中国的高考其实就是机器学习模型吧

高考要求人像机器一样思考

1. 模型不需要构建, 原汁原味的’神经网络’模型
2. 训练数据集由老师们收集来的历年各省高考真题和答案组成, 但是这点训练数据已经远远不够了, 于是名师们根据已知数据生成相似的模拟题和答案, 逐年累加训练数据集的数据量
3. 训练数据由多个维度(数学,语文,英语,物理,化学,生物,政治,历史,地理……)组成
4. 模型训练历时3年或以上
5. 测试数据集由神秘人士每年提供一份, 要求模型在三天内完成测试输出答案
6. 将模型输出的测试答案与神秘人士规定的实际答案进行比对,获得各维度的错误率
7. 将所有维度错误率加和, 找出错误率最低的模型, 即为最佳模型

高考不要求人认知边界

1. 学生的训练数据和测试数据是由老师们规定好的完全已知环境
2. 本质上和围棋的环境没有什么区别, 不存在对边界外数据的获取
3. 真实世界的真实数据与学生毫无关系
4. 就像自动驾驶一样, 当模型遇到边界外的未知数据时, 一无所措,必须重新训练

学生模型的差异

1. 学生获取的训练数据集规模和质量是不同的, 训练数据的好坏是很重要的
2. 人的精力和体力好比CPU, 是有差异的
3. 人的记忆力好比内存, 也是有差异的
4. 这些都决定了模型的质量

假设

1. 用机器学习模型完成中国学生的模型训练过程要多久?
2. 机器学习模型的错误率和高考状元真实的大脑相比,谁的错误率会更低呢?