图谱|科大讯飞认知智能，从场景中来，到行业中去( 二 )

就这样“7人攻坚团队”成功将深度学习应用于NLP技术，并很快在公司范围内推广开来。
“当时我们的探索是走在很多高校和同行之前的”，回忆这段经历，盛志超说，团队彼此的信任、凝聚力和共同的决心是他们成功不可或缺的因素。时至今日，当初的 7人小组成员也早已成为科大讯飞不同业务方向的核心骨干。
应用深度学习和基于场景倒逼技术打磨的思维转变，科大讯飞的NLP终于要从黎明前夜得见破晓来临。

2、从场景中来，到行业中去许多优秀演员在塑造角色的时候，经常在前期去到角色真实的工作或生活场景中去“体验生活”，在表演时力求达到忘我境界。
这种塑造方式淳朴而又难能可贵，却和盛志超在落地NLP时的路径相通。
2014年9月，刚刚入职10天的盛志超被派到科大讯飞北京研究院，参与语文作文评阅的技术研发和落地工作。
作文评阅分为评分和批改两个方向，评分就是给文档判定一个分数，批改则需要根据文章中的语法使用是否正确、句式表达是否高级、内容是否符合主旨要求等维度进行综合评定。
前者技术相对简单，后者因为涉及认知问题则更为复杂。
如大家所知，小初高到大学，不同学习阶段对高级表达和词汇的定义标准差异巨大，所以在具体批改的时候也需要根据各学习阶段的具体情况来具体“定义”。
正像盛志超所说，“评阅技术不但是要评分也要给出合理的反馈，必须基于场景知识做模块化处理，逐层拆解之后，才能给出相对科学的评分和用户学习想要的反馈结果。”
“讯飞智学网刚刚上线的时候，作文评阅技术还是翻车出了异常。”盛志超说，这是他毕生难忘的经历。
当时学校要求一场考试覆盖1000个人，并且不能有一个人的评阅出现错误，但深度学习和传统的机器学习都是统计意义上的模型，考虑的都是整体的概率，不会兼顾到每个学生的情况。
于是，状况出现了。
英文作文的试卷开头都会给出一段引言，要求学生续写，而机器把引言当成了需要评阅的作答内容，其中一份作文即便是白卷也给了分数。试卷评分是一个非常严肃的事，这样的失误所影响的考试客观公平性，不管是老师层面还是盛志超自己都觉得是不可弥补的。
而反观其后，这次落地失败的根源还是在于我们关注的指标和用户实际场景关注的指标不一致。
这之后盛志超和团队开始长期频繁地“体验学习生活”，和老师、学生、家长这些每一个与学习相关的关键角色去沟通交流，尝试全面而真实地理解和定义在教育领域每一个细枝末节的需求问题。
“想要真的做好教育领域的认知落地，首先要忘记自己原来的身份，成为一名学生、家长或者老师”。
盛志超说的这个思路恰与当年张三丰传授张无忌太极武功时的要义如出一辙：“太极拳只重其义，不重其招。你忘记所有的招式，就练成太极拳了。”

文章插图

2016年，盛志超及团队终于成功将作文评阅技术应用到高考和中考里面，这也是国内首次在大规模正规考试中使用教育评测技术。
如果说这个只是解决了教育某一个特定“场景”的问题，那此后的“因材施教和个性化学习”则证明了科大讯飞在教育领域深耕的决心。
2020年初，盛志超回归教育开始攻关难度更高的因材施教的个性化学习方向。
盛志超坦言，自己也曾是学生，在学校度过二十多年的时光，即便作为学习的佼佼者他也依然无法总结出自己所谓的经验给到其他求学者以参考。这背后的原因或许不是一句简单的“毕竟适合每个人的学习方法是不一样的”可以总结概括的。