大家好，我是本栏目的编辑郝帅。现在我给大家解释一下上面的问题。现代教育最无意识的特征之一是标准化测试，它要求学生反复使用通常靠记忆记住的信息。幸运的是，已经制造了一台机器来完成关于测试和普通学生的问题，这可能会使人类获得更有价值的学习类型。

只是不要把它和学习混为一谈，因为你通常会想到它。

西雅图艾伦人工智能研究所的研究人员周三宣布了一个名为“吉雅”的深度学习神经网络的新项目，在《纽约时报》暗示事情实际上可以用科学推理的故事中给它一个很好的号角。他们所做的是制作一个可以为纽约Regents考试选择正确答案的程序，准确率达到80%到90%。

唉，这里没有太多的推理，不代表它真的懂科学。发生的事情是深度学习网络已经计算出了足够好的语言概率分布，可以在遇到四种可能的答案时预测正确答案中使用的单词。他们使用了谷歌流行的“伯特”自然语言算法的修改版本来做到这一点。

正如arXiv Preprint Server上发表的官方论文《从‘F’到‘A’:纽约摄政科学考试中的Aristo项目概述》所解释的，深度学习还没有达到对科学进行推理的地位。或者其他很多事情。(还有一篇博文，里面有很多其他材料。)

在论文的结论部分，彼得克拉克、柳文欢埃齐奥尼、塔哈尔Khot、巴瓦纳达尔维米什拉、凯尔理查森、阿希什萨巴瓦尔、假虎刺属舍尼克、奥伊文德塔夫尔德、尼基特坦登，由苏米特拉巴克哈瓦特萨拉姆、德克格罗内维尔德和米哈尔格奎因撰写，作者基本上是在问这里是否有推理。

“许多基准问题似乎需要推理才能直观地回答，”他们写道，然后问了一个问题，“亚里士多德在多大程度上推理才能回答问题？”