目前，人工智能核心技術的進展有兩條路徑：第一條是以被麻省理工學院列入2017年全球十大突破性進展技術的深度神經網絡為代表。自2006年深度神經網絡被提出后，我們在英語的語音合成技術方面有了不小的突破，改變了國際翻譯上漢英和英漢原來由美國和日本控制的格局。第二條路徑是腦科學，通過對神經元傳導機制的分析，來進行人工智能的解碼，盡管還存在不確定性，但醫療領域、腦科學領域的專家依然對未來20年的進展持樂觀態度。
大數據幫助機器人學會“批改”
如今，以深度神經網絡為路徑的人工智能技術可以通過學習頂尖專家的水平，從而超過90%的專業人士，接近或者達到一流水準，如谷歌的阿爾法狗。除了圍棋，從教育醫療到智慧城市的公共服務，再到金融、汽車、電子玩具等。今年是人工智能在各個應用領域的落地年，把最頂尖的算法、行業大數據、行業專家這3個要素對接起來，人工智能就可以給很多領域帶來驚喜。
國家“863”計劃中的“基于大數據的類人智能關鍵技術與系統”這一課題，就是依托大數據，研究教育中類人智能的應用。從全球范圍來看，機器人解答數學、物理等學科相對來說容易些，尤其是填空題和選擇題；困難的是與自然語言理解相關的，比如對于計算題、問答題等題目意思的理解，還有作文中語義的理解。因此，從考試閱卷方面切入開展高考機器人的研究是合適的。
機器人參加高考并非“天方夜譚”
去年兩會之后，人工智能“訊飛超腦”開始學習“批改”四、六級英語作文試卷。先由人工專家組聯合評選出已批改好的500份卷子，然后由機器來學習。如今，機器閱卷的水平已經超過了人工評閱的水平。同樣在去年，我們在一些省的高考語文作文評改中也進行了相同測試，結果機器人的批改效果也超過了人工。
現在，我們與全國1萬多所學校合作，收集學生的過程化學習數據，從而精準地分析學生的知識掌握狀況，進行有針對性的指導。將來通過智能系統，可以使教師課堂的教學時間減少30%，大幅提升課堂效率。通過人工智能的應用，能夠把無效的重復訓練時間大幅減少，每個學生將來的學習訓練都不一樣，系統可以精準地根據個人不同需要來布置訓練。在考試閱卷和日常的個性化學習，國內已經取得很好的研究成效。
在此基礎上，我們跟教育部考試中心共同建立了聯合實驗室，用最新的人工智能技術推動高考的改革。那“高考機器人”什么時候能參加高考？我們認為，差不多是跟日本的高考機器人相同時間，也就是在2021年左右。日本當時定的目標是考上東京大學，而我們的目標是上一本，未來也許能上清華、北大或者中科大。最近的相關研究成果表明，機器人還有可能會在一些專業考試如司法考試中出現。
