在高考等招生考试工作中，人工智能可以发挥什么作用？最近，辽宁省在全国率先做出尝试：用人工智能辅助分析考场监控视频，检测打小抄等疑似违规行为。

辽宁省招考办相关负责人对南都记者强调，应用人工智能的主要目标不是抓作弊，而是希望借此起到震慑作用，让抱有侥幸心理的考生不敢、不能、不想作弊，营造更加公正、公平的考试环境。

视频报道。

7月7日傍晚五点，交卷铃声响，辽宁省2020年高考第一天考试结束。

三个小时后，辽宁省招考办的近十位技术人员忙碌起来：当天的全部监考视频已被加密传输到云端数据库，考场违规行为检测随之开始。

办公室里没人说话，只能听见电脑主机运行发出的嗡嗡声。每位技术人员都守着一台电脑，全神贯注地盯着电脑屏幕上若干个整齐排列的程序窗口——他们没有敲击键盘或鼠标，程序窗口内却有一行行代码以肉眼几乎看不清的速度飞快闪过。

AI检测系统的运行界面。

这些代码的背后，正是辽宁省今年首次引入高考的“考场违规行为智能分析系统”。

通过研判监考视频排查考场违规行为，是各省市每年高考期间的例行工作。但多年下来，辽宁省招考办也发现了一些“痛点”问题：投入人力多，大约需要100名以上的专业人员；花费时间长，100多人也得看上7-10天，而且要等到高考正式结束后才能开展工作；工作内容枯燥，每个监考视频的时长都在3小时以上，研判人员一直盯着倍速播放的视频，很容易出现疲劳。研判人员具有视觉局限性，且专注度和辨识能力不足。

人类的短板，人工智能恰好可以补上：它具备自我学习能力，数据处理速度快，能7×24小时全自动运行。

辽宁省招考办数据部副部长刘健介绍，今年辽宁共有7585个考场，生成监考视频3.3万个，视频总时长近11万小时。人工智能系统配备了80台智能分析服务器，每小时可以分析320个完整的考场视频，仅用170个小时的时间就完成了全部检测。

据了解，这170个小时，还包括视频文件的获取和存储所占用的时间。如果据此对系统的运行时间做一个保守的换算，80台智能分析服务器同时工作，每检测一场考试视频的平均用时大约是18秒。

“今年研判人员的任务轻松很多，因为前期人工智能系统已经把大量视频筛掉了。各级考务工作人员只须对系统检测出来的疑似违规行为进一步甄别判断。”刘健说，在防控新冠肺炎疫情的特殊形势下，应用人工智能也避免了大量研判人员聚集带来的潜在风险。

需要说明的是，系统检测出的异常行为，只能被称为“疑似违规行为”。研发团队负责人、沈阳航空航天大学教授、沈阳图为科技有限公司创始人石祥滨告诉南都记者，考试违规的判定是一个复杂且谨慎的过程，系统给出的参考结果要经过多轮人工核查，最终由各级考务人员判定是否违规。

南都记者了解到，这套系统的构成相当复杂，不仅是设计一个好的算法模型那么简单。它包括视频文件预处理、任务智能调度、视频分析、视频回放、业务管理和统计分析六大模块。前两个模块主要是为了让系统高效运行。代替人类“看视频”的工作，主要集中在视频分析和视频回放模块。发现异常后，系统会将相关信息传输到业务管理模块，供工作人员调取和查看。

7月7日晚系统正式启动运行后，不到一个小时就发现了第一条考生行为异常视频。疑似违规的两名考生，协同作弊，互对答案，并没有被监考老师发现。

两名考生没想到的是，他们的一举一动都被人工智能“尽收眼底”。只要研判人员登录到业务管理模块，就可以一目了然地看到疑似违规情况。

高效、便捷，是研判人员的普遍感受。“去年研判时，分配给我们的是一堆原视频，每个视频的时长从3小时到3.5小时不等，每个都要从头看到尾。每个考场里有30个左右的考生，你想想视频画面里的人得有多小！时间没少花、累没少挨。”一位参与过去年高考的研判人员说，有了人工智能系统，回看视频的总量一下子减少到原来的1/20，研判工作更有针对性，“工作效率太高了”。

据辽宁省招考办介绍，今年发现的诸多疑似违规行为中，有部分被考务人员判定为确实违规。经过实际检验，系统能有效识别旁窥、前窥、回头、递纸条等常规性抄袭行为，在人工不易判断的高科技作弊行为检测方面也取得了较好的效果。

疑似违规行为是怎么被发现的？系统算法负责人、沈阳航空航天大学副教授、沈阳图为科技有限公司核心成员刘翠微解释说，团队通过研究大量的考试视频和心理学资料，发现有违规行为的学生多少会产生一些心理波动，进而表现出行为异常。“通过分析画面中考生的动态和静态特征，人工智能系统可以捕捉到一些异常行为。”她说。

原理解释看上去非常简单，真正的研发过程却艰辛而漫长。辽宁省招考办早在2017年便有意使用人工智能，受技术水平限制没能实现——相关工作人员接触了不少公司，包括一些互联网大厂，得到的答复都是“做不了”。直到2018年，沈阳航空航天大学团队才接受了这个“挑战”。

让人工智能练就“火眼金睛”，难在哪儿？刘翠微告诉南都记者，违规行为的特征表示和提取，是第一大难题。

用人脸识别作为对比，或许能更好地说明考场行为分析的困难所在：每个人的人脸特征是确定的，机器只要拍到清晰的人脸图片，就可以完成特征提取和后台比对。

但在考场上，不同考生之间的差异性很大，违规行为的特征是不确定的。即便同样是打小抄，100个学生可能也会有100种不同的表现。这就要求研发人员明确违规行为的特征，让系统能够作出有效区分。

考生精细动作的可辨识性，则是另一重难题。由于现实条件限制，考场内不可能安装多个摄像头，只能靠教室前端的一个摄像头来俯拍全景，不同的考生之间可能出现遮挡。一个教室大约有30位考生，即便考场视频已达到高清级别，画面中的每位考生还是很小，被拍下来的身体姿态、动作也局限于特定的角度。

高考监控摄像头拍摄画面。

“一个想作弊的考生会有很强的主观隐蔽性，不可能把他的行为公然展现出来。他的动作都是细微的动作，变化幅度非常小，反映到图像当中可能就是几十个像素甚至几个像素。”刘翠微说，此前的一些人工智能系统可以检测幅度较大的快速运动，比如打架斗殴、异常奔跑等。但室内环境下的多人精细行为分析，仍然面临较大挑战。

构建高质量训练模型，也是研发团队要解决的一个重要问题。技术人员组织专门队伍对大量考试视频进行标注，包括视频中人的位置、身体部位、考生的动作、是否违规，等等。

此外，相比于人脸识别中的图像比对，视频分析的难度更大，背后的数据处理工作完全是不同的量级：一般视频的播放帧速率是每秒24帧，也就是24张图像。一场两个小时的考试，就会生成超过17万张图像。

要在这些图像的连续运动中发现考生特征的变化，同时让系统分析的结果具有“可解释性”，可谓是难上加难，国内外没有多少经验可以借鉴。刘翠微回忆，研发工作曾多次陷入瓶颈，因为视频的数据量太大，他们有时候让系统运行一个测试，都要花上一两天之久。

最终，研发团队在完成核心技术攻关的基础上，赋予了系统一系列易管理、易操作的特性：任务流程自动化，系统可对分析结果自动筛选，一键生成工单发送给研判人员；管理人员可以实时监测所有任务的执行情况；视频模块可以自动截取证据视频片段，减轻复核工作量；可根据用户的不同需求，按照市、区、考点和科目等多维度进行数据统计和输出。

也正是由于多项工作属于“勇闯无人区”，研发团队目前已申请了11项发明专利，同时主持了一项辽宁省地方技术标准的制定。为了让相关应用得到更好地发展，团队还孵化了沈阳图为科技有限公司，专攻视频领域的行为识别。

从2018年研发启动到如今的应用落地，两年多的时间过去了。石祥滨坦言，当初接下工作的时候就知道挑战很大，但还是没想到花了这么久。

由于系统的创新性较强，很多市面上现有的软件和设备无法满足需求，团队还开发了一系列配套的软硬件。例如，这次辽宁省招考办使用的80台视频分析服务器，就是团队研发的软硬件协同一体机，更适合用来实现视频识别。

在两年多的时间里，系统曾在辽宁省的普通高考、高中学业水平考试、研究生入学考试、自学考试和成人高考等考试中进行试点实验，确认了实际效果之后，辽宁省招考办才决定在今年的普通高考中正式应用。

为了部署80台视频分析服务器、让系统的马力能开到最大来满足高考的需求，辽宁省招考办还特意改造了机房，将服务器机柜底部的地板换成了通风地板，确保供电、温度等方面没有问题。

80台视频分析服务器一起运行。

不过，从7月7日开始，石祥滨还是每天都要去一趟辽宁省招考办检查情况。技术人员们也实行了“两班倒”，确保系统可以24小时不间断无故障运行。

“这么复杂的一个系统，只要有一个环节出问题，就会影响后面的工作。但高考是不允许出错的，我们要对考生负责。”石祥滨坦言，压力很大，每天看到系统正常运行才能安心。目前来看，系统成功经受住了考验。

值得注意的是，刘健告诉南都记者，智能系统并没有设定“抓多少个违规行为”的“KPI指标”。“不是说抓到的违规考生越多就越好，更多地是要起到震慑的作用，让考生清楚知道作弊必被抓，实现考生不敢、不能、不想作弊的目标，营造更加公正、公平的考试环境。”刘健说。

近年来，人工智能的效用屡屡被党和政府提及。去年底召开的党的十九届四中全会就曾提出，“更加重视运用人工智能、互联网、大数据等现代信息技术手段提升治理能力和治理现代化水平”。今年的政府工作报告中也提到，加强新型基础设施建设，发展新一代信息网络。辽宁省招考办表示，未来希望将人工智能技术应用于招生考试工作的更多环节，如识别试卷保密室工作人员、智能评卷等，实现招考工作中的治理能力提升。

采写：南都记者冯群星 潘颖欣

编辑：冯群星