在这个秋天开学返校的高中和大学老师们，请注意：为学生打分的工作将会轻松不少。
加州大学伯克利分校的一名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。
这项正在进行测试的功能采用人工智能技术，将于今年秋天正式推出在线打分应用程序 Gradescope 的新功能。研究团队两年前成立公司时推出这个应用程序，目的在于遏制作弊歪风。将打完分数的试卷制作成数字记录档案，让学生难以修改原先写好的答案，没有打错分数的借口。
Gradescope 中积累了各类大学课程中问及的大约 100,000 个问题的 1000 万种答案样本，界面简单易用，并且具备多个助教同时对试卷进行打分的功能，可将打分的工作时间减少一半。
Gradescope 的联合创办人 Sergey Karayev 表示，引入人工智能技术能将打分时间减少 90%，他在 2014 年取得计算机科学博士学位。另一位联合创办人 Arjun Singh 也获得了博士学位，他是 Gradescope 的首席执行官。
高度可重复性
人工智能技术并非直接用于打分工作，而是学习怎么对答案进行识别和综合分组，并对其进行批量处理，将打分这项工作变成一项具有高度可重复性的自动化作业。
通过使用与照片管理器类似的界面，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，如此一来，人工智能便可通过用户输入的内容不断改进其未来预测能力。
Karayev 说：“在以前，要对 100 个学生进行考试，而且他们都正确作答，你就得阅览 100 份试卷，逐个标明是正确答案，如果借助于人工智能进行打分，只要对一个答案给出分数，就会套用到 100 份试卷上。”
Karayev 表示，使用人工智能功能的目的是解决三项难题：识别问题类型，例如多选题、填空题或申论题；区别各种书写符号，包括学生划掉一个多选题的答案，选择另一个答案；还有最难的挑战，也就是识别手写内容。
最后一个挑战需要使用在 Tesla K40 和 GeForce GTX 980 Ti GPU 上训练过的循环神经网络，输入图片后产生文字。Karayev 指出，“目前市面上还没有优秀的手写识别引擎。”
GPU 和人工智能是一项强大的组合
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。公司的联合创办人、同为伯克利人工智能实验室电子工程与计算机科学助理教授的 Pieter Abbeel，在一份 6 月份在 Gradescope 网站上发表的博客文章中说，他在对超过 600 名学生的计算机科学课程期末考试时便使用该公司早期版本的人工智能打分功能，将打分时间缩减了 75%。
如此一来，可让深陷打分苦海里的老师们能松一口气。
Abbeel 写道：“公平一致地打分的确非常重要，却也是老师们觉得最无聊的事情之一。如果没有人工智能技术的辅助，这会变成一件极为耗时的事情。”
研究团队打算日后将手写识别使用的机器学习方法应用到复杂的化学和工程图纸的综合分类和打分工作中。这项功能的实现有一个前提，就是世界各地的研究人员做出大量工作，使用 GPU 训练模型识别照片中的人、动物和物体。
Karayev 说：“已经有神经网络能够识别出大麦町犬的图片，并将其与米格鲁猎犬的图片区分开。这个原理就跟识别人们手绘图稿的做法一模一样。”
以下视频介绍了 Gradescope 的运作方式，请在评论部分中写下您的宝贵意见