本報訊你如何證明自己掌握了所學的東西？通常你沒有別的選擇，除了參加測試。

　　一種新的算法能讓你在增長知識的同時，廢除所有的正式測試。該算法由美國斯坦福大學和谷歌公司的研究人員共同研發，能分析學生之前做練習題時的表現，辨別出他們最容易在哪些地方出錯，并且形成一幅整體知識圖。

　　利用軟件追蹤學生進步的想法并不新鮮。不過，迄今為止很少有人嘗試利用深度學習—— 一門通過消化大量數據讓機器學習的尖端學科。

　　來自斯坦福大學的Chris Piech及其團隊成員向他們的系統提供了140多萬名學生就在線學習平臺“可汗學院”上所設置數學問題給出的答案，并且作出了相應評分。他們還訓練一個神經網絡按照類型將問題分類：哪些涉及平方根、斜率，或者比如計算圖表上的一條線在哪兒同水平軸相交。

　　掌握了所有這些信息后，該系統開始了解每名學生在每個問題類型上的解決能力。該模型僅通過研究幾十道已經回答過的其他問題，便可使預測一名學生做對或做錯一道新練習題的準確率達到85%。Piech在日前于加拿大蒙特利爾舉行的神經信息處理系統會議上展示了這一成果。

　　他還構想了一個更為復雜的版本：不僅能預測一名學生可能在哪些問題上出錯，還能知道其中的原因所在。Piech說，“如果我們都能負擔得起雇傭一名在思考你應當學什么上花費大量時間的指導教師”，這當然是件好事。雖然這并不現實，但“有一天我們或許僅利用這種類型的軟件，便能找到一個人在哪些方面存在困難，并且幫助他改善”。他同時認為，該系統最終會變得足夠精確，從而將所有測試廢除。（徐徐）