人工智能作文 篇1
深度学习目前最接近人类智能
要回答上述问题，需要先了解一下人工智能在自然语言处理中的工作模式。
所谓自然语言处理，简单点说，就是利用计算机对人类语言进行分析，以完成自动分词、词性标注、语音识别、自动文摘、机器翻译、人机对话等一系列由简到繁的语言任务。
在自然语言处理技术的发展过程中，经历了三种研发模式：
第一种是基于规则的自然语言处理模式，主要通过对话语进行语法分析和语义分析，然后转换成计算机程序以实现自然语言的理解和表达。这种工作模式是最容易想到也是最早进行广泛研究的，它依赖于语言学家和计算机专家的通力合作。
但是，这种模式很快就遇到了无法突破的瓶颈，因为人类的语言理解过程实在太复杂，而语言学家对自然语言的分析很不充分，无法提供充足的语法规则和语义规则，计算机专家就陷入了“巧妇难为无米之炊”的窘境。
第二种是基于统计的自然语言处理模式，主要是对语言表达进行概率统计。这种模式下的人工智能，不需要了解话语的句法结构和语义关系，只需考察它被人类说出的可能概率就行，被说出的概率越大，相关话语就越合理。而概率的计算，可以通过大语料库基础上的词频统计来实现。
这种工作模式不需要语言学家提供复杂的规则，让计算机搞统计正是它最拿手的工作。统计模式的广泛运用，在语音识别、机器翻译等领域产生了革命性变化，使很多技术从实验室走向了实际应用。
第三种是深度学习的自然语言处理模式。深度学习依赖的是大规模人工神经网络，也就是利用大量电脑处理单元对人类大脑的神经元系统进行模拟，然后让这个人工神经网络通过不断自我学习和自我调整来完成相应的工作。
这可能是目前最接近人类智能的一种人工智能模式，目前的发展态势惊人，全面超越“阿尔法围棋”的“阿尔法元”利用的主要就是深度学习技术。
把作文评分交给电脑？高利害考试中无法实施
三种工作模式下的不同人工智能能不能应用于语文教育呢？我们不妨以作文评分为例来分别加以说明。
如果让人工智能给学生作文评分，按照基于规则的工作模式，就必须把评价一篇作文好坏的要素都找出来，如语言、结构、内容、思想等等。最关键的工作还要把这些评分因素量化，比如给一篇作文的“语言”项目打10分，你就得告诉电脑，这10分的依据是什么？是词汇量多少，还是句子的复杂度，还是句式的不同类型？
在第二语言教学中，类似的评分系统已经得到较为广泛的应用，因为仅是“语言”项目的话还比较容易量化，但在母语作文评价中其可行性显然不大。因为对于母语作文评分来说，结构、思想等项目更为重要，之前人类阅卷者的评价主要依赖整体感知，但这种感觉很难分解，更无法量化。因此，基于规则的人工智能模式很难在作文评分上有用武之地。
如果是基于统计的工作模式，那我们就必须掌握足够数量的作文语料，然后构建大型语料库，分析其中各类型作文的各种数据。
比如，优秀作文和一般作文在词汇量和句子结构上有什么统计差异；
比如，议论文平均用几个例子，平均引用多少句名人名言；
又比如，记叙文写了几个细节，每个细节平均多少字……