这个秋天高中和大学的老师们在准备开学之际,注意:帮学生打分数的工作将会轻松不少。

一名加州大学柏克莱分校的教授和三名前研究生正在对一项人工智能技术进行最后调整,这项技术可以将学生们的答案进行集合分类,再一起打分数。

这项正在进行测试的功能采用人工智能技术,今年秋天将正式推出在线打分数程序 Gradescope 的最新功能。研究团队两年前成立公司时推出这项 app,目的在遏止作弊歪风。将打好分数的试卷制作成数位纪录档案,让学生难以修改原先写好的答案,没有打错分数的借口。

Gradescope 在跟多个大学课程累积了一千万个答案和十万个题目的样本后,易用界面和多个助教可同时对试卷进行评分的功能,将打分数的作业时间减少一半。

在2014年取得计算机科学博士学位、Gradescope 共同创办人的 Sergey Karayev,表示加入人工智能技术能将打分数的时间减少 90%。另一位共同创办人,同样也获得博士学位的 Arjun Singh,则是担任 Gradescope 执行长一职。

高度可重复性

人工智能技术并非直接用于打分数这件事上,而是学习怎么对答案进行分辨和综合分组,并且批次进行,将打分数这件事变成一项具高度可重复性的自动化作业。

使用跟照片管理员类似的界面,老师们可以确保自动建议的答案组别正确无误,再用红字为每个答案打上分数,这么一来使用者输入的内容让人工智能技术能不断改进预测能力。

Karayev 说:“以前要对100个学生进行考试,而且他们都正确作答,你就得看过这100份考卷,一一标示是正确答案。在人工智能辅助下进行打分数这件事,只要对一个答案打分数,它就会套用到100份卷子上。”

Karayev 表示使用人工智能技术的目的在解决三项难题:找出问题类型,象是复选题、填空题还是申论题;区别各种标示符号,包括学生划掉一个复选题的答案、选择另一个答案;还有最难的挑战,也就是辨识手写内容。

最后一项得利用在 Tesla K40 和 GeForce GTX 980 Ti GPU 上训练过的递归神经网络,投入影像后产生文字,Karayev 指出“目前市面上还没有优秀的手写辨识引擎。”


为老师节省打分数作业时间的团队:Gradescope的四位创办人让老师们有个庆祝的理由。

GPU 与 AI 是一项强大的组合

初期回报的结果证明经 GPU 训练后的人工智能技术拥有超高执行效率。公司共同创办人、同为柏克莱人工智能实验室电子工程与计算机科学助理教授的 Pieter Abbeel,在一则六月份 Gradescope 网站上的部落格文章里,说他在对超过600名学生的计算机科学课程期末考时,便使用该公司早期版本的人工智能打分数功能,将打分数的时间缩减 75%。

如此一来让身陷打分数苦海里的老师们能松一口气。

Abbeel 写道:“公平一致地打分数是很重要没错,却也是老师们觉得最无聊的。在没有人工智能技术的辅助下,这变成一件极为耗时的事情。”

研究团队打算日后将用于手写辨识的机器学习技术,应用在复杂化学和工程图的综合分类和打分数作业上。该项功能以各地团队使用 GPU 来训练模块辨识照片里的人、动物和物体之庞大研究成果为基础。

Karayev 说:“已经有神经网络能辨识出大麦町犬的图片,跟米格鲁犬的图片区别开来。这个原理就跟区分辨识人们手绘图稿的作法一模一样。”