“當(dāng)學(xué)生的時候最煩考試，沒想到工作后幾乎天天跟考試打交道?！辈稍L剛開始，科大訊飛考試業(yè)務(wù)線工程師張凱自己先笑了。此時，他正在機場等飛機，與記者的談話不時被“某某航班即將起飛”的背景音淹沒，飛來飛去，甚至將所有工作塞滿24小時，這是人工智能領(lǐng)域工程師的日常。他說：“能從事人工智能輔助閱卷系統(tǒng)的研發(fā)，我很驕傲。我希望用這套系統(tǒng)，為更多老師減負(fù)，打出最準(zhǔn)確的分?jǐn)?shù)，讓每一名學(xué)生都體會到教育的公平公正。”

　　人工智能輔助閱卷系統(tǒng)從2016年開始啟動實驗，至今已經(jīng)在安徽省、江蘇省、河南省等14個省份投入使用。去年，北京的一些重要考試也試點應(yīng)用了人工智能輔助閱卷。這套系統(tǒng)還進(jìn)入學(xué)校，成為“智慧教室”的標(biāo)配。六七年間，這套“智慧”的系統(tǒng)已經(jīng)獲得了十余個自有知識產(chǎn)權(quán)專利，涉及中英文類手寫體識別、測評等方面。

　　主觀題智能評分技術(shù)研究 人工算法必不敢省人工

　　“最早判卷是靠一支紅筆，但是面對海量的試卷和有限的閱卷時間，閱卷老師難免會出現(xiàn)紕漏。然而每一場考試對于學(xué)生而言，都可能是一次命運的轉(zhuǎn)折，所以閱卷的公平性至關(guān)重要。比如中考、高考、研究生考試，還有四六級考試、托福考試……我們管這些叫高利害考試。”張凱自稱是教育領(lǐng)域的外行，但是經(jīng)年累月和老師們打交道，張口閉口就會帶出教育領(lǐng)域的專有名詞，說起考試更是侃侃而談，“上世紀(jì)八十年代，技術(shù)實現(xiàn)了客觀題閱卷機械化，利用光學(xué)掃描和石墨感應(yīng)技術(shù)，光標(biāo)閱讀機可以識別答題卡上的客觀題答案，自動給考生批閱核分，老師只需要用筆判卷子上的主觀題。進(jìn)入新世紀(jì)前后，高速掃描儀可以掃描整張試卷了，客觀題由計算機出分，閱卷老師可以在網(wǎng)上無紙化、零接觸批閱卷子里的主觀題，而且一張試卷同時雙評、多評，還有仲裁都可以實現(xiàn)了。”

　　2016年3月，科大訊飛與教育部考試中心簽署合作協(xié)議，宣布共建聯(lián)合實驗室。當(dāng)時給實驗室制定的工作目標(biāo)是：以考試信息化推動考試現(xiàn)代化，探索信息技術(shù)和人工智能技術(shù)解決大規(guī)模教育考試的難點問題，拓展教育考試服務(wù)功能，探索教育考試評價的新方法和新機制，開拓人工智能技術(shù)產(chǎn)業(yè)化的新領(lǐng)域。

　　編程、開發(fā)系統(tǒng)，這些對于張凱和同事們而言屬于常規(guī)操作，真正讓他們犯難的是“講明白”這套系統(tǒng)。最簡單的辦法是，讓這位“智能閱卷官”拿出好成績。這個成績分兩部分：一部分是閱卷準(zhǔn)確率要高，一部分是耐力分要高。

　　在開始正式研發(fā)前，張凱和同事們做了一次調(diào)研，希望摸清全國考試的家底兒，“考試種類多，數(shù)量龐大，閱卷量很大。以河南省為例，僅是高考每年就有百萬級的考生參加，這意味著上千萬甚至更多的題目批閱量。而且考試出分的時間又非常緊湊，如果輔助智能閱卷系統(tǒng)不能保證長時間高強度工作，就不能算合格。”

　　第一次“試崗”經(jīng)歷，讓張凱記憶猶新。“三個大小伙子，輪番盯著系統(tǒng)干活兒，排好班，目不轉(zhuǎn)睛地盯著?！碑?dāng)初的辛苦如今在工程師嘴里成了小笑話，“當(dāng)時實驗室剛成立幾個月，智能評卷系統(tǒng)安裝在計算機上可以出分了。我們就做了一次效果驗證。剛開始，系統(tǒng)鬧‘脾氣’，明明設(shè)定了24小時工作運算時間，不盯著就‘偷懶’，我和倆同事一個人盯8小時，加了一層人工崗，保障它的穩(wěn)定性?！?/p>

　　一次次的更新，一次次的試錯，到2018年，智能閱卷系統(tǒng)可以實現(xiàn)連續(xù)運算1個月，不打瞌睡。

　　2021年，智能評卷系統(tǒng)參與了國家義務(wù)教育質(zhì)量監(jiān)測。這項監(jiān)測被業(yè)內(nèi)形象地比喻成對九年義務(wù)教育質(zhì)量的一次“體檢”，要對我國義務(wù)教育階段學(xué)生德智體美勞和學(xué)校教育教學(xué)等狀況進(jìn)行客觀評價，引導(dǎo)社會樹立正確的教育質(zhì)量觀，促進(jìn)學(xué)生身心健康發(fā)展。

　　大，是這次監(jiān)測最大的特點?？忌鷶?shù)量大，約57萬人，待閱答題卡數(shù)量達(dá)到1440萬份左右。搭建卷庫、掃描設(shè)備、服務(wù)器，設(shè)置數(shù)據(jù)處理區(qū)、監(jiān)控安保，各種技術(shù)人員和相關(guān)工作人員緊密配合，一系列工作有條不紊地推進(jìn)。

　　人工算法必不敢省人工，但曾經(jīng)的“人工盯梢崗”悄然消失了。更多的人力用在了技術(shù)升級上。

　　為了提高效率，每一分每一秒的時間，都要擠著用。為此，工程師們也是絞盡腦汁。最開始的技術(shù)，試卷整體掃描完成，工程師們定時去取數(shù)據(jù)，然后再上傳到某個局域網(wǎng)，老師去機房判卷子。一取一傳，緊趕慢趕往往也需要24小時?，F(xiàn)在，在保障絕對安全的前提下，智能閱卷系統(tǒng)和試卷掃描系統(tǒng)可以連接到一個網(wǎng)上了，兩者打通，省去了原來的“接頭”時間。張凱說：“理想狀態(tài)下可以實現(xiàn)掃描、人工網(wǎng)評和智能閱卷同步進(jìn)行，數(shù)據(jù)實時互傳?！?/p>

　　擦亮人工智能的“眼睛”

　　相比智能閱卷的耐力值而言，準(zhǔn)確度是“更要命”的。

　　傳統(tǒng)的網(wǎng)上評卷方式，評卷過程主要包括：掃描儀掃描答題卡，形成的圖像被上傳到計算機，再由教師在網(wǎng)上看圖閱卷。換句話說，整個過程其實只是從紙上轉(zhuǎn)移到了電腦屏幕上，評卷的質(zhì)量保障都由教師把控。

　　讓人工智能加入評卷后，會有什么變化？張凱將評卷過程“拆分”細(xì)解：首先在掃描階段，計算機不再是簡單地呈現(xiàn)圖像，而是對掃描的答題卡進(jìn)行圖像轉(zhuǎn)文本的處理，讓圖片轉(zhuǎn)化為計算機能夠“讀懂”的文本，“基于大數(shù)據(jù)和海量文庫資源的處理技術(shù)，計算機就能對客觀題進(jìn)行自動評分，同時還能檢測出主觀題里考生未作答的部分，單獨形成一個空白題列表，不將這些題繼續(xù)下發(fā)，為老師們評卷減負(fù)?！敝?，進(jìn)入教師網(wǎng)評階段，計算機也可以幫助教師給主觀題“查重”，比如篩出套作網(wǎng)絡(luò)范文的作文，讓教師單獨處理這些試卷；甚至計算機就可以自主給主觀題打分，作為教師雙評、多評的輔助。

　　“實現(xiàn)這些應(yīng)用場景，要突破3大技術(shù)要點。”張凱拋出3個專業(yè)術(shù)語——文本圖像識別技術(shù)、基于深度神經(jīng)網(wǎng)絡(luò)建模的評分模型訓(xùn)練、多維度計算機智能評分算法。他貼心地將難懂的術(shù)語翻譯成白話：“簡單地說，我們要做的就是擦亮這位‘智能閱卷官’的眼睛，通過大量的訓(xùn)練，讓它學(xué)會識字、辨錯、測評，還要保證準(zhǔn)確率達(dá)到教師閱卷的基本水平?！?/p>

　　突破技術(shù)要點的背后，工程師們在不斷試錯、默默耕耘。

　　光是圖像識別轉(zhuǎn)寫文本，就讓張凱和同事費了不少功夫?！凹僭O(shè)要識別100張圖像，我們需要先給這100張圖像找到對應(yīng)的準(zhǔn)確文本，再和計算機識別的內(nèi)容進(jìn)行比對，得出準(zhǔn)確率。”張凱笑著說，他和同事嘗試了各種技術(shù)手段去找“標(biāo)準(zhǔn)答案”，比如融合多套算法“算”出準(zhǔn)確的文本，借鑒網(wǎng)絡(luò)上其他的識別轉(zhuǎn)寫技術(shù)等，不論怎樣嘗試，找到的“標(biāo)答”還是不盡如人意……“試了一個月之后，我們發(fā)現(xiàn)還是最原始的方法最有效——找兩個標(biāo)注員，把同一張圖像的文本敲出來，兩人的答案如果還有偏差，就再找第三個人敲一遍，以此類推，最終找到準(zhǔn)確的文本?！?/p>

　　考試中，還有些題的答案并不唯一，如何讓計算機學(xué)會處理這些題目，也曾令張凱和同事“撓頭”。“舉個最簡單的例子，一道數(shù)學(xué)題的答案是三分之一，學(xué)生寫六分之二或者九分之三都算對，但是計算機最開始只認(rèn)一個答案，這就導(dǎo)致最后機器評分的準(zhǔn)確率大打折扣?！睆垊P說，類似的情況讓計算機在數(shù)學(xué)等專業(yè)性較強的題目的評定上吃了虧，“有些專業(yè)領(lǐng)域的知識我們是想不到的，第一次發(fā)現(xiàn)答案有遺漏需要增補，是在一次考試之后做數(shù)據(jù)分析，于是我們想到要給計算機做更細(xì)更深的規(guī)約。”

　　張凱最開始想到的方法是把考生們的高頻作答收集起來，形成一個新的樣本，讓老師進(jìn)行一次評分，再讓計算機學(xué)習(xí)，做出更準(zhǔn)確的評定?！暗覀冊谑占罅啃聵颖緯r發(fā)現(xiàn)，老師評過的題目也不一定百分之百準(zhǔn)確，計算機學(xué)習(xí)之后還是評不準(zhǔn)?！睆垊P說，他們又想到把所有答案類型都統(tǒng)計出來，發(fā)給評卷組的老師逐一確認(rèn)，然而這無疑又增加了老師的工作量，“以70萬考生規(guī)模的考試為例，統(tǒng)計出來的答案數(shù)據(jù)也有2萬條左右，讓老師每條都看一遍也不現(xiàn)實。”

　　反復(fù)磨合、測試，張凱和同事們終于找到“最優(yōu)解”：讓計算機對考生的所有作答結(jié)果進(jìn)行歸類，“基本上能判斷對錯的歸為一類，最核心、最需要評卷老師來判斷的歸為一類，讓老師在這些作答中挑出正確答案。”張凱說，看似簡單的步驟，背后其實需要工程師一步步地細(xì)化、完善，不斷提高計算機的準(zhǔn)確度。

　　2018年，張凱和同事帶著這套人工智能輔助閱卷系統(tǒng)在某省高考評卷中進(jìn)行了試驗，探索人工智能評卷技術(shù)在多科目、多題型上應(yīng)用的可行性。

　　“對我們來說，這是一次大考?！碑?dāng)年參加這場大考時的緊張感，張凱記憶猶新。他解釋，這次試驗內(nèi)容包括：在線對高考語文、高考英語的作文題進(jìn)行智能評分，并將評分結(jié)果應(yīng)用于輔助質(zhì)量監(jiān)控；以離線方式驗證高考語文簡答題、高考數(shù)學(xué)證明和計算題、高考文科綜合能力測試政治簡答題的智能評分效果?！褒嫶蟮目忌鷶?shù)量，閱卷涉及多個科目、多個題型，時間緊迫，這些因素?zé)o疑給我們增加了難度。但是，搞科研，就是要有韌勁兒?！睆垊P笑著說，當(dāng)時國內(nèi)還沒有可借鑒的成功經(jīng)驗，團隊就把這次大考當(dāng)作對前兩年“訓(xùn)練”成果的檢驗。

　　149萬余份考卷、40臺掃描和評卷用各類服務(wù)器、兩周時間內(nèi)評出所有試題結(jié)果……這次大考的“成績單”，讓張凱和同事們喜出望外。人工智能評分系統(tǒng)對各科抽取的試卷樣本評分的準(zhǔn)確率在95%左右，評分結(jié)果都經(jīng)過了閱卷系統(tǒng)完整性、準(zhǔn)確性檢查。同時，這位“智能閱卷官”還檢測出了特殊異常的作答樣本，包括與范文庫中文本內(nèi)容相似度高、與當(dāng)次考試試卷題干相似度高、考生之間作答內(nèi)容相似度高三種情況。

　　項目組還在語文作文和英語作文中分別隨機挑選了100份圖片進(jìn)行識別率的統(tǒng)計對比，結(jié)果顯示：語文中文字符的識別準(zhǔn)確率為96.93%，英語單詞的識別準(zhǔn)確率為98.88%?！拔覀兊闹悄荛喚砉僖呀?jīng)超過了識別準(zhǔn)確率在95%以上的目標(biāo)，這說明它已經(jīng)達(dá)到了一個較高的水平。”張凱興奮地說，他們還根據(jù)智能評分得到的數(shù)據(jù)，與評卷教師的評分情況進(jìn)行了比對，并對人機產(chǎn)生大分差的樣本進(jìn)行標(biāo)注，將這些大分差樣本數(shù)據(jù)下發(fā)給各學(xué)科組評卷專家進(jìn)行復(fù)核，“各題型復(fù)核結(jié)果也表明，人工智能評分系統(tǒng)對輔助試卷質(zhì)量監(jiān)控起到精準(zhǔn)定位、精細(xì)復(fù)核、精確評分的作用?！?/p>

　　人工智能評分系統(tǒng)在這次大考中的出色成績，令張凱和同事們信心倍增。此后，他們又帶著這位智能閱卷官參加了全國多個省市的各類考試。不斷優(yōu)化升級的過程中，智能閱卷官的準(zhǔn)確率也在逐年提高：95%，97%，98%……到2021年，它已經(jīng)能夠作為高考閱卷的“一評”，參與填空題等答案明確題型的評分，準(zhǔn)確率達(dá)99.5%以上。

　　從評卷到構(gòu)建“智慧課堂”

　　和科研人員類似，“社會影響力”也是張凱所在項目組的績效指標(biāo)。從2016年實驗室成立至今，項目組已經(jīng)發(fā)表了語言識別、翻譯、評測相關(guān)論文28篇，大多數(shù)都獲得了自有知識產(chǎn)權(quán)專利；同時，項目組還發(fā)表了中文類手寫體識別、評測相關(guān)論文11篇，獲得10個相關(guān)專利，英文類手寫體識別、評測相關(guān)論文4篇，獲得4個專利。

　　依托項目組的自有知識產(chǎn)權(quán)專利，目前，人工智能輔助閱卷系統(tǒng)已經(jīng)能夠?qū)崿F(xiàn)對語文、英語以及政治、歷史等文科類學(xué)科試卷的智能評分，也可以處理數(shù)學(xué)這類公式相對統(tǒng)一的學(xué)科的試卷，下一步的目標(biāo)是“精益求精”?！跋窕瘜W(xué)、物理、地理這些學(xué)科，會涉及有機分子式、圖形等一些特殊符號，在計算機圖像識別轉(zhuǎn)寫上，這些難點是我們要進(jìn)一步突破的?！睆垊P用“謹(jǐn)小慎微”形容他們正在做的工作，“還有很多細(xì)節(jié)，比如語文常用的刪除號、調(diào)位號等修改符號，現(xiàn)在計算機只能把它們識別出來交給閱卷老師去復(fù)核；未來，我們希望它能獨立完成對這些內(nèi)容的處理。”

　　去年，智能閱卷官在北京“上崗”了。新中考首考中，從搭建試卷庫、掃描儀、服務(wù)器，到實時處理數(shù)據(jù)，監(jiān)控試卷安全……項目組在規(guī)定時間內(nèi)順利完成了20萬考生近90萬份答題卡的掃描閱卷工作。不僅這一場考試，大到高考、高中學(xué)業(yè)水平考試，小至一些學(xué)校的月考、期末考，各類考試中都有這套人工智能輔助閱卷系統(tǒng)不同程度的試點應(yīng)用。

　　除了關(guān)注考試，在北京的中小學(xué)校園里，“智慧課堂”的建設(shè)也有人工智能系統(tǒng)的身影。今年，育英中學(xué)“上新”了一份個性化學(xué)習(xí)手冊，里面包含了學(xué)生日常檢測的錯題解析、知識點講解，以及針對薄弱知識點的拓展練習(xí)題，幫助學(xué)生有針對性地進(jìn)行鞏固提升，滿足多樣化學(xué)習(xí)需求。如果學(xué)生學(xué)有余力，可以自主自愿選擇基于自身知識圖譜生成的個性化學(xué)習(xí)手冊，作為補充專題學(xué)習(xí)。這份智能手冊不僅可以識別學(xué)生手寫作答的中英文和公式，減輕教師的批改負(fù)擔(dān)，還可以通過計算機閱讀理解技術(shù)分析學(xué)生學(xué)情，推薦個性化學(xué)習(xí)方案。

　　“隨著‘雙減’政策的實施，我們也在探索人工智能在素質(zhì)教育方面發(fā)力，提供能力輔助提升。”張凱說，在個性化推薦上，這套系統(tǒng)將轉(zhuǎn)變以往推薦題庫“刷題”的模式，更注重引導(dǎo)學(xué)生自主學(xué)習(xí)和素質(zhì)培養(yǎng)，基于對學(xué)生的愛好分析，推薦更多相關(guān)的課外讀物?？此坪唵蔚霓D(zhuǎn)變，其實需要研發(fā)人員做大量的工作才能實現(xiàn)。為此，張凱和同事除了在人工智能評卷技術(shù)上進(jìn)一步拓展之外，也正在忙著探索人工智能在素質(zhì)教育中的應(yīng)用。

　　雖然每天面對著冷冰冰的計算機，做著看似枯燥的工作，工程師們的心卻比誰都細(xì)膩溫暖?！拔覀兏脒_(dá)到的目標(biāo)是快樂教育，為孩子們減負(fù)，讓他們開心成長?！辈稍L結(jié)束，背景音里又響起航班開始登機的廣播，張凱掐準(zhǔn)時間，起身趕往下一座城市，他說，“為了萬千學(xué)生，投身這一事業(yè)，再辛苦也值得?！?/p>