在高考評分中,作文往往是最耗費工作量,也最具爭議的一項。近年來,由于高考作文評價體系屢遭質疑,相關領域的專家學者開始思考運用機器評分,來取代準確度不高且耗時耗力的人工批改。11月26日,華東師范大學中文系副教授徐默凡,在華東師范大學一場有關“應試作文寫作質量的計量和計算”的研討會上,就機器在作文評分中的實現可能性進行了探討,并對當下的應試作文評分進行了反思。
研討會現場。
通過數據統計可找出背題套題的作文
據徐默凡介紹,目前有望運用于機器評分的自然語言處理模型有三類,分別是基于規則識別、數據統計和神經網絡的自然語言處理。
所謂基于規則識別的自然語言處理,是基于一定的規則對作文進行句法分析和語義分析,從而掌握對語言的理解和表達。徐默凡認為,這條路對于作文機器評分是走不通的。因為首先,人類自身并未建構起準確的作文評分標準;其次,作文評價標準涉及到的因素比句子理解更多,思想、邏輯、結構、語言等要素難以規則化。
第二種模型則是基于神經網絡的自然語言處理。它的原理在于運用腦科學和仿生學,模仿人腦對信息的處理方式。然而在徐默凡看來,這種模型也不適合用于機器評分。除了訓練復雜度高,費時費力之外,無法對它的信息處理過程進行探測和評估,因而結果的可解釋性差。
更重要的是,這種模型牽涉到了關鍵的智能倫理問題。AlphaGo的橫空出世令人驚詫,而相比圍棋,作文更是人類智能的體現。如果將作文評分交給人工智能,很容易引起倫理上的反感甚至恐慌。高考這一事關很多人前途的重大考試,若完全交由人工智能去判斷評分,很有可能會造成“機器將會主宰人類社會”的聯想。
于是相比之下,基于數據統計的自然語言處理才是更適合機器評分的模型。這種數據統計的基本原理是,一個句子是否合理,不必了解它的句法語義,只需要考察它在人類說過的話中出現的可能性大小如何:出現的可能性越大,即越合理;可能性越小,則越不合理。理論上,進行這種自然語言處理時,需要把人類講過的所有話都統計一遍;然而在現實中,進行詞頻統計就已綽綽有余。“詞頻統計現在已經是比較成熟的研究成果了,”徐默凡說,“在實際中,也可以考慮到前后文的關聯和影響。只是考慮的詞越多,意味著計算也會越復雜。”