刘清堂,杨炜钦,吴林静,贺黎鸣,李 晶,马晶晶

1(华中师范大学 教育信息技术学院 湖北省教育信息化研究中心,武汉 430079)

2(华中师范大学 教育信息化协同创新中心,武汉 430079)

3(华中师范大学 教育信息技术学院,武汉 430079)

目前,人工智能领域尽管在专家系统、问答系统等方面取得了众多的成果,但仍然面临着诸多难题.最核心问题是难以理解题目的意图和内涵.其中,常识性知识缺失是正确理解题意的瓶颈之一.世界各国的学者高度关注数学问题类人求解,并投入了大量的人力物力和财力开展研究.例如,国内863 计划“初等数学问题求解关键技术及系统”项目关注初等数学题意理解,及其类人解题等关键问题,力图研制初等数学自动解题系统.日本的“东大机器人”(Todai Robot Project)项目,其研究目的是将来能通过日本东京大学的入学测试[1].美国艾伦人工智能研究所(Allen Institute for Artificial Intelligence)也举办了一项比赛,来自世界各地的几千个团队都参与了这项比赛,他们提交了自己的软件系统来挑战8年级的科学题目,其中第一名仅达到59%的正确率.上述类人解题项目的核心难点在于题意的正确理解.

古典概型类题目是高考数学题目中的重要的考查模块,题目中涉及诸多常识性知识.人类对这些知识可以做到见名知义,计算机则无从提取相关知识.例如“投掷一枚质地均匀的色子,面朝上的点数是3 的几率是多少? ”题目中“色子”的相关知识处于缺失状态.而这种常识性知识是自动解题所需……