你如何证明自己掌握了所学的东西？通常你没有别的选择，除了参加测试。
    一种新的算法能让你在增长知识的同时，废除所有的正式测试。该算法由美国斯坦福大学和谷歌公司的研究人员共同研发，能分析学生之前做练习题时的表现，辨别出他们最容易在哪些地方出错，并且形成一幅整体知识图。
    利用软件追踪学生进步的想法并不新鲜。不过，迄今为止很少有人尝试利用深度学习—— 一门通过消化大量数据让机器学习的尖端学科。
    来自斯坦福大学的Chris Piech及其团队成员向他们的系统提供了140多万名学生就在线学习平台上所设置数学问题给出的答案，并且作出了相应评分。他们还训练一个神经网络按照类型将问题分类：哪些涉及平方根、斜率，或者比如计算图表上的一条线在哪儿同水平轴相交。
    掌握了所有这些信息后，该系统开始了解每名学生在每个问题类型上的解决能力。该模型仅通过研究几十道已经回答过的其他问题，便可使预测一名学生做对或做错一道新练习题的准确率达到85%。Piech在日前于加拿大蒙特利尔举行的神经信息处理系统会议上展示了这一成果。
    他还构想了一个更为复杂的版本：不仅能预测一名学生可能在哪些问题上出错，还能知道其中的原因所在。Piech说，“如果我们都能负担得起雇佣一名在思考你应当学什么上花费大量时间的指导教师”，这当然是件好事。虽然这并不现实，但“有一天我们或许仅利用这种类型的软件，便能找到一个人在哪些方面存在困难，并且帮助他改善”。他同时认为，该系统最终会变得足够精确，从而将所有测试废除。