close
就讓我們來看看到底人工智慧如何解出令很多人都煩惱的微積分吧!
本篇為此篇文章的下集,上集介紹了AI 數學解題神器「 mathAI 」的誕生,以及個流程的原理:1. 圖像預處理、2. 字符識別、3. 數學公式識別
4. 數學公式語意理解
透過字符辨識、字符語法拆解、語義分析等語意理解過程,AI人工智慧可以匯集這些過程得到的資訊,藉此判斷該如何進行運算,最後將數學公式的值計算出來。AI 要能給出正確答案,代表它要看懂這句話的意思,也就達到了語意理解。5. 結果輸出
最後,我們可以使用 Python 的 Matplotlib 把步驟和答案列印出來。Matplotlib 是 Python 中一個相當重要的模組,主要用於資料視覺化上。訓練成果發表 深度學習後的AI答題率是?
AI 訓練完成之後,作者首先驗證了字元識別的準確率:▲ 訓練完人工智慧之後,作者首先驗證了字元識別的準確率
緊接著作者對各式各樣共 160 項的題目進行測試,從圖表中可以看到 AI 答對了 127 道題目,平均字符辨識率高達 96.23%,正確率為 79.38%,可以說是相當不錯的成績呢。
▲ 由圖表可以看出,人工智慧 MathAI 的字符辨識率高達 96.23%,正確率為 79.38%,可說是相當高。
如果想要自己實際操作看看,作者提供兩種使用方法:網頁模式和介面模式,網頁模式比較容易,打開網頁上傳圖片就可以自動給出題目答案;介面模式則要下載專案中 solver 的 Python package,裡面的 solve 方法封裝了整個系統,介面模式的使用方式為輸入圖片的路徑,再輸出題目識別過程和計算結果。
▲ MathAI 程式網頁模式
▲ MathAI 程式介面模式
雖然,目前這個專案只是半開源的,現時上傳的版本目前也只能處理較簡單的一維算術式,假設想要識別更加複雜的公式,就得要再參考數學公式識別的論文。但字元識別程序以及整個演算法框架,也是十分值得觀摩的。 除此之外,它也標示出深度學習能創造出人工智慧許多可能,打造出各種不同的「神器」。
推薦閱讀:
擺脫設備工程師血汗職涯, 零基礎的我成功轉職 Python 資料工程師
文章標籤
全站熱搜
留言列表