最近頻繁看到機器人參加聯考的消息，學校教育培養的人才還不如一個機器的報道甚嚣，且塵上矣。筆者不才，從事十幾年教學和教育技術研究，對機器人參加聯考的宣傳報道怎麼興趣蕩然無存呢。
● 首先是應用問題導向，主要應用是已有的模型和方法解決一些實際問題，相當于資料挖掘； ● 其次是應用問題的需要，提出和發展模型、方法和算法以及研究支撐它的數學原理或者理論基礎等，這是核心； ● 第三就是通過推理達到某種智能。資料挖掘接近于資料端，機器學習接近于智能端。
《高中數學課程标準》指出，高中數學應注意提高學生的數學思維能力，這是數學教育的基本目标之一。學生們在學習數學和運用數學解決問題時，不斷地經曆直覺感覺、觀察發現、歸納類比、空間想象、抽象概括、符号表示、運算求解、資料處理、演繹證明、反思與建構等思維過程，數學思維能力在形成理性思維中發揮着獨特的作用。
我談一下學生學習知識的解題邏輯和思維經曆。
中學生接觸最多的是狹義标準化上的數學題，說到标準包括兩個基本要素：條件（已知條件，題幹條件），結論（未知，求解，求證，求作）。解題就是溝通條件與結論之間的聯系，包括解和解題依據。解題比做打仗，那麼解題者的“兵力”就是數學基礎知識，解題者的“兵器”就是數學基本方法，而調動數學基礎知識、運用數學基本方法的數學解題學正是“兵法”。
《數學解題學引論》中認為數學解題的資訊過程包括這樣一個“三位一體”的工作。
1. 有用捕捉：從了解題意中捕捉有用的資訊，主要是弄清條件是什麼？結論是什麼？如何建立條件與結論之間的邏輯聯系？通過感覺和以前學過的圖示知識，從題目的叙述中擷取“符号資訊”，從題目圖形中擷取“形象資訊”。知識與圖示知識是“有用捕捉”的基礎。
2. 有關提取：即在“有用捕捉”的刺激下，通過回想而從記憶儲存中提取有關的資訊，圖示知識：定理、公式、基本模式、解題經驗等解題依據或解題憑借。良好的認知結構和機智的政策選擇是連續提取、不斷捕捉的基礎。
3. 有效組合：将“有用捕捉”和“有關提取”兩組資訊進行有效組合。邏輯思維能力是有效組合的基礎，而“邏輯結構”是否有效，其基本要求應能說服自己、說服論敵。
這三個步驟往複循環，依資訊的回報而由大腦來調節，解題資訊過程如圖1所示：
從資訊論的觀點分析例1的解題過程，則是兩個次元上相關資訊的有效組合，即從了解題意中捕捉有用的資訊，從記憶中提取有關的資訊，并把這兩組資訊組成一個和諧的邏輯結構。
可見，數學解題的思維過程是一個“三位一體”的工作．
例1的分析充分展現了解題者的思維過程，也正是解題教學中教師應該向學生充分展示的過程。因為例1的難度不大，甚至還能“簡單模仿”，但是很難讓學生上升到“自發領悟”和“自覺分析”的頓悟層次，對提高學生解題能力起不了多大作用。
1）解題方法
這裡說的解題方法，是指中學階段用于解答數學題的方法。此處将其分為3類，分别為具有創立學科功能的方法，展現一般思維規律的方法，具體進行論證演算的方法。
1. 具有創立學科功能的方法。如公理化方法、模型化方法、化歸方法、結構化方法，以及集合論方法、極限方法、坐标方法、向量方法等。在具體解題中，具有統率全局的作用。
2. 展現一般思維規律的方法。如觀察、試驗、比較、分類、猜想、類比、聯想、歸納、演繹、分析、綜合等。在具體解題中，有通理通法、适應面廣的特征，常用于解題思路的探求。
3. 具體進行論證演算的方法。這又可以依其适應面分為兩個層次，第一層次是适應面較廣的求解方法，如消元法、換元法、降次法、待定系數法、反證法、同一法、數學歸納法（及遞推法）、坐标法、三角法、數形結合法、構造法、配方法等；第二層次是适應面較窄的求解技巧，如因式分解中的“裂項法”，函數作圖中的“描點法”，以及三角函數作圖中的“五點法”，幾何證明中的“截長補短法”、“補形法”，數列求和中的“裂項相消法”“倒序求和”“錯位相減法”等。
僅僅是不等式的證明，我們就可以列舉出一長串的解法或技巧：比較法、放縮法、綜合法、分析法、遞推法、反證法、基本不等式法、疊加法、連乘法、數學歸納法、判别式法、求極值法、配方法、輔助函數法、構造法、微分法等，而微分法又可以有求極值、确定單調性、中值定理等形式。
2） 解題政策
注重解題政策的研究已經構成中國解題的一個特色，它可以看成是對波利亞現代啟發性解題政策研究的繼承與發展，徐利治教授提出的rmi原理是這方面工作的傑出代表。
1. 政策是指導行動的方針，同時也是增強效果、提高效率的藝術，它差別于具體的途徑或方式。數學解題的政策是為了實作解題目标而采取的方針。解題政策的思維基礎是邏輯思維、形象思維、直覺思維的共同作用，離開邏輯是不行的，單靠邏輯是不夠的。
2. 解題政策介于具體的求解方法與抽象的解題思想之間，是思想轉化為操作的橋梁，一方面它是用來具體指導解題的方法，另一方面它又是運用解題方法的方法、尋找解題方法的方法、創造解題方法的方法。
如果把解題政策了解為選擇與組合的一系列規則，那麼這些規則應該具有迅速找到較優解題操作的基本功能，能夠減少嘗試或失敗的次數，能夠節省探索的時間和縮短解題的長度，展現出選擇的機智群組合的藝術。
總之解題思維是來自身體經驗的，并非來自語言和文字标簽，語言也是來自身體經驗的。但是智力越發展，語言的重要性也越大。
假如例1題變式為：向量oa坐标為（3,4），按照逆時針方向旋轉135°到向量ob，求b點坐标。
按照三位一體的思維理論，學生很容易通過向量和兩角和與差的餘弦定理去建立解題邏輯。而機器人的所謂神經網絡學習模式攫取的底層标簽都是向量相關的，解題邏輯的建立就太難了。
機器學習的認知邏輯是如果涉及“認知發生”，各種導圖、圖譜統統都是無效的。不涉及“認知發生”時，圖譜、導圖在一些教學場景下能提供僅僅部分有效的支援。比如：“認知發生”是指“你不能想象吃米飯的動作，你就無法了解啥叫吃米飯”。也即：如果要讓學生了解“吃米飯”這一邏輯的前提是，學生能想象“吃米飯動作”這一身體經驗。當我們沒有直接的“吃米飯”的經驗，但是有“吃”的經驗以及“大米”的經驗時，語言可以協助我們想象“吃米飯”的經驗。這種“概念拼裝”可能會有部分的“失真”，但确實是可以促進的。這也就是“教”的意義。在複雜認知技能的有效學習方面，模拟任務環境中的重要性，心理逼真度>功能逼真度>實體逼真度。
學習分析資料模型
聯考機器人意在通過整合最先進的人工智能技術，檢驗人工智能可在多大程度上模拟人類思考以及解決問題的能力，希望用自适應的方式幫助k12階段的學生學習。有些公司通過手機app的拍照搜題，線上一對一等多種管道進行資料收集，這些資料包含學生在做題、考試等應用場景中的種種行為表現，充其量是記憶平台用來檢測，而非創造性思維。對此，有業内人士表示，聯考機器人能在多大程度上落地值得商榷，像有的網際網路巨頭也在投入巨額資金做人工智能，但是離社會化應用和行業應用還有很長的路要走。更不要借用“聯考機器人”和機器人可以考上一本的噱頭去迎合部分人心理，機器短期内适應不了原創題聯考的選拔性考試。
感謝北京大學機率統計系張志華教授、常象宇博士論文資料等等。
統計制度《機器學習：統計與計算之戀》《中國計算機學會通訊》
《教育資料挖掘》2012年12月出版，張少剛，魏順平博士
《深度學習的7種有力政策》（美）艾瑞克尼克爾森
====================================分割線================================
本文作者：ai研習社