作者简介: Ent (古生物学博士生，科学松鼠会成员)
昨天，一篇来自浙江大学、浙江工商大学和中科院理论物理研究所的论文公布在了预印本网站上。根据媒体的宣传，研究者 “找到了石头·剪刀·布的制胜策略”。
自然而然地，很多网友的反应是：“这还需要你研究？”
网友评论截图 - 图片来源：凤凰网
阅读全文…
点击此图片，查看 ALEKS 官方介绍视频（纯英文无字幕）
ALEKS（Assessment and LEarning in Knowledge Spaces: 基于知识空间的学习评测系统） 是一个 Web 上的应用人工智能技术的学习评测系统。其人工智能技术基于 知识空间理论（Knowledge Space Theory，简称 KST） 这一研究领域。
KST 使得海量的知识状态（在计算机的内存中）的表达成为可能，把这些知识状态组织起来，就可以对应到一个学术领域的知识总和。
与那些通过给出单个或一系列分数来反应学生对知识的掌握程度的方式不同，KST 能够对学生给出更准确的评估，包括学生知道什么，不知道什么，以及具备了学什么的条件。
根据 KST 理论，类似于算术或者代数一这样的科目，都可以被解析为一些类型问题的集合，每个类型问题都覆盖了一些具体的概念（或者技能、事实、问题求解的方法等等)。
这样一来，一个学生的学业能力就可以被描述为他有能力求解的那一部分类型问题的集合。这个集合就是学生的知识状态。所谓知识空间是指在一个特定人群中可被观察到的所有可行知识状态集合的汇总。一个学科一般会有 250~350 个类型问题以及数百万个知识状态。
ALEKS 系统的核心是它的评估引擎，这个引擎试图通过对学生进行高效提问的方式，揭示出某位特定学生的知识状态。在 KST 评估过程之初，每个知识状态都被赋予相同的初始概率值。
接下来，学生会选择一个问题（相当于选择了一种类型问题），系统能够根据学生的答案更新这些概率值: 如果学生回答正确，那么包含了这种类型问题的那个知识状态对应的概率值就会增大；而如果学生回答错误，那么对应的概率值就会减小。
更进一步，系统将（根据某个特定的衡量指标）以尽可能增加信息量的方式选取下一个问题，这个过程将会一直持续下去，直到某个知识状态的概率值远远大于其它知识状态的概率值为止。此后，这个概率值优势明显的知识状态将被分配给参加评估的学生.
为了完成这样的过程一般需要 25 到 35 轮提问。此系统之所以能够达到这样的效率，主要得益于系统内部已经借助知识空间完成的大量知识推理工作。
完成了这个步骤以后，ALEKS 将会以饼图和相关报告的形式提供被评估学生的知识/能力水平概要。学生通过前面的评估过程已经证实了自己知道什么，不知道什么，已经准备好学习什么，这些信息都包含在他的知识/能力水平概要中。
有了这种概要信息，学习者就可以在各种类型问题中选取那些他已经有条件学习的类型问题。而一旦系统确定他已经掌握了某个类型问题，这个类型问题就会被增加到他当前的知识状态中，而他又可以选择一些新的有条件学习的类型问题。
后续的评估过程将会更新他的知识状态。
参考¹ ALEKS 系统的官方介绍资料
参考² ALEKS 背后的科研成果
下面的文字引自 史蒂芬·霍金 的 《大设计·The Grand Design》一书，我读后感觉很受启发，所以把原文转载于此，并按自己的理解做出了中文翻译。
We shall adopt an approach that we call model-dependent realism. It is based on the idea that our brains interpret the input from our sensory organs by making a model of the world. When such a model is successful at explaining events, we tend to attribute to it, and to the elements and concepts that constitute it, the quality of reality or absolute truth.
（在本书的阐述过程中）我们将采取一种特殊的解释现实的思路，我们把它称做 与模型相关的实在论。它基于这样一种观念——我们的大脑会为世界建立一个模型，并利用这个模型解释来自我们感觉器官的输入。当模型能够成功地解释许多事件时，我们就会把现实的本质或绝对真相归因于这个模型，以及构成这个模型的元素与概念。
But there may be different ways in which one could model the same physical situation, with each employing different fundamental elements and concepts. If two such physical theories or models accurately predict the same events, one cannot be said to be more real than the other; rather, we are free to use whichever model is most convenient.
但是对于同一个物理环境，不同的人可能会有很多种不同的方式为其构建模型，且每个模型都可以使用不同的基本元素和概念。如果有两种物理理论或模型都能精确预测相同的事件，我们就不能说其中一个模型比另一个更真实；而不妨说我们可以自由地选择其中任意一个（对自己而言）最便利的模型。
1995 年前后，还在上中学的时候，博主开始接触家用电脑，当时人们称之为微型计算机。博主通过小区所在单位的图书馆了解到刚刚兴起的个人计算机（PC）行业的冰山一角，第一次在杂志上读到了微软公司（Microsoft）及其创始人比尔·盖茨（Bill Gates）的名字。
后来，博主和一起玩电脑的小伙伴们不断在自己家的电脑上折腾微软公司的 DOS、Windows 3.1、Office 等软件，逐步掌握了计算机的应用技术。博主也因此对比尔和他的微软公司越来越感到好奇，所以在当地新华书店购买了比尔亲自参与创作的《未来之路（The Road Ahead）》。
阅读全文…
京公网安备 11010502051247 号