這個秋天高中和大學的老師們在準備開學之際，注意：幫學生打分數的工作將會輕鬆不少。
一名加州大學柏克萊分校的教授和三名前研究生正在對一項人工智慧技術進行最後調整，這項技術可以將學生們的答案進行集合分類，再一起打分數。
這項正在進行測試的功能採用人工智慧技術，今年秋天將正式推出線上打分數程式 Gradescope 的最新功能。研究團隊兩年前成立公司時推出這項 app，目的在遏止作弊歪風。將打好分數的試卷製作成數位紀錄檔案，讓學生難以修改原先寫好的答案，沒有打錯分數的藉口。
Gradescope 在跟多個大學課程累積了一千萬個答案和十萬個題目的樣本後，易用介面和多個助教可同時對試卷進行評分的功能，將打分數的作業時間減少一半。
在2014年取得計算機科學博士學位、Gradescope 共同創辦人的 Sergey Karayev，表示加入人工智慧技術能將打分數的時間減少 90%。另一位共同創辦人，同樣也獲得博士學位的 Arjun Singh，則是擔任 Gradescope 執行長一職。
高度可重複性
人工智慧技術並非直接用於打分數這件事上，而是學習怎麼對答案進行分辨和綜合分組，並且批次進行，將打分數這件事變成一項具高度可重複性的自動化作業。
使用跟照片管理員類似的介面，老師們可以確保自動建議的答案組別正確無誤，再用紅字為每個答案打上分數，這麼一來使用者輸入的內容讓人工智慧技術能不斷改進預測能力。
Karayev 說：「以前要對100個學生進行考試，而且他們都正確作答，你就得看過這100份考卷，一一標示是正確答案。在人工智慧輔助下進行打分數這件事，只要對一個答案打分數，它就會套用到100份卷子上。」
Karayev 表示使用人工智慧技術的目的在解決三項難題：找出問題類型，像是複選題、填空題還是申論題；區別各種標示符號，包括學生劃掉一個複選題的答案、選擇另一個答案；還有最難的挑戰，也就是辨識手寫內容。
最後一項得利用在 Tesla K40 和 GeForce GTX 980 Ti GPU 上訓練過的遞歸神經網路，投入影像後產生文字，Karayev 指出「目前市面上還沒有優秀的手寫辨識引擎。」
為老師節省打分數作業時間的團隊：Gradescope
的四位創辦人讓老師們有個慶祝的理由。
GPU 與 AI 是一項強大的組合
初期回報的結果證明經 GPU 訓練後的人工智慧技術擁有超高執行效率。公司共同創辦人、同為柏克萊人工智慧實驗室電子工程與計算機科學助理教授的 Pieter Abbeel，在一則六月份 Gradescope 網站上的部落格文章裡，說他在對超過600名學生的計算機科學課程期末考時，便使用該公司早期版本的人工智慧打分數功能，將打分數的時間縮減 75%。
如此一來讓身陷打分數苦海裡的老師們能鬆一口氣。
Abbeel 寫道：「公平一致地打分數是很重要沒錯，卻也是老師們覺得最無聊的。在沒有人工智慧技術的輔助下，這變成一件極為耗時的事情。」
研究團隊打算日後將用於手寫辨識的機器學習技術，應用在複雜化學和工程圖的綜合分類和打分數作業上。該項功能以各地團隊使用 GPU 來訓練模組辨識照片裡的人、動物和物體之龐大研究成果為基礎。
Karayev 說：「已經有神經網路能辨識出大麥町犬的圖片，跟米格魯犬的圖片區別開來。這個原理就跟區分辨識人們手繪圖稿的作法一模一樣。」
下方影片介紹了 Gradescope 的運作方式，請將你的寶貴意見告訴我們。