最后的高考？一大波作弊AI即将来袭,高考ai检测作弊行为

今天，日历上普通的一天，对于无数中国家庭来说，是比任何一天都更有意义的时间节点。高考第一天，考生进入考场。十年寒窗是否合格，将在48小时后的考场上决定。

一个想法的摆动，或者是几百年前非洲大陆上蝴蝶振翅的声音，或者是超新星遗迹发出的X射线，都有可能催生出另一个不同的时间线，关系到考生乃至他们整个家庭的未来。

自由意志存在吗？考生应该没有时间去思考这样的问题。

但是难免有人会用更微妙的方式思考这个问题，比如出轨。这两个词几乎和考试一样古老。一开始作弊还是要考验视力极限，微型抄写的能力，做小笔记的技巧。今天出现了一大波间谍级的专用作弊装备，比如“大米耳机”、“橡皮擦形接收器”。无论接收者有多酷，多迷惑，现有的作弊手段还是要靠人来提供智能引导。然而，在不久的将来，作弊机器将彻底斩断人类应付考试的羁绊。一旦通过扫描题目就能给出自己答案的高智能作弊机诞生，人类就彻底省去了学习这件事的最后一丝力气。

但是，当你把学习扔给电脑的时候，电脑是怎么想的？

人工智能阴谋论者担心，它会通过试图模仿人类大脑神经元来努力学习，然后有一天，在智力上杀死人类；还有一种可能是计算机根本不擅长考试。比起科学考试，它可能更喜欢有趣的问题和答案。到底计算机是能通过深度学习帮助人类取得更好的成绩，还是能在其他方面有所作为？有些人比其他人更早考虑到这个问题。试图发明作弊机的龙宇卿就是其中之一。

作弊机器

作者|糖匪

一、真的有作弊机吗(有吗)？

“这不是抄袭吗？”

“不会，对于喜欢学习的人，我把答案给他，他会用这个来逆向推导整个过程，搞清楚题目。”

“那些不想学习的人怎么办？”

“给他答案，他就不用努力学习了。用省下来的时间去做自己喜欢的事情，整个社会会变得更有效率。”

用手机扫一个道家习题就能立刻得到这个问题的答案。——龙宇清潜心编写这样一个程序，帮助学生学习。直接回答不就等于帮抄袭了吗？面对我的质疑，龙宇卿给出了“社会效率论”。

我的三观瞬间动摇。从小受教育的魏在不远处虚弱地咳嗽着。很难完全否定眼前这个年轻人的话，尤其是他设计的程序听起来很酷。

龙宇卿，剑桥大学的辍学生。这个回答可能太粗糙了。如果这是一个等式，如果在龙宇卿这个名字后面画一个等号，等号的另一边也可以是年轻的企业家，伦敦追梦人日最年轻的演讲者，斯坦福数学竞赛铜牌(SMT)，哈佛麻省理工数学竞赛第七名，迪拜家族和英国Highmoor家族的私人导师。这些标题应该用等号、加号或——的乘号连接起来。不同的操作会决定最终的价值，一个可以量化的龙宇清。不过别担心，他足够年轻，充满干劲。脑子里有无数的想法。

有空可以在那个等号后面加更多的头衔。

比如作弊机的发明者。

我们在APEX创新者大会的一个讲座上见过。那次演讲的主题恰好是“学习的革命”。当演讲者展望远程学习的未来时，我们在下面热烈地交流如何帮助学生在网上回答问题。如果作业必须靠独立思考完成，那么你可以调用他正在尝试编写的程序，一个作弊程序；能帮学生答题的简单粗暴的手机叫作弊机。

和人类创造的任何技术一样，一项新技术是否作恶，取决于它最终如何应用。如果只是在回答作业而不是考试的时候使用，龙宇卿正在编写的程序无疑对学习者和教育者都有积极的意义。

新技术是否作恶，取决于它最终如何应用。

“目前国内其实也有一些网站和app是为了帮助学生解决问题而建的，但他们的工作原理是雇人在线人工答题，而不是让机器通过算法来回答。”龙宇卿透露。

我花了一秒钟想象这个场景。“呃，这和淘宝上的客服不一样吗？”

“是的。”他笑着回答。

龙宇卿还告诉我，他提到的答题程序并不是他自己的想法。当下，很多有梦想的极客都在思考，如何在世界的每个角落写出这个程序。

要知道，这个程序一旦实现，不仅对你的学习有帮助，更是人机互联的一大突破。这个程序要想成功，必须完成计算机代码嫁接，计算机自学习，自运行。其中，计算机自主学习是关键。目前，通过输入问题的答案来让计算机帮助解决问题是不可行的。没有学习能力的计算机，即使输入大量的题目，即使有足够强的计算能力，即使不考虑移植性和可操作性，也无法应对千变万化的题目和考试内容，甚至无法很好地理解题目。只有让计算机具备自主学习的能力，从而掌握学科知识和考试要求，并对相应的题型进行大致分类，才能实现帮助解题的目的。

总之，没有学习能力的计算机是帮不了人学习的。

那么问题来了。在这个阶段，计算机学习能力的进步如何？

第二，深度学习是一个很好的算法。

说到机器学习，不可能绕过深度学习这个词。

无论是打败世界围棋冠军九段职业棋手李世石的AlphaGo，还是脸书家族的围棋人工智能Darksen。

林，都是在深度学习这一算法上开展的。

深度学习是机器学习领域中的一种算法。它能模拟人脑神经元的工作方式，建造机器神经网络。具有深度学习能力的机算机网络能够收集、处理并分析庞大的数据，最终通过自主学习来实现图像和语音识别等智能行为。2012年，Google大脑团队开发出的人工神经网络利用深度学习算法，通过观看一周YouTube视频自主学会了识别哪些是关于猫的视频。虽然该算法基于人工神经科学研究，并应用于许多复杂的数学模型，但是，深度学习算法仍是比人脑简单得多的软件。有人会将深度学习比喻为卡通大脑，但随着技术不断发展，这个比喻是否成立将越来越变得可疑起来。

近期，谷歌的DeepMind团队开发的一款教会自己打十几款经典街机游戏的软件，使用分布式深度递归网络（DDRON）解开了著名的红蓝帽子谜题：一百名囚犯依次排队，每人戴一顶蓝帽子或者红帽子，每人都可以看到前面所有人的帽子，但看不到自己以及后面的帽子。从队尾开始，预警要问每个囚犯自己帽子的颜色。在排队前，囚犯们获准可以一起商量，设计出一套回答问题的方案。为了破题，DeepMind的这款软件把每个囚犯塑造成一个独立的智能代理，每个个体都知道自己能看见的帽子颜色，各自决定怎么告诉别人，然后再使用共同的信息得出答案。一开始，所有代理都没有获得任何实现设定的通信协议，但每个代理都能够学会解决基于通信的协作任务。因此，为成功地通信，必须首先自动开发出他们自己的通信协议并在相互间达成一致。最后，成功解决问题。

红蓝帽子谜题的破解，是深度学习成功学会通信协议的第一个案例。这是向人工智能之间的沟通和协作跨出的第一步。从长远来看，这会给人工智能增加更多扩展性，并允许它们解决以前无法解决的问题。”

红蓝帽子谜题

除了深度学习的算法，其他计算机算法也是基于类似动物神经元，可相互分享数据并作出计算的算法。今天的神经网络实质上还是使用1980年代初期的算法。学习识别一个物体，计算机可能首先需要成千上万张带有标签的样本，还需要进行监督式的教导，而人类则需只要少量样本且可能不需要监督的。

比起人工神经网络信息单向的工作方式，大脑则完全不同。人类大脑由许多神经元构成，这些小单元可以通过巨大的电脉冲网络互相发送信息，这些信息调控了所有由大脑控制的身体功能，包括理解场景和肢体运动等。大脑神经元高度相连，每一步处理过程都可能产生反馈。但到目前为止，科学家还未能完全理解神经元的工作机制。

也就是说，如果能更好地理解神经元的工作机制，提高对大脑计算原理的认识，将原理运用到人工智能的自主学习上，就可能实现人工智能机器在不需要监督的环境下通过少量样本进行学习。这正是人工智能的标志。

学习识别一个物体，计算机需要成千上万张带有标签的样本，而人类则需只要少量样本

为了更好地理解生物神经网络和反馈回路，科学家Sandra Kuhlman 将使用双光子钙成像显微镜技术，来记录上万个小鼠神经元处理视觉信息时所产生的信号。科学家首先在小鼠脑内加入钙染料或者能感受钙离子浓度变化的蛋白；利用神经细胞被激活，细胞钙水平发生变化的原理，根据钙水平来判断神经元的激活状态。当一个神经细胞被激活时，随着荧光爆发就能实时观察神经细胞及其发生的反应。

记录下的数据将用于建造一个互连神经元模型。通过将分子传感器与光学方法整合起来，检测神经活动，可能可以实现追踪一个大脑区域内神经元的大部分神经动态，由此得到一个巨大的数据集，将帮助人类详细认识视觉皮层某个区域中神经元的行为。研究人员希望使用这个大规模数据集解开神经网络的复杂难题。他们的目标是将获得的新知识应用到机器学习算法上，使他们可以使用少得多的样本就能开发出模型。

三、连AI们都说，比起考试活学活用才是硬道理

美好的未来似乎近在眼前。去年日本国立信息研究所自主开发的人工智能在日本大学入学标准考试里拿到平均分以上成绩，通过了日本“高考”，它的下一步目标是考入东京大学。

科大讯飞也试图在三四年内让他们的“超脑”考上大学。

以上种种，都向我们展现了人工智能研究领域的美好前景。一旦人类写出更高效的机器学习算法，人工智能将势不可挡，而人工智能威胁论也将不单单是对未来世界的忧心。

一旦人类写出更高效的机器学习算法，人工智能将势不可挡，而人工智能威胁论也将不单单是对未来世界的忧心

但事情似乎并不完全是那个样子。人工智能似乎会在意想不到的时候展现他蠢萌的一面。就以Watson为例吧。

IBM的人工智能问答机器Watson由90台IBM服务器和360个计算机芯片驱动组成，是一个有10台普通冰箱那么大的计算机系统。在2011年美国的智力竞赛节目《危险边缘》中，Watson成功打败了其他两位史上最成功的选手。2012年，Watson进入医学院，按照当时《纽约时报》的说法，Watson在克利夫兰医学院开始了他的医学生涯。

如今，Watson已经被运用到超过三十五个国家，十七个产业领域。例如，在医疗保健方面，它可以作为一种线上工具协助医疗专家进行疾病的诊断。医生可以输入一系列的症状和病史，基于Watson的诊断反馈，来做出最终的诊断并制订相关的治疗计划。在其他领域，Watson也大显身手，不负众望，满足了人类对他这样一个人工智能的一般期望。

然而看起来很厉害的Watson同学，却拒绝参加美国普通八年级（相当于中国的初二水平）的科学考试。

这次考试源于艾伦人工智能研究所举办的一次竞赛。该竞赛邀请世界各地的程序员开发一个能够参加美国普通八年级科学考试的程序。竞赛优胜者哈依姆·林哈尔特开发的程序得到的分数，是本次考试的最高分——59%的正确率。哈依姆将多项机器学习技术和大型科学信息数据库结合在一起，向计算机系统输入了上千的问题及对应答案，以便计算机系统能学会生成正确答案。虽然人工智能在识别图片和语音等任务上取得与人类水平相近的成果，但是，我们依然无法建造出像人一样思考的机器和能真正对话的A.I.，甚至没法建造出能通过初中考试的系统。科学考试题要求学生围绕多个概念的复杂问题，通过若干个步骤来解决问题，测试者必须把多个事实组合在一起，才能获得理解。对现在的人工智能来说，科学考试比问答节目难度更大。

从这点来看，也多少可以猜测出Watson为什么会拒绝参加这个明明可以让它一试身手的比赛。按照比赛组织方的说法：“如果大型公司参加比赛，也许会拿到更高的分数。但是群体智慧也很强大。这次比赛的很多参与者都极具天赋。大多数比赛中的获奖模型也都是非常适合测试数据集的，所以，即使是同一个领域内的公司也不一定具有显著优势。”换而言之，即使Watson来，也未必能在这场八年级科学考试中拿到多高的分数。

但是IBM也有他们的说法。他们说Watson的焦点已经不在这样的比赛，而是转向真实世界的应用，比如Watson现如今在医学临床以及其他各个领域上的应用，的确在更好地帮助人类走进更美好的未来。焦点不在考试，这话无论对于人工智能还是对于人类，都同样有效。

所以你看，等到将来的某天，像龙宇清这样的极客真的编写出通过自主学习帮人答题的程序，真的创造出所谓的作弊机，你也许会发现——

答案并不重要。过程至关紧要。到头来，这仿佛是一个关于生命的终极比喻。生为人类，我们都知道生命尽头只有一个统一答案。但是，如何度过这一生才是问题最重要的部分。

如果高考是一个原点，那我们祝每位考生，在这一刻分出的无数条时间线中，无论踏上哪条，都能找到最终的答案。

责编：糖匪

撰文：糖匪，素人幻想师，不存在日报主编。生于404，not found。好奇心强烈，热爱捕捉与被捕捉。作品有《八月风灯》《面孔》《看见鲸鱼座的人》。

文章首发公众平台“不存在”：non-exist-FAA

不存在日报是一个关注未来与科技的媒体，为你提供来自不同宇宙和时间线的新闻或故事。有的可能来自你所处的时间，有的不是。小心分辨，跟紧我们。

因为，我们的指导单位是：未来事务管理局。

所有内容欢迎个人转发，谢绝媒体机构转载

加入我们：faaguokr.com

投稿：faaoffice163.com

未经授权使用会导致没有未来