《教育部关于加强和改进中小学实验教学的意见》明确指出：“2023年前要将实验操作纳入初中学业水平考试，考试成绩纳入高中阶段学校招生录取依据;在普通高中学业水平考试中，有条件的地区可将理化生实验操作纳入省级统一考试”。在教育部这一文件出台之前，多个省市已经发文在辖区内开展中考实验操作考评。

　　传统实验考评方式存在着集中调配大量专业教师难度大、教师主观评分个人差异大、学生操作过程难以复制、靠后数据整理工作量大等问题。基于此，人工智能(AI)在中考实验考评中有着非常广阔的应用前景。近日，采访了西南交通大学黄进教授，请他谈一谈AI在中考实验考评及整个基础教育领域的应用情况。

黄进教授

　　黄进教授现任西南交通大学中国土地信息大数据研究院院长、西南交通大学&华为技术有限公司机器视觉联合实验室主任，主要研究方向为图像处理和机器视觉、大数据挖掘和人工智能。编著《数字图像处理原理与实现》教材1部，在国内外期刊发表学术论文10余篇，主持或参与省部级各类纵向项目10余项，主持横向项目20余项，有发明专利及发明专利申请10余项，实现10余项科研成果的转化应用，成果转化经费达1000余万元，曾荣获国家级教学成果奖二等奖、四川省教学成果奖一等奖、中国电子教育学会“十二•五”高等教育科学研究一等奖，获得成都市科技局科技人才创新创业项目资助等。

　　采访者(以下简称“问”)：请介绍一下您的研究背景和科研经历。我们知道AI在各个领域有广泛的应用，是什么机遇使您把AI在实验考评中的应用作为研究方向之一的?

　　黄进(以下简称“答”)：我于1996年进入大学本科学习，专业是计算机及应用。2000年继续攻读硕士学位，专业是计算机应用技术，研究方向是数据挖掘，就是近几年兴起的大数据技术。2003年硕士毕业后留校任教，接着继续攻读博士学位，研究方向是图像处理及计算机视觉，就是近几年国家大力发展的AI技术。就这样，我在不知不觉间投身到了大数据和AI技术研究领域。

　　自党的十八大提出实施创新驱动发展战略以来，国家高度重视科技成果的转移和转化，我校也适时推出了职务科技成果转化实施细则，鼓励高校教师投身到技术创新和成果转化的浪潮中。在此背景下，我的工作重点也从传统的纯科学研究转移到推动政府、行业、企业实际痛点难点问题解决的技术创新及成果转化应用方面，我们团队先后把科研成果转化应用到智慧交通、智慧农业、智慧国土、智慧文旅等领域，得到了政府、企业的认可，取得了一些小小的成绩。

　　我进入智慧教育领域，把AI技术应用于中考理化生实验操作考评，可以说是偶然中的必然。高校本身就属于教育系统，在早几年的科学研究工作中，我们团队已经开展了基于机器视觉的体育考试评分技术、职业技能考试评分技术、课堂交互行为识别等研究工作，打下了坚实的理论研究基础。后来，我在与广东天智实业有限公司李美英董事长就智慧教育的产教融合进行交流时，对AI技术应用于中考理化生实验操作考评的重要意义和应用前景产生了高度共鸣。

　　问：请介绍一下您的研究团队的基本情况。

　　答：按照国家和学校职务科技成果转化相关制度的规定，我们建立了产教融合的创新应用研究团队，把科学研究和工程应用深度融合、有机协同、高效推进。

　　在科学研究方面，我们依托西南交通大学&华为技术有限公司机器视觉联合实验室、西南交通大学中国土地信息大数据研究院平台，组建了由5位教授、20余位硕士博士研究生、50余位本科生构成的科研攻关团队，开展针对中考理化生实验操作考评前沿算法和模型的科学研究。在不到1年的时间内，学生们基于研究内容参加了“互联网+”、ACM程序设计大赛、SRTP、毕业设计等学科竞赛和科创活动30余项(次)，申请发明专利5项，发表学术论文近10篇，参与项目的本科学生月科研补贴至少500起，表现优秀的研究生月科研补贴可达1万元，在开展科学研究的同时，极大地促进了高校人才培养工作的开展。

　　在工程应用方面，我们依托成都西交智汇大数据科技有限公司和广东天智实业有限公司，组建了由50余位算法工程师、研发工程师、产品设计工程师、项目实施工程师等构成的技术攻关团队，开展中考理化生实验操作考评系统业务梳理、产品研发、工程部署、售前售后支持等技术研发和工程实施工作。此外，基于华为公司自主可控的海思芯片SDC摄像机，打造基于机器视觉的智慧教育解决方案，得到了华为公司的高度认可，在2021年5月举行的“华为中国生态大会2021”上，压轴获颁唯一一个“华为机器视觉开发者伙伴杰出贡献奖”。同时，团队还与百度公司密切合作，寻求更多自主可控技术的国产化应用。

　　问：提起AI这个词，很多人都熟悉，但对它的准确含义可能就不是很清楚了。您能简单解释一下AI的准确含义吗?目前AI技术发展到了什么水平?

　　答：这个问题可以说很简单，也可以说很复杂。AI即人工智能，不同学者有不同的定义，其基本内涵简单来说就是研究具有人类智能的人工系统的学科。具体来说，AI就是用人工系统来模拟人类的行为过程和思维过程的学科。行为过程包括走、跑、跳等运动行为，视觉、听觉、味觉、嗅觉、触觉等感官行为，喜、怒、哀、乐等情绪行为，聚会、联欢、结伴等社群行为，等等。思维过程包括学习、总结、思考、规划、推理等。人类行为学和人类思维学本身就是两门学科，内涵非常丰富，这也体现出AI技术的实现难度。

　　1956年达特茅斯会议的召开标志着AI技术的诞生，随后这一学科经历了几次高低潮的起落。2006年深度学习的提出以及相关算力设施的高速发展，让AI再次获得突破性进展，得到社会、政府、行业、企业的高度认可和重视，被誉为第四次工业革命的技术皇冠。AI可以应用于千行百业，目前我们身边能够亲历或耳闻的应用包括车牌识别、人脸识别、违章抓拍、无人驾驶等，但这些都停留在低层次智能和零星点应用上，行为逻辑、思维推理等高层次智能还没有出现具有较大影响力的工程应用案例。从产业发展的角度来说，绝大部分行业和应用场景还没有实现人工智能，但政府、社会、产业、行业对AI的共同认知和发展意志又推动着千行百业开始或准备开始走上AI发展之路。当前，AI应用是一片广阔的蓝海市场，对产业升级和社会发展具有重大战略意义。

　　问：请您谈谈AI在实验考评中的应用现状。您在研究中遇到的主要难点在哪里?

　　答：2019年发布的《教育部关于加强和改进中小学实验教学的意见》明确规定：“2023年前要将实验操作纳入初中学业水平考试，考试成绩纳入高中阶段学校招生录取依据”。这为AI应用于中考理化生实验操作考试提供了政策支持。随后，全国各省区市相继出台关于中考理化生实验操作考试的指导意见，不约而同地提到采用创新技术手段保障实验操作考试高效组织、客观评价和公平公正的重要性。

　　传统实验操作考试存在调配大量考官难、主观评分差异大、实验过程复现难、考后数据整理难等问题，AI技术是解决问题的关键所在。当前，AI在实验操作考试中的应用还处于起步阶段，全国还没有完全采用AI进行正式考试的案例，走在创新应用前沿的上海、深圳等地仍以教师评分为主，AI评分仅作为辅助手段在小范围开展试点。究其原因，在于AI评分存在很多难点：

　　(1)评分标准不一。相同实验的评分标准，各地市存在差异，甚至较大的差异。截至目前，我看到过全国50多个地市的理化生实验评分标准，几乎没有完全相同的，有些甚至差异很大。要么评分项数量不一样，要么评分项考点不一样，要么考点分值不一样，等等。如何实现AI算法基于不同地市、不同评分标准的通用性和可扩展性是一个难点。

　　(2)实验数量较多。据不完全统计，中学物理、化学、生物实验总共有200多个，其中比较重要的有50个左右，例如测量小灯泡的电功率、高锰酸钾固体制取氧气、制作番茄果肉细胞临时装片等。如何实现AI算法针对不同实验的普适性是一个难点。

　　(3)仪器类型多样。据不完全统计，中学物理、化学、生物实验涉及的仪器有1000余种，如电流表、电压表、滑动变阻器、试管、烧杯、漏斗、显微镜、放大镜、玻片等。如何实现AI算法针对不同仪器类型识别的准确性是一个难点。

　　(4)仪器型号繁多。对于每一种仪器类型，不同生产厂家的产品外观几乎都不会相同;即便是同一生产厂家，不同型号仪器的外观绝大部分也不会相同。例如物理实验中常用的电流表，按测量电流量分有微安表、毫安表、安培表，按工作原理分有磁电式、电磁式、电子数字式，按工作方式分有竖式、平式等。为了实现对仪器的充分利用，AI算法需要针对海量的仪器型号实现仪器读数的精准识别，这需要建立海量样本库，工作量巨大，而且很难保证样本库的完整性。

　　(5)实验步骤严谨。中学物理、化学、生物实验的实验步骤要求严谨，步骤之间大部分具有时序性和强关联性，操作不当轻则导致实验失败，重则可能导致人身伤害。例如，高锰酸钾固体制取氧气实验，导管移出水面操作和熄灭酒精灯操作的时序性就非常重要。如何实现AI算法针对不同实验步骤及其步骤时序性组合识别的完备性和准确性是一个难点。

　　(6)操作细节精准。中学物理、化学、生物实验的操作细节要求精准，有些细节的精度要求达到毫米级。例如，使用量筒进行液体读数时，要求液体凹液面和量筒刻度线相切;使用漏斗进行液体引流时，要求玻璃棒靠触三层滤纸引流。如何实现AI算法针对相切与否、滤纸厚薄等微观操作识别的精准性是一个难点。

　　(7)操作主观性强。中学物理、化学、生物实验的操作流程存在主观性，为达到同样的目标，不同学生可能有不同的操作方法。例如在探究电阻上的电流跟两端电压的关系实验中，电流表、电压表、定阻电阻、滑动变阻器、电池盒、开关等仪器的连接顺序存在多种可能组合。如何实现AI算法针对不同实验操作组合的评分准确性是一个难点。

　　问：当所有困难都突破之后，AI技术在实验考评中应用的终极场景是什么样的?

　　答：虽然AI应用于中考理化生实验操作考评在技术上困难重重，但我们基于20多年的技术和人才积累，已经组织了强有力的团队全力开展技术攻关，每个技术难点都制定了详细的技术路线和解决方案，正在稳步、快速和高效地实施。今年5月22日，我们在深圳某中学中考期间开展了AI评分考场实测，采用24位学生1组，其中物理、化学、生物各8位学生，学生同时考试，即考即评，AI评分与老师人工评分逐项对比，测试准确率达到95.78%。紧接着的6月7日，我们在深圳另一所中学又开展了AI评分现场测试，采用12位学生1组，其中物理、化学、生物各4位学生，学生同时考试，即考即评，AI评分与老师人工评分逐项对比，测试准确率达到96.33%，取得了理想的成效!我们有信心在今年年底左右实现重要实验AI评分的正式考试应用。

　　待所有技术难点攻克后，中考理化生实验操作考试将以无人化、智能化、实时化为特点，即考试现场无需监考老师(或仅需1—2位巡考老师)，考试成绩智能评分，考试报告即考即出，整个考务工作将呈现工作人员少、工作效率高、考务成本低的智慧考务新模式。

　　问：除了实验考评这一应用场景，AI在基础教育领域还有哪些应用场景?这些应用的现状和前景如何?

　　答：AI在基础教育领域的应用场景非常多。例如，在体育教育方面，基于AI的仰卧起坐、引体向上、立定跳远评分等智慧体育技术;在课堂教学方面，基于目标检测、运动跟踪和行为识别的课堂教学质量评价技术;在校园管理方面，基于AI的人群聚集检测、可疑行人跟踪、异常行为识别等智慧校园技术等。在国家创新驱动发展战略和产教融合战略的大背景下，基础教育领域基于AI技术的智慧应用必定是未来发展的趋势，拥有极其广阔的发展前景。

　　不瞒您说，对这些应用场景我们已经开始了技术预研和攻关。只要国家和行业需要，我们能够在第一时间开展算法模型的成果转化和工程应用，在科学研究、技术创新、成果转化和工程应用的创新发展道路上肩负起科研工作者应尽的责任。

　　来源：秘书处