|
|
jjrchome LV
发表于 22-9-2011 09:36:25
|
显示全部楼层
本帖最后由 jjrchome 于 22-9-2011 09:41 编辑
文盲幫你改作文（转载）
人工智慧（AI）已經悄悄潛入人類生活的各個層面，連托福、GMAT這些重要的檢定考試，也逐漸引進電腦閱卷，代替專業的教師批改作文。這不禁讓人懷疑，電腦怎麼看得懂作文？電腦怎麼判斷文章的優劣高低？
一般人對人工智慧的印像，莫過於機器人和電腦西洋棋程式。具有人類的外貌，敏銳、聰明、能與人類流暢溝通的機器人，是我們對人工智慧終極的夢想。在過去的一百年間，小說中、電影中、科學著作中，人類不停地勾勒機器人的功能和型貌，不停地預告機器人的實現，甚至為機器人的「人權」制定了規範。然而，一個世紀過去，機器人只能化為Roomba（智慧型自動吸塵器）的型態出現我們眼前，與人類摹想的目標──長得像人、會思考、會聊天的機器人──仍然相距甚遠。假如我們放下對人類型貌的執著，人工智慧其實有驚人的進展。其中，最富宣示義意的，莫過於IBM的電腦棋手深藍（Deep Blue），在1997年擊敗當時世界西洋棋王卡斯巴羅夫（Garry Kasparov）的軼事。有些誇大的報導，將此事解釋為人工智慧已經超越人類智慧，電腦比人腦更聰明。事實上，下棋的學問，無非是一連串邏輯推演，而電腦在邏輯運算上，向來就遠比人類優越。在相同的時間裡，電腦比人類算計得更深更遠，足以預知許多步棋之後的各種盤面，決定最好的落子。所以，電腦在棋類競賽中勝過人類，本來就是遲早發生的必然結果。
機器人的研究，處處以模仿人類、再現人類為目標，顯得困難重重，遲滯不前。深藍則擅用電腦先天的優勢，徹底發揮高速運算的能力，終於勝過了人類最頂尖的西洋棋手。擊敗西洋棋王之後，IBM宣布終止這項計劃，讓深藍「退休」。西洋棋規則明確，步驟分明，完全受邏輯運算支配。隨著電腦硬體速度加快，記憶容量增加，電腦的棋力只會越來越高明，超出人腦越來越多。所以，深藍勝過人類之後，它的任務已經圓滿。然而，並不是所有的事情都像西洋棋這麼純粹有條理。遇到不能完全透過推理和邏輯來解決的問題，如何讓電腦運用計算和記憶的優勢，做得和人類一樣好，甚至比人類更好呢？面對這樣的挑戰，自動作文評分（Automated Essay Scoring）研究的發展，是很好的示範。
早在1960年代，人類就冀望電腦能分擔教師的工作，自動批改學生作文。對人類而言，批改作文是一種高難度的心智工作。首先，批改者必須具備敏銳的語文能力，挑出學生作文裡的錯誤。錯誤有很多種，包含文法句式上的錯誤、字詞使用的錯誤、標點符號的錯誤等。排除了錯誤，作文還有好壞之分。所謂文章好壞，由各種細緻的因素交互作用所決定，這些因素包括形式、結構、內容、意境等。這時，必須仰賴批改者的文學品味以及文化素養，評估文章的整體成就。敏銳的語文能力、文學品味、文化素養，看來都是人類心靈幽微之處，最難以捉模的素質。由此可見，人類批改作文所涉及的心智活動，有許多經驗和直覺的成分，與下棋不同，難以訴諸邏輯計算和純粹的理性推演。既然如此，科學家如何跨越性質上根本的矛盾，讓沒有感情、不通世務、只會計算的機器，來閱讀人類的心靈產物，評判高低呢？令人訝異的是，透過這四十年來，自動作文評分的研究，我們親見機器與心靈之間的鴻溝，並不是永恒的平行線。反之，在批改作文這件事上，人類與電腦，沿著截然不同的途徑，取得了相當的共識。
如何教電腦「閱讀」文章，是作文評分研究最大的挑戰。電腦處理的對象是數字，電腦一切的功能，都立基於一串連的加減乘除和邏輯運算。構成文章的元素卻是單字、詞彙、句子、段落、篇章，與數字毫不相干。一篇文章對電腦而言，不過是一連串數字，每個數字代表一個對應的字，這些數字對電腦全無意義。「紅」、「橙」、「黃」、「綠」這些字，人類一看就立刻產生色彩、光澤、溫度的連結，甚至同時浮現相關的記憶聯想。「大漠孤湮直，長河落日圓」對人類來說，是一幅圖畫、一組意象、一種境界。然而，對工於計算卻不解風情的電腦來說，這些字句只是一串雜亂的數字，沒有色彩、沒有光澤、沒有溫度，更不可能體悟其中的意境。
冀望電腦像人類一樣感受文章的意境，恰似我們期待機器人具備人類的外表、模仿人類的行動溝通，這些都是太困難，太吃力不討好的挑戰。對於這個難題，自動作文評分的先鋒艾利斯〃佩吉（Ellis Page），在1960年代提出一個新奇的觀點：電腦根本不需要真的「讀懂」文章，就能改作文。在他實作的系統裡，每篇文章都轉成了一組對電腦而言有意義的數字，稱為「特徵值」，並以特徵值代替原文，作為電腦評分的對象。所謂「特徵值」，是一群從原文中統計出來的量化數值，包括字數、句數、子句數、詞的平均字數、罕見字數等等。接著，佩吉把一批英文作文，請專人評分，作為樣本，再利用統計的方法，分析樣本文章的分數和這些特徵值之間的關聯。他發現，字數越多、句數越多、詞的平均字數越多，文章的分數通常越高。而高分的文章裡，卻不會出現太多罕見字。所以，這些特徵值和文章優劣的相關程度，就是每一個特徵值的「權重」。假如文章的字數和分數明顯成正比，表示批改文章時，字數多寡有相當重要的參考價值，字數越多，分數越高。於是，字數這個特徵值就會得到較高的權重。而罕見字太多的文章，分數通常不高，因此罕見字數這個特徵值就會有負的權重。配合這組權重，對於每一篇新文章，電腦統計出該文章的特徵值之後，就能算出文章的分數。
將數千字的文章，約化成幾個統計數值，就此判定文章的成就，這一切聽起來多麼的粗糙、多麼的荒誕。然而，佩吉透過實驗，證明這個方法其實並不虛妄。他實驗的方式也頗有新意，他將同一批文章，交給兩位作文老師批改。由兩位老師對每一篇文章給的分數，可以算出他們的「共識度」，代表這兩位老師對作文評分的一致性。然後，佩吉也將同一批文章，交給自動評分系統批改，也算出評分系統和作者老師之間的共識度。結果，兩位老師之間的共識度是0.85，而作文老師與自動評分系統之間的共識度則是0.78，差距不遠。也就是說，佩吉的自動評分系統，批改能力已經接近作文教師了。
佩吉的方法學，不模仿人類批改作文的程序，而擅用電腦統計運算的優勢〃從純粹量化的角度解決問題。這套方法成為自動作文評分研究的基礎，後來40年的發展，都不脫這個框架，只是特徵的設計，越來越細緻，計算權重、決定分數的數學模型，也更加精巧。除此之外，也加入拼字文法檢查器，挑出文章的語法錯誤。1990年代之後，自動作文評分系統，不只評估遣詞造句和結構組織等基本的寫作能力，對於命題作文，系統還能評判內容是否切中題旨，論述的組織發展是否完整連貫。這些神奇的功能，背後仍然是一連串統計運算：科學家根據語言學和資訊擷取（Information Retrieval）的知識，從文字中找出上百個與修辭、結構、組織、內容相關的量化特徵值，讓電腦從經過專人評分的樣本文章裡，計算出每個特徵值的權重，於是便能評判新的文章。
隨著語言學和資訊擷取等相關領域的成長，自動作文評分的研究也不斷的進步。最近幾年，著名的自動評分系統E-Rater達到極高的效能，與專業的寫作教師有97%的共識度，比任兩位教師之間的共識度更高，實用價值無庸置疑，已經普遍應用在托福和GMAT等大型英文能力檢定的批改作業中。除了GMAT，目前有越來越多語言能力檢定採用電腦評分，而且不只是英文，在各種不同的語言上，自動作文評分研究都有活躍的發展。即使是較不易處理的中文，也有效能不錯的評分系統。
電腦透過機械式的統計運算就能改作文，甚至比專業的教師改得更好，這代表什麼？寫作是人類溝通的方式，是智能的展現，是心靈的脈動，是靈魂的窗口。冷酷的電腦完全不理解人類的情感，根本無法「看懂」人類寫的文章。為什麼自動作文評分系統靠著字數、句數、用字頻率這些無機的統計數據，卻有驚人的批改能力？
閱讀與寫作看似微妙，在不可捉摸的心智活動底下，是否也隱約受到潛藏的機械法則支配呢？
|
|
IP卡
狗仔卡
显身卡
