还有从一方面来说，就从整个未来高考为社会选拔人才的角度。我们讲社会进入到了一个人工智能的时代，因为人工智能在高速发展，现在讲人工智能都会下围棋了，他还可以干很多事情。我今天举了例子，还可以做翻译，以后可以做那种速记，可以做电话接线员。从一般逻辑来说，以后通过高考的大学生们，他应该不只是会做机器会做的事情。

当时我们做高考机器人时候，其实美国也有一个高考机器人，华盛顿大学的图灵研究中心，他们希望他们的机器要通过美国的生物考试。据说日本也有一个同样的计划，希望他们的这个机器是能够通过东京大学的考试。东京大学（在日本）是最好的学校，尽管他的机器已经能够相当于日本国内的排名前百分之30的水平，但是讲它要通过东京大学（的标准）我也觉得（目前）基本不可能，因为东京大学是比较顶尖的学校。当然就是从技术的发展的角度来说，我们觉得达到前 20% 还是比较有信心的。高考的压力还是不仅在孩子身上，还要在这个机器人身上。

Robert：这个机器人我看到他还能阅卷，包括识别大家写的主观题，作文，对吧？吴总能不能介绍一下，就是这个开发作文阅卷的机器人难点是在哪里？技术上来看。

吴晓如：实际上我们今天看到这个阅卷，是对作文的阅卷，实际上作文的阅卷它是一种主观的，整个我们在考试中，它实际上是有客观题和主观题客观题，比如说ABCD，你选了以后他是不会评分，是不会有差异的，但是作文题你即使安排两个水平比较高的老师，第一组学生的作文进行评阅的话，肯定还是有差异的，所以在这个评阅过程中，需要在从很多不同的一些维度，对这篇作文的水平进行评判。

整个主观题的自动评阅技术，实际上讯飞一条线走过来，走了很长的时间。我们在最早切入这个技术的时候是从口语开始，我不知道你有没有参加过中国的普通话考试，在中国你要当老师的话，或者记者、公务员有些窗口型的行业要通过普通话考试，最早的时候普通话考试它也是一种主观性的，需要你朗读一些句子，说一些话题。

我们当时第一次因为最早讯飞是做语音识别，我们是通过这个评分来逐步的进入到了教育相关的行业里面，讲起来比较有意思。有一次，一个我们教育领域的一个主管的领导到讯飞来，我们给他介绍了相关一些技术语音识别的技术。他看了以后，当时就产生了一个联想，因为他是那时候是主管普通话考试的。所以当时就是说这个技术我们很需要在中国考普通话的应用上。

（考普通话的应用）实际上以前是一件很麻烦的事，大部分需要测普通话的都是大学生。我给你举个例子，比如说像北京的首都师范大学，大概有六七千学生以上，那你这六七千学生要都要考普通话，每个考普通话的考生需要2到3个，那时候叫测试员，测试员2到3个老师花10到15分钟给一个人测，那你就可以想象到要把六七千学生测完是一个多浩大的工作量，所以那时候他跟我说了：你们能不能去解决这个问题？

（我们）后来到一些师范大学去调研，就发现几件事情，第一件事情是发现整个考试组织难度非常大，就是把一栋非常大的楼封起来，要考好几天才能把这些学生考完，我就觉得这个事情技术是有用武之地。第二个就是测试，（我们）当时就问，一个学生或一个老师给（学生）测就行了吗？为什么要两个老师给他测，三个老师给它测？他讲因为这是主观评分，一个老师经常测试的时候可能是会有不准的地方。那我就在想，机器该怎么去测？最后是采用机器学习的方式去测的。

我们当时是怎么做的呢？第一个，我们要选定一个学习的对象，但是请国内各个方面的语言专家给我们推荐哪些人是在语言测试上比较牛的。最后找了一组最权威的专家，我们请这组专家给我们留下了很多的测试样本，以这些测试样本作为我们机器学习的对象。（相当于用）机器建立一个模型，用这个模型来测试。在测试普通话的时候，我们在这个技术上花了很长时间。我们当时研究团队里面有一个同事有天跟我讲，他做了几次试验都觉得应该差不多了。但我们怎么来评估他讲差不多？我们怎么表明我这个技术可用了？当时，我们就在现场考试，我们就把机器当成是一个测试员，当时现场考试是有两百个考生在考，同样我们也是一样的，请了一组高水平的专家对这两百个考生进行了评分，评分完了以后把这一组专家评分的平均分作为标准，当时现场是有20个老师在给这200个学生在测，机器当成第21个人来测，后来测试成绩出来以后，我们讲两个指标，第一个21个人和机器结果都和专家的平均分去比，丝毫不差。第二个比我们叫相关度，就是对一组学生排序，专家有一组排序，我们机器有一种排序，结果（专家的）第一名，（机器）排序最高。

当然，对整个普通话测试来说相对来讲，因为它是有一个规范的，所以难度比这个作文稍微小一些。但其实沿用的是同样的思路。