《教育部關于加強和改進中小學實驗教學的意見》明確指出：“2023年前要將實驗操作納入初中學業水平考試，考試成績納入高中階段學校招生錄取依據;在普通高中學業水平考試中，有條件的地區可將理化生實驗操作納入省級統一考試”。在教育部這一文件出臺之前，多個省市已經發文在轄區內開展中考實驗操作考評。

　　傳統實驗考評方式存在著集中調配大量專業教師難度大、教師主觀評分個人差異大、學生操作過程難以復制、靠后數據整理工作量大等問題。基于此，人工智能(AI)在中考實驗考評中有著非常廣闊的應用前景。近日，采訪了西南交通大學黃進教授，請他談一談AI在中考實驗考評及整個基礎教育領域的應用情況。

黃進教授

　　黃進教授現任西南交通大學中國土地信息大數據研究院院長、西南交通大學&華為技術有限公司機器視覺聯合實驗室主任，主要研究方向為圖像處理和機器視覺、大數據挖掘和人工智能。編著《數字圖像處理原理與實現》教材1部，在國內外期刊發表學術論文10余篇，主持或參與省部級各類縱向項目10余項，主持橫向項目20余項，有發明專利及發明專利申請10余項，實現10余項科研成果的轉化應用，成果轉化經費達1000余萬元，曾榮獲國家級教學成果獎二等獎、四川省教學成果獎一等獎、中國電子教育學會“十二•五”高等教育科學研究一等獎，獲得成都市科技局科技人才創新創業項目資助等。

　　采訪者(以下簡稱“問”)：請介紹一下您的研究背景和科研經歷。我們知道AI在各個領域有廣泛的應用，是什么機遇使您把AI在實驗考評中的應用作為研究方向之一的?

　　黃進(以下簡稱“答”)：我于1996年進入大學本科學習，專業是計算機及應用。2000年繼續攻讀碩士學位，專業是計算機應用技術，研究方向是數據挖掘，就是近幾年興起的大數據技術。2003年碩士畢業后留校任教，接著繼續攻讀博士學位，研究方向是圖像處理及計算機視覺，就是近幾年國家大力發展的AI技術。就這樣，我在不知不覺間投身到了大數據和AI技術研究領域。

　　自黨的十八大提出實施創新驅動發展戰略以來，國家高度重視科技成果的轉移和轉化，我校也適時推出了職務科技成果轉化實施細則，鼓勵高校教師投身到技術創新和成果轉化的浪潮中。在此背景下，我的工作重點也從傳統的純科學研究轉移到推動政府、行業、企業實際痛點難點問題解決的技術創新及成果轉化應用方面，我們團隊先后把科研成果轉化應用到智慧交通、智慧農業、智慧國土、智慧文旅等領域，得到了政府、企業的認可，取得了一些小小的成績。

　　我進入智慧教育領域，把AI技術應用于中考理化生實驗操作考評，可以說是偶然中的必然。高校本身就屬于教育系統，在早幾年的科學研究工作中，我們團隊已經開展了基于機器視覺的體育考試評分技術、職業技能考試評分技術、課堂交互行為識別等研究工作，打下了堅實的理論研究基礎。后來，我在與廣東天智實業有限公司李美英董事長就智慧教育的產教融合進行交流時，對AI技術應用于中考理化生實驗操作考評的重要意義和應用前景產生了高度共鳴。

　　問：請介紹一下您的研究團隊的基本情況。

　　答：按照國家和學校職務科技成果轉化相關制度的規定，我們建立了產教融合的創新應用研究團隊，把科學研究和工程應用深度融合、有機協同、高效推進。

　　在科學研究方面，我們依托西南交通大學&華為技術有限公司機器視覺聯合實驗室、西南交通大學中國土地信息大數據研究院平臺，組建了由5位教授、20余位碩士博士研究生、50余位本科生構成的科研攻關團隊，開展針對中考理化生實驗操作考評前沿算法和模型的科學研究。在不到1年的時間內，學生們基于研究內容參加了“互聯網+”、ACM程序設計大賽、SRTP、畢業設計等學科競賽和科創活動30余項(次)，申請發明專利5項，發表學術論文近10篇，參與項目的本科學生月科研補貼至少500起，表現優秀的研究生月科研補貼可達1萬元，在開展科學研究的同時，極大地促進了高校人才培養工作的開展。

　　在工程應用方面，我們依托成都西交智匯大數據科技有限公司和廣東天智實業有限公司，組建了由50余位算法工程師、研發工程師、產品設計工程師、項目實施工程師等構成的技術攻關團隊，開展中考理化生實驗操作考評系統業務梳理、產品研發、工程部署、售前售后支持等技術研發和工程實施工作。此外，基于華為公司自主可控的海思芯片SDC攝像機，打造基于機器視覺的智慧教育解決方案，得到了華為公司的高度認可，在2021年5月舉行的“華為中國生態大會2021”上，壓軸獲頒唯一一個“華為機器視覺開發者伙伴杰出貢獻獎”。同時，團隊還與百度公司密切合作，尋求更多自主可控技術的國產化應用。

　　問：提起AI這個詞，很多人都熟悉，但對它的準確含義可能就不是很清楚了。您能簡單解釋一下AI的準確含義嗎?目前AI技術發展到了什么水平?

　　答：這個問題可以說很簡單，也可以說很復雜。AI即人工智能，不同學者有不同的定義，其基本內涵簡單來說就是研究具有人類智能的人工系統的學科。具體來說，AI就是用人工系統來模擬人類的行為過程和思維過程的學科。行為過程包括走、跑、跳等運動行為，視覺、聽覺、味覺、嗅覺、觸覺等感官行為，喜、怒、哀、樂等情緒行為，聚會、聯歡、結伴等社群行為，等等。思維過程包括學習、總結、思考、規劃、推理等。人類行為學和人類思維學本身就是兩門學科，內涵非常豐富，這也體現出AI技術的實現難度。

　　1956年達特茅斯會議的召開標志著AI技術的誕生，隨后這一學科經歷了幾次高低潮的起落。2006年深度學習的提出以及相關算力設施的高速發展，讓AI再次獲得突破性進展，得到社會、政府、行業、企業的高度認可和重視，被譽為第四次工業革命的技術皇冠。AI可以應用于千行百業，目前我們身邊能夠親歷或耳聞的應用包括車牌識別、人臉識別、違章抓拍、無人駕駛等，但這些都停留在低層次智能和零星點應用上，行為邏輯、思維推理等高層次智能還沒有出現具有較大影響力的工程應用案例。從產業發展的角度來說，絕大部分行業和應用場景還沒有實現人工智能，但政府、社會、產業、行業對AI的共同認知和發展意志又推動著千行百業開始或準備開始走上AI發展之路。當前，AI應用是一片廣闊的藍海市場，對產業升級和社會發展具有重大戰略意義。

　　問：請您談談AI在實驗考評中的應用現狀。您在研究中遇到的主要難點在哪里?

　　答：2019年發布的《教育部關于加強和改進中小學實驗教學的意見》明確規定：“2023年前要將實驗操作納入初中學業水平考試，考試成績納入高中階段學校招生錄取依據”。這為AI應用于中考理化生實驗操作考試提供了政策支持。隨后，全國各省區市相繼出臺關于中考理化生實驗操作考試的指導意見，不約而同地提到采用創新技術手段保障實驗操作考試高效組織、客觀評價和公平公正的重要性。

　　傳統實驗操作考試存在調配大量考官難、主觀評分差異大、實驗過程復現難、考后數據整理難等問題，AI技術是解決問題的關鍵所在。當前，AI在實驗操作考試中的應用還處于起步階段，全國還沒有完全采用AI進行正式考試的案例，走在創新應用前沿的上海、深圳等地仍以教師評分為主，AI評分僅作為輔助手段在小范圍開展試點。究其原因，在于AI評分存在很多難點：

　　(1)評分標準不一。相同實驗的評分標準，各地市存在差異，甚至較大的差異。截至目前，我看到過全國50多個地市的理化生實驗評分標準，幾乎沒有完全相同的，有些甚至差異很大。要么評分項數量不一樣，要么評分項考點不一樣，要么考點分值不一樣，等等。如何實現AI算法基于不同地市、不同評分標準的通用性和可擴展性是一個難點。

　　(2)實驗數量較多。據不完全統計，中學物理、化學、生物實驗總共有200多個，其中比較重要的有50個左右，例如測量小燈泡的電功率、高錳酸鉀固體制取氧氣、制作番茄果肉細胞臨時裝片等。如何實現AI算法針對不同實驗的普適性是一個難點。

　　(3)儀器類型多樣。據不完全統計，中學物理、化學、生物實驗涉及的儀器有1000余種，如電流表、電壓表、滑動變阻器、試管、燒杯、漏斗、顯微鏡、放大鏡、玻片等。如何實現AI算法針對不同儀器類型識別的準確性是一個難點。

　　(4)儀器型號繁多。對于每一種儀器類型，不同生產廠家的產品外觀幾乎都不會相同;即便是同一生產廠家，不同型號儀器的外觀絕大部分也不會相同。例如物理實驗中常用的電流表，按測量電流量分有微安表、毫安表、安培表，按工作原理分有磁電式、電磁式、電子數字式，按工作方式分有豎式、平式等。為了實現對儀器的充分利用，AI算法需要針對海量的儀器型號實現儀器讀數的精準識別，這需要建立海量樣本庫，工作量巨大，而且很難保證樣本庫的完整性。

　　(5)實驗步驟嚴謹。中學物理、化學、生物實驗的實驗步驟要求嚴謹，步驟之間大部分具有時序性和強關聯性，操作不當輕則導致實驗失敗，重則可能導致人身傷害。例如，高錳酸鉀固體制取氧氣實驗，導管移出水面操作和熄滅酒精燈操作的時序性就非常重要。如何實現AI算法針對不同實驗步驟及其步驟時序性組合識別的完備性和準確性是一個難點。

　　(6)操作細節精準。中學物理、化學、生物實驗的操作細節要求精準，有些細節的精度要求達到毫米級。例如，使用量筒進行液體讀數時，要求液體凹液面和量筒刻度線相切;使用漏斗進行液體引流時，要求玻璃棒靠觸三層濾紙引流。如何實現AI算法針對相切與否、濾紙厚薄等微觀操作識別的精準性是一個難點。

　　(7)操作主觀性強。中學物理、化學、生物實驗的操作流程存在主觀性，為達到同樣的目標，不同學生可能有不同的操作方法。例如在探究電阻上的電流跟兩端電壓的關系實驗中，電流表、電壓表、定阻電阻、滑動變阻器、電池盒、開關等儀器的連接順序存在多種可能組合。如何實現AI算法針對不同實驗操作組合的評分準確性是一個難點。

　　問：當所有困難都突破之后，AI技術在實驗考評中應用的終極場景是什么樣的?

　　答：雖然AI應用于中考理化生實驗操作考評在技術上困難重重，但我們基于20多年的技術和人才積累，已經組織了強有力的團隊全力開展技術攻關，每個技術難點都制定了詳細的技術路線和解決方案，正在穩步、快速和高效地實施。今年5月22日，我們在深圳某中學中考期間開展了AI評分考場實測，采用24位學生1組，其中物理、化學、生物各8位學生，學生同時考試，即考即評，AI評分與老師人工評分逐項對比，測試準確率達到95.78%。緊接著的6月7日，我們在深圳另一所中學又開展了AI評分現場測試，采用12位學生1組，其中物理、化學、生物各4位學生，學生同時考試，即考即評，AI評分與老師人工評分逐項對比，測試準確率達到96.33%，取得了理想的成效!我們有信心在今年年底左右實現重要實驗AI評分的正式考試應用。

　　待所有技術難點攻克后，中考理化生實驗操作考試將以無人化、智能化、實時化為特點，即考試現場無需監考老師(或僅需1—2位巡考老師)，考試成績智能評分，考試報告即考即出，整個考務工作將呈現工作人員少、工作效率高、考務成本低的智慧考務新模式。

　　問：除了實驗考評這一應用場景，AI在基礎教育領域還有哪些應用場景?這些應用的現狀和前景如何?

　　答：AI在基礎教育領域的應用場景非常多。例如，在體育教育方面，基于AI的仰臥起坐、引體向上、立定跳遠評分等智慧體育技術;在課堂教學方面，基于目標檢測、運動跟蹤和行為識別的課堂教學質量評價技術;在校園管理方面，基于AI的人群聚集檢測、可疑行人跟蹤、異常行為識別等智慧校園技術等。在國家創新驅動發展戰略和產教融合戰略的大背景下，基礎教育領域基于AI技術的智慧應用必定是未來發展的趨勢，擁有極其廣闊的發展前景。

　　不瞞您說，對這些應用場景我們已經開始了技術預研和攻關。只要國家和行業需要，我們能夠在第一時間開展算法模型的成果轉化和工程應用，在科學研究、技術創新、成果轉化和工程應用的創新發展道路上肩負起科研工作者應盡的責任。

　　來源：秘書處