識別、自然語言處理等，據學霸君的首席科學家陳銳鋒介紹，其解題過程涉及到三個步驟：
一是理解和識別人類語言，把題目變成機器人可解碼、可理解的語言，即通過自然語言處理將人類語言轉換為形式語言。
二是邏輯推理，利用計算機的知識語言網路，模擬人類處理信息的方式和策略，找出最佳解題路徑。
三是用人類的語言回答問題，並給出詳細的解題步驟，即將形式語言轉化為自然語言。
其中最大的難點在於讓機器理解人類語言，這也是自動解題系統被公認的核心問題之一：自然語言處理中的語義分析。機器需要首先識別人類的語言，並分析其含義，其中包括各類常識、謎語等隱性的線索，比如數學經典問題雞兔同籠，其隱含條件是雞有兩條腿，兔有四條腿，而計算機可能並不知道這類常識，它更擅長規則下的精確計算，但人類的自然語言並不精確。比如在物理解題過程中，假設忽視物體的大小，以及假設摩擦為零之類的思考方式，計算機並不能理解。
AI-MATHS同樣遇到了這樣的情況，當題目中出現機器人從未「學習」過的生詞，比如投資、理財等，它會由於無法理解而卡住。
另外一點則是邏輯推理能力，不同國家的高考機器人研究團隊發現同一個問題：在不同科目的嘗試中，機器人在文科解題中表現更好。原因在於，理科強調邏輯理解和推理能力，而機器學習在這個領域還未取得重大進展，目前更強調記憶、計算等能力。因此，數學自動解題
高考機器人如何改變教育？
正如研發IBM 沃森並不僅僅是為了參加智力答題競賽，高考機器人也並不是人工智慧系統研發的最終目的。從學術上來講，高考機器人可以檢驗人工智慧在多大程度上能夠模擬人類的思考和理解過程，就實際應用而言，則是要利用技術進一步提升老師和學生教與學的效率與效果。
2014年，科技部啟動 863項目「基於大數據的類人智能關鍵技術與系統」，訊飛研究院副院長王士進表示，三年來取得了很多進展，包括認知推理解題、語文學科自動作文寫作、地理學科基於知識圖譜自動知識抽取的主觀題答題、歷史學科基於深度學習的推理解題、基於 OCR手寫文字識別的多維度智能答題評閱等。
這些技術在教育領域都有其應用場景。
智能助教
可以為學生提供實時答疑服務。IBM Waston在教育領域推出了Jill Watson應用，試圖成為課堂裡面的新助教，負責為學生提供實時反饋和答疑服務。2014年，該應用在喬治亞理工等學校投入使用。經過研究團隊的調試，Jill能達到 97%的正確率。
自動批改、閱卷
藉助圖像識別和語義分析技術的融合，實現主觀題的自動批改以及評分，減輕老師的教學負擔，同時能夠加速在線教學數據的搜集。
自適應教學系統
搜集學生的學習行為數據，基於人工智慧和大數據的技術做出診斷和分析，幫助老師更好地了解學生的學習情況，為其下一步的教學活動提供參考，同時，課後為學生推薦適合的學習材料，在學生遇到困難時為其提供解題思路，以此達到個性化學習的效果。文章來源：機器人家
此外，人工智慧的發展為教育從業者提出了一個新的問題：在人工智慧時代，我們需要什麼樣的教育？日本的Noriko Arai教授表示了自己的擔憂：「一個沒有閱讀和理解能力的機器人，成績居然超過絕大多數高中生，而大多數學生只是填鴨式學習，並沒有真正理解知識，相較而言，AI在記憶方面做得更好，因此我們需要新型的教育。」
『叄』 機器人參加高考的效果怎麼樣
在6月7日高考第一天里，有一位特殊的「考生」開始了它的高考「首秀」。它就是人工智慧機器人「AI-MATHS」。在斷網斷題庫的環境下，AI-MATHS用時22分鍾完成了北京卷文科數學高考題，成績為105分(總分150分)。之後，AI-MATHS挑戰全國二卷數學卷，用時10分鍾，成績為100分(總分150分)。
與此同時，在北京，另一個人工智慧機器人Aidam與6名往屆高考狀元展開了一場「北京卷文科數學」的人機大戰，最終Aidam的成績僅與高考狀元的平均分相差1分。
6名往屆高考狀元1分險勝智能機器人
而與此同時，在北京，一場高考的人機大戰也打響了。
由中小學智能化教育公司「學霸君」自主研發的智能教育機器人Aidam，首次與6名高考理科狀元在北京同台PK，解答2017年高考文科數學試卷。
最終，Aidam僅用9分47秒就答題結束，成績為134分。6名高考狀元的答題時間是55分鍾，成績平均分為135分。
據「學霸君」創始人張凱磊介紹，為了便於展示，Aidam答題放慢了速度，平時每道題完成時間應該在7~15秒。
據了解，「學霸君」投入數年時間，集200多位技術人員之力進行智能教育機器人的研發。資深教師和工程師在7000萬道題目之上構建了推理引擎和龐雜的知識元，機器在所有的解題路徑中探索出最簡明的一種。
『肆』 如何評價國產機器人將參加2017年高考
繼 AlphaGo與眾多圍棋高手對戰之後，人工智慧挑戰中國高考成為新的熱點：兩款數學高機器人參加今年的高考，包括由國家科技部 863計劃牽頭研製的機器人 AI-MATHS，以及 K12 在線教育公司學霸君旗下的 Aidam。
2011年，IBM 沃森在智力問答競賽中擊敗人類，贏得冠軍，成為人工智慧史上一個里程碑。此後，IBM沃森向醫療、法律等領域拓展，轉型成為智能醫療系統，以及如果高考機器人考上清華北大，也許會成為另一個里程碑。
會思考的高考機器人
與 AlphaGo一樣，高考機器人並沒有實體，而是一個能自動解題的人工智慧系統。據介紹，跟以圖像識別和匹配為主的拍照搜題技術不同，通過提前學習和訓練，高考機器人能夠解答從未出現過的新題目，並給出詳細的解題步驟。
為什麼選擇參加高考？日本高考機器人 Torobo-kun的研發團隊曾對此作出過解釋，計算機擅長計算，因此，它能夠輕易在專業象棋、將棋等對弈游戲擊敗職業選手，但高考是人類社會的一項高難度測試，對計算機來說，答高考題需不僅僅需要強大的計算能力，更重要的是理解人類的思考過程，以及處理信息的過程。如果通過高考，也代表著人工智慧領域的新突破。
學霸君創始人張凱磊稱，希望通過此次 PK展示人工智慧在教育領域的進展，他對這場特殊的高考充滿信心，「在學習了幾千萬道題目之後，機器已經能夠像人一樣思考知識點，並一步一步輸出解題過程，而不是簡單的暴力計算」。
據了解，AI-MATHS學習了小學到高中的 7000多個考點，運算量可達到 2的 800次方，其研發團隊準星雲學的創始人林輝認為，跟 AlphaGo相比，高考機器人的研發難度更大，原因在於，用計算機語言描述圍棋規則相對容易，但研發高考機器人，首先需要讓系統理解人類語言。「比如遇到沒學過的生詞，人類會聯繫上下文去推測詞義，猜對是比較容易的事；而機器人卻會卡殼。」他解釋說。
這正是日本高考機器人 Torobo-kun放棄高考的原因。自 2013年起，Torobo-kun每年都會參加日本高考，它的目標是考入東京大學，在此前的多次考試中，其物理成績不錯，但受制於語言處理能力，在其他科目的成績並不理想。日本高考機器人的研發負責人 Noriko Arai教授表示，在目前的技術條件下，考上東大很難，她解釋道：「人工智慧系統無法理解必要的信息，閱讀和理解句子含義的能力存在局限。」接下來，放棄高考的 Torobo-kun會被應用到數據分析領域。
其實，早在高考機器人的概念成為熱門關鍵詞之前，針對各個專業領域知識處理的自動問答系統的研發，全球頂尖的研究機構已經有各類嘗試。比如 1984年啟動的塞克(Cyc)工程，其目標是建立一個龐大的人類常識知識庫，用於回答和解決一系列的科學和技術難題。2002年啟動的 Project Halo則是要研發一個科學知識庫，用於回答學生或專業人員提出的復雜科學問題，Project Aristo則致力於解答標准化考試問題。
AI如何自動解題？
自動解題系統是人工智慧領域的前沿性研究，涉及到人工智慧技術的多個領域，包括圖像識別、語音識別、自然語言處理等，據學霸君的首席科學家陳銳鋒介紹，其解題過程涉及到三個步驟：
一是理解和識別人類語言，把題目變成機器人可解碼、可理解的語言，即通過自然語言處理將人類語言轉換為形式語言。
二是邏輯推理，利用計算機的知識語言網路，模擬人類處理信息的方式和策略，找出最佳解題路徑。
三是用人類的語言回答問題，並給出詳細的解題步驟，即將形式語言轉化為自然語言。
其中最大的難點在於讓機器理解人類語言，這也是自動解題系統被公認的核心問題之一：自然語言處理中的語義分析。機器需要首先識別人類的語言，並分析其含義，其中包括各類常識、謎語等隱性的線索，比如數學經典問題雞兔同籠，其隱含條件是雞有兩條腿，兔有四條腿，而計算機可能並不知道這類常識，它更擅長規則下的精確計算，但人類的自然語言並不精確。比如在物理解題過程中，假設忽視物體的大小，以及假設摩擦為零之類的思考方式，計算機並不能理解。
AI-MATHS同樣遇到了這樣的情況，當題目中出現機器人從未「學習」過的生詞，比如投資、理財等，它會由於無法理解而卡住。
另外一點則是邏輯推理能力，不同國家的高考機器人研究團隊發現同一個問題：在不同科目的嘗試中，機器人在文科解題中表現更好。原因在於，理科強調邏輯理解和推理能力，而機器學習在這個領域還未取得重大進展，目前更強調記憶、計算等能力。因此，數學自動解題
高考機器人如何改變教育？
正如研發 IBM 沃森並不僅僅是為了參加智力答題競賽，高考機器人也並不是人工智慧系統研發的最終目的。從學術上來講，高考機器人可以檢驗人工智慧在多大程度上能夠模擬人類的思考和理解過程，就實際應用而言，則是要利用技術進一步提升老師和學生教與學的效率與效果。
2014年，科技部啟動 863項目「基於大數據的類人智能關鍵技術與系統」，訊飛研究院副院長王士進表示，三年來取得了很多進展，包括認知推理解題、語文學科自動作文寫作、地理學科基於知識圖譜自動知識抽取的主觀題答題、歷史學科基於深度學習的推理解題、基於 OCR手寫文字識別的多維度智能答題評閱等。
這些技術在教育領域都有其應用場景。
智能助教
可以為學生提供實時答疑服務。IBM Waston在教育領域推出了Jill Watson應用，試圖成為課堂裡面的新助教，負責為學生提供實時反饋和答疑服務。2014年，該應用在喬治亞理工等學校投入使用。經過研究團隊的調試，Jill能達到 97%的正確率。
自動批改、閱卷
藉助圖像識別和語義分析技術的融合，實現主觀題的自動批改以及評分，減輕老師的教學負擔，同時能夠加速在線教學數據的搜集。
自適應教學系統
搜集學生的學習行為數據，基於人工智慧和大數據的技術做出診斷和分析，幫助老師更好地了解學生的學習情況，為其下一步的教學活動提供參考，同時，課後為學生推薦適合的學習材料，在學生遇到困難時為其提供解題思路，以此達到個性化學習的效果。
此外，人工智慧的發展為教育從業者提出了一個新的問題：在人工智慧時代，我們需要什麼樣的教育？日本的Noriko Arai教授表示了自己的擔憂：「一個沒有閱讀和理解能力的機器人，成績居然超過絕大多數高中生，而大多數學生只是填鴨式學習，並沒有真正理解知識，相較而言，AI在記憶方面做得更好，因此我們需要新型的教育。」
機器人家上了解到的，望採納，謝謝!