高考机器人的工作原理解密

　　Pixabay

　　最近频繁看到机器人参加高考的消息，学校教育培养的人才还不如一个机器的报道甚嚣，且尘上矣。笔者不才，从事十几年教学和教育技术研究，对机器人参加高考的宣传报道怎么兴趣荡然无存呢。

　　近期的一则报道说高考机器人数学成绩以93分收场，我们研究高考数学试卷可以知道基础分数为90分，也就是我们所说的”比着葫芦画瓢”也可以拿到90分，老师辅导高三学生备考的时候，经常给学生规范题型模板，只要是往里套公式，基本可以拿到这个比较低的分数，可以感觉目前机器学习是无穷对比的结果。借鉴计算机视觉理论创始人马尔的三级论定义，机器学习中关于数据的处理与分析，包含三个方面：

　　首先是应用问题导向，主要应用是已有的模型和方法解决一些实际问题，相当于数据挖掘；

　　其次是应用问题的需要，提出和发展模型、方法和算法以及研究支撑它的数学原理或者理论基础等，这是核心；

　　第三就是通过推理达到某种智能。数据挖掘接近于数据端，机器学习接近于智能端。

　　《高中数学课程标准》指出，高中数学应注意提高学生的数学思维能力，这是数学教育的基本目标之一。学生们在学习数学和运用数学解决问题时，不断地经历直观感知、观察发现、归纳类比、空间想象、抽象概括、符号表示、运算求解、数据处理、演绎证明、反思与建构等思维过程，数学思维能力在形成理性思维中发挥着独特的作用。

　　我谈一下学生学习知识的解题逻辑和思维经历。

　　数学题与数学解题

　　中学生接触最多的是狭义标准化上的数学题，说到标准包括两个基本要素：条件（已知条件，题干条件），结论（未知，求解，求证，求作）。解题就是沟通条件与结论之间的联系，包括解和解题依据。解题比做打仗，那么解题者的“兵力”就是数学基础知识，解题者的“兵器”就是数学基本方法，而调动数学基础知识、运用数学基本方法的数学解题学正是“兵法”。

　　数学解题的思维信息过程

　　《数学解题学引论》中认为数学解题的信息过程包括这样一个“三位一体”的工作。

　　有用捕捉：从理解题意中捕捉有用的信息，主要是弄清条件是什么？结论是什么？如何建立条件与结论之间的逻辑联系？通过感知和以前学过的图示知识，从题目的叙述中获取“符号信息”，从题目图形中获取“形象信息”。知识与图示知识是“有用捕捉”的基础。

　　有关提取：即在“有用捕捉”的刺激下，通过回想而从记忆储存中提取有关的信息，图示知识：定理、公式、基本模式、解题经验等解题依据或解题凭借。良好的认知结构和机智的策略选择是连续提取、不断捕捉的基础。

　　有效组合：将“有用捕捉”和“有关提取”两组信息进行有效组合。逻辑思维能力是有效组合的基础，而“逻辑结构”是否有效，其基本要求应能说服自己、说服论敌。

　　这三个步骤往复循环，依信息的反馈而由大脑来调节，解题信息过程如图1所示：

　　从信息论的观点分析例1的解题过程，则是两个维度上相关信息的有效组合，即从理解题意中捕捉有用的信息，从记忆中提取有关的信息，并把这两组信息组成一个和谐的逻辑结构。