阿克倫大學的一份新聞稿稱，“電腦閱卷的準確度幾乎與人工完全相同，事實證明在某些情況下機器比人更加可靠”。
不可否認，人工智能評分機器人在某些條件下確實超出人類判卷的能力，而評卷更多的是基於規則題庫的，就是機器根本不需要思考，僅靠標準答案就可以識別對錯的，比如選擇題。這就更加準確更加快速，所以很早以前，我們已經開始採取機器判卷+人工判卷的方式，比如選擇題由機器判卷，作文等需要人為思考判斷的採用人工判卷。
隨著技術的發展，大數據人工智能領域技術的不斷完善，讓機器閱讀作文評判好壞已經具備了基礎前提，其實我們的老師（人工）判卷時也未必每篇都詳細閱讀，他們也是先看規則。我們知道考試的作文或者答案，是具備一定規則的，比如簡單的規則：字數大於1000字，首尾呼應，有複雜的句型，引經據典等等。這就提供了機器判卷的基礎維度，但機器通過深度學習後，會形成機器自己的評判規則，來識別什麼是好的文章，比如：機器通過大量的數據發現，一個好句子大多擁有有多少個字、一個好段落通常會有多少個句子，通常結構不完整的句子數量在全文佔比低於多少比較正常，對待一個觀點有沒有引用等等。
這時我們只要確認它識別出來的準確度就可以了。這樣實現的評分系統，速度更快，而且相對公平。為了證明機器判卷的準確性，猶他州教育委員會的評估發展協調員Cyndee Carter說，開始的時候他們非常謹慎，每一篇機器評分的文章同時也由老師審閱過。
但電腦評分被證明了是“準確的”，所以猶他州現在讓機器成為絕大多數文章的唯一裁判。
一旦準確度被認可，那麼機器判卷的優勢非常明顯，比如國外Pearson教育集團數據顯示，人工閱卷最快的速度，閱卷人在每篇作文上最多隻花兩三分鐘，平均1小時為30篇作文打分。而從事美國教育考試服務中心（E.T.S.）研究部主任大衛•威廉姆森（David Williamson）表示，該中心開發的自動化閱卷機 “電子評分器”（e-Rater）可以在 20 秒內評閱 1.6 萬篇作文。
這就形成了強烈的對比，僅在速度上已經完勝傳統的人工評卷方式。
但這就真的證明機器閱卷可以代替人工閱卷了嗎？
然而，很多人並不認同。
“寫作是一種藝術，而用算法來評估這種表達形式顯然是荒謬的。”一位高中英語教師這樣評論。
“人可以欣賞具有創造性的文章，機器將錯過這些精彩的內容，比如：詩歌”一位文學愛好者同樣質疑著。
當然，這些質疑確實值得我們思考，但都不是機器絕對做不到的，我們通過大數據思維去看這件事情，還是值得去探索的。
當下最大的質疑在於，我們人類仍然比機器聰明，假設我們的學生在寫作文前，能夠深度瞭解判卷教師的喜好，我相信他一定寫出分數較高的作文。
而對於自動判卷機器，我們的學生或者我們的應試教育似乎會變得更加聰明，他們會造出高分作文模版，尋找高分攻略。他們會挖掘機器的規則，比如：機器對長文章評分可能更高，那麼我們的學生可能會把經歷放到發現這些特徵上來，這就違背了我們教育的初衷。
甚至，自動評分的常年批判者Les Perelman，還設計了一種反機器判卷的程序用來揭露機器判卷的弱點和荒謬。這個“Babel”生成器（"Basic Automatic B.S. Essay Language"）的工作原理就像電腦上的文字遊戲--米德比里斯（Mad Libs）一樣，能夠創造出毫無意義卻可以從機器評分那兒獲得高分的文章。
但對於機器判卷的程序來說，內容不重要，依舊可以得到高分。
這也說明了一個道理，一個出色的文學家，未必能夠寫出高分的作文。
雖然這樣，我們研究機器判卷仍是一個趨勢，並且隨著人工智能技術不斷的成熟，數據質量不斷的提高，機器正努力的學習著，變得越來越聰明。
但不可否認，他還需要更久的時間。
閱讀更多 我的瀋陽 的文章
