學霸君于 2012 年 11 月份成立，CEO 張凱磊在天津組建團隊，他以前是做教育這一塊的，是以當時考慮的還是做教育這塊，經過一系列的頭腦風暴，最終選擇了學生課後作業、試卷答疑等高頻的行為做目标。
2013 年，第一版拍照搜題 APP 上線，這個時候還是半人工的，也有機器拍照搜題的能力，但還是有機器無法解決問題的時候，這就要調動人工答疑部門，幫他們進行收集或者答題，給答案。
2014 年 5 月 30 日，學霸君上線了很重要的版本，這個版本以後是完全的自動化系統。在這個系統裡面，将會完完全全用電腦和伺服器完成，包括從使用者拍照到上傳圖檔，到資料分析，到題庫搜尋，到給出答案等過程。之後，2014 年 8 月 30 日的時候，我們又上線了第二個重要版本，在這個版本裡面，最火熱的搜題技術取代了傳統的技術。通過更新，我們搜題命中率從 65% 提高到了 75%，使用者達到 100 萬。然後到去年 1 月 30 日，第三版系統正式上線，加入了另外一個技術，進一步提高了系統的能力，命中率達到 87%。
2015 年 8 月 30 日，第三版系統臨近新版本的疊代，命中率達到 93%，使用者已經達到 2200 萬，累計搜尋達到 10 億次。随後，2015 年 9 月，我們推出 1V1 線上實時答疑系統。到今年 4 月份，使用者大概 4 千萬左右，拍照搜題日活躍将近 200 萬，1V1 的實時答疑每天到 2 到 3 萬單，完成了 20 億次學生拍照搜題，以及 200、300 萬線上視訊答疑的資料。
為什麼推出實時答疑？因為不僅現在，包括我們自己當年作為學生的時候也有這個情況，比如很多時候寫一個作業，可能我們思考很長時間還是無法解決問題，這種情況往往就同學之間互相咨詢一下，很少想到麻煩老師，因為想到老師可能時間比較少。然後，學生就會有很多問題累計在這個地方，時間一久就不了了之，我們再也不會考慮解決這樣的問題了。
同時，我們發現市場上二三線城市老師薪酬比較低，空閑時間比較多。我們做調查時發現，有些三線城市老師即使是特級職稱，有十多年的教學經驗，每個月工資可能也隻有三千塊，他們的薪酬是相對上海一線城市來說是很低的，但是因為他們有這麼多年的教學經驗，已經不需要花太多時間備課，是以空閑時間比較多。
大家也知道，我們這個教育教育訓練市場很大，因為家長是不計成本的，會願意投入大量的金錢，希望自己的孩子能夠提高他們成績。
基于這三方現狀，我們推出了實時答疑。
此外，雖然很多學生和老師之間距離千山萬水，但利用現在友善的移動端、電腦端和網際網路，我們能夠大幅度縮短彼此之間距離，僅僅通過幾秒的連接配接，就可以把一個優秀老師，送到一個待需要解決問題的學生面前。
在這之前，通過拍照搜題，可以進行相應的關鍵詞搜尋，擷取類似題目，然後返還給學生，幫助他們搞明白怎麼解這道題。但是，有一些學生即使看到類似的題目和答案，還是沒有辦法了解這道題目。是以我們提供線上答疑，老師跟學生「見面」以後，學生上傳題目，老師在點陣筆上面進行解答，包括畫圖，同時所有的記錄都會實時回報到學生的界面上面，這樣可以讓學生和老師進行實時的互動，進而解決學生的困惑，做到今日難題今日畢。
當年做第一個産品時，思考的核心問題就是，怎麼樣才能夠擷取一個個學生的資訊，然後根據不同學生的情況，通過統計分析找到不同的知識弱點，進行針對性的傳授。就像外面線下教育的一對一教育訓練一樣，我們也是走這樣的方向。現在有一個很流行的詞語叫做自身學習，都是一個意思。
是以接下來的問題就是，如果碰到一個學生，怎麼知道他的具體情況呢？我們打算先從他們日常接觸的書和試卷着手。其實最早的時候我們就已經覺得，學生答疑是很好的切入點，學生每天都有高頻的需求，希望能解決作業，但是我們要解決這樣的問題，首先的一個問題就是怎麼做文字識别和文字提取。一開始我們想，不就是光學的識别嗎？購買一些産品或者使用一些公開的 API 應該就能夠解決，但是後來發現市場上沒有現成的技術，沒有能夠達到适合我們方向的應用。
我們在實驗當中發現，學生在上傳的時候不會像我們做測試那麼規則，極端情況下，可能學生在考試的時候也會偷偷拍照，這樣産生的圖檔就會有各種各樣的問題，包括形變、模糊，或者架構、線條等等，是以我們不僅要識别中文，還要識别英文，以及是不是單雙欄，是不是有圖檔或者表格等等。
2013 年初，開始拓展自己的一套核心識别技術，先是從印刷體的中文識别入手，然後逐漸走到現在的手寫、試卷識别，還有版面分析、高并發圖象處理架構，以及公式識别、英文識别、表格識别、圖象識别、自然語言處理等等。我們通過針對性研發，适應不同的平台，然後成立圖象識别、資料挖掘等小組，支撐這一系列的技術研發。
在做文字識别的時候，最早還是用傳統的方法，比如說真人相機等等，識别率接近 93%。現在我們用最流行的深入學習技術，大家可能也有一些了解，像是最近阿爾法狗的比賽。我們目前在做的中文識别，訓練字元已經達到了 20 個億，單字元識别率達到 95%。
這是使用者上傳的圖檔，在做過一些相應的預處理後，我們會把裡面的每個文字塊切割出來，把它們放進我們的識别網絡進行處理，最後得出識别結果。同時，我們也把這種學習技術用到很多其他的領域，比如圖象恢複技術。
我剛剛講的，為什麼我們當時沒法用市面上的一些 OCR 技術，就是因為學生上傳的圖檔實在是太難以辨認了。我們後來通過生物學技術進行解決，首先收集、标注大量圖檔，同時搭建 GPU 叢集訓練深度神經網絡，然後通過生成模型來進一步應用。
我們也有手寫識别，在學生上傳的題目和作業裡面，不隻是印刷體，比如我們平時見到的課本教材，還有很多老師布置的作業，或者學生自己摘抄的内容，都屬于手寫内容。這裡面有很多挑戰，我們需要濾除無關内容，要進行版面分析，要識别出不同的字，然後判斷它們屬于什麼樣的結構，最後再次識别，通過自然語言處理，進一步提高識别率。
上面是一個例子，也是使用者上傳的圖檔，這一塊也是利用生物學技術做的，現在識别率大概在 96% 左右。
我們最終的目的是希望能夠通過這樣的互動系統，跟學生互動，并且在跟學生進行講解的時候，所有的圖形都可以通過這個系統變成可以轉的立方體，友善跟學生互動，可以更好地幫助一些空間想象能力相對來說稍微弱一點學生。同時，我們也有一個資料挖掘團隊，将所有題目裡面關鍵詞埋入知識圖譜，友善學生檢索相應的知識，比如說在一篇朱自清課文裡，不僅有朱自清的生平介紹，還有視訊等等。此外，數學引擎也可以幫助學生解決問題，我們通過建立一些自動解答系統，可以自動回答一些比較簡單，類似于 K12 這種級别的數學題目。
我們目前正在做智能化版面分析和題目提取，如果可以識别學生的一張卷子，可以做多題答疑或者試卷分析，甚至可以做到一本教科書或者參考書分析，比如哪些題目适合學生做，哪些題目不需要去做等等。此外，我們還可以通過應用來打包一些内容，比如視訊、音頻、知識庫等等。
我們的目标是希望建立一個圖像雲，讓學生可以通過終端發送圖像請求，然後利用我們圖像雲的識别技術，包括語音識别、手寫識别、版面識别等等，幫助他們處理各種各樣的問題。
實際上，這個産品背後的邏輯蠻簡單的，如果學生對于系統給予的解答不是特别明白，他們就可以像用 UBER 或者滴滴打車一樣，直接連接配接老師，随時随地線上解決問題。雖然這個邏輯本身是比較簡單和清楚的，但背後還是需要一個核心技術，就是怎麼樣去分發，怎麼樣讓最合适的老師給學生解題。每個老師的上線時間都不一樣，有的老師上午上線，有的老師晚上才有空，還有的老師科目不一樣，比如英語、化學等。除了這些之外，考綱也不一樣，以後可能全國考綱會慢慢統一，但至少這幾年我們的考綱還不太一樣，是以每個老師的講題方式也不太一樣，這就需要根據不同老師的狀況，推送給不同的學生。而學生實際上也有不同的情況，我們當時做過測試，很多學生在下午的上課時間發送問題，但當時老師們并沒有空。還有就是，不同學生對價格的敏感程度不一樣，擷取結果的期待值也不一樣。
最後，通過系統排程，會對學生上傳的題目做一個導航，把該題目進行知識分解，形成細分的知識圖譜。接着對學生畫像，如果學生經常需要答疑或者經常上傳一些題目，會慢慢擷取學生的資訊，這樣能清楚地知道，學生到底哪一塊不足，哪一塊比較擅長，我們也會經過老師的多次答疑之後，分析答疑資料或者學生的評價，這樣也就給老師做了一個畫像。根據這些資訊，就可以利用系統進行智能排程，進而完成老師與學生之間的配對。
有一個教研團隊，他們會把初高中的國文、數學、外語等科目進行知識點的分類，既用到一些人工的方法，也用到一些機器學習的技術，從多個次元進行挖掘，最終形成我們所需要的知識導航體系。
舉例來說，對高中數學的東西，可以分成 7 個闆塊，包括立體幾何、代數，算法與框圖等等，大概有 22 個章節，550 個知識點，3529 個題型，然後在難度上分為 4 個等級。學生上傳題目以後，如果他是高中數學題，我們首先就要找高中老師，然後判斷是哪個闆塊的題目，這樣繼續往下走，确定是什麼類型的題目，最後決定選擇哪位老師。
在目前的教育系統裡，學生大部分都是接受相同的教育，而我們希望的是，能夠通過學生畫像給他們提供針對個人特點的服務，比如根據年級、地區、對知識點的掌握程度，以及學習能力等等，給他們畫出一個圖表，最後基于這些圖表，為學生比對更合适的服務。
同樣，我們也需要給老師進行畫像，因為每個老師的能力是不一樣的，是以我們就通過每次老師講解的時間，和學生對他的評分，以及一些自動化試檢或以及人工試檢，來對老師進行畫像，得出他們擅長的領域或者教學習慣。
我們的系統大家應該已經知道了，像 UBER 或者滴滴一樣，學生需要答疑，老師看到答疑請求之後可以選擇，到底這個題目講還是不講，通過這樣的智能分析系統，我們可以慢慢擷取老師資訊。
剛才講到，不同地區的教綱是不一樣的，是以當學生提出了答疑需求的時候，我們會最優先地給他選擇最合适的老師和時間。這個排程過程就像是工業上的供應預測，每個省份、每個知識點對應的老師，以及老師的上線時間具有強烈的随機性，這就需要從不同角度對個人情況進行分析，然後形成時間模型，預測學生下一次的請求，并同時計算老師是不是線上或者能不能回答這個問題。
這個有點類似于工程上的供給庫存模型，我們首先考慮的是兩個狀态，一個是老師的答疑供給庫存，一個是學生的答疑需求，以此形成老師的答疑庫存隊列，然後通過 Markov 進行預測。
把不同隊列的狀态建立方程以後，利用我們的公式，讓它最後産生的結果機率等于 1 ，然後通過解線性方程組得到最優解，最後預測出老師庫存隊列的長度和等待時間，以及學生需求隊列的長度和等待時間。
之前的資料比較複雜，其實簡單來說，我們的目标就是能夠最大化地答題，增加答疑總量，同時希望每個老師的答疑得分要比較高，還有就是要降低學生提問的流失率，降低老師的閑置率和其他成本。當然了，這個目标是建立在老師的實際調配量小于最大量的基礎下。
通過設計這樣的制度，可以友善以後我們要做的排班系統，包括直播講課、直播答疑等等。基于這個系統，我們也可以更加合理地配置設定自己的能力，因為我們有一些是直接雇傭的内部老師，但也有一些外部兼職老師，有了排版系統，我們就可以根據實際的情況選擇自動排班，這一方面能保證答疑的品質，另一方面也能降低成本。
總的來說，我們是希望通過這樣的排程系統，以最優化的政策幫助學生更快地提高成績，同時也能夠讓老師更有效地答疑，并提高他們的收入。如果我們的系統比較差，那麼學生的體驗就會很糟糕，老師也就會認為這樣的平台使用價值不是很高。我們現在的目标就是，能夠通過這樣的線上答疑系統，生成大量的，比如說 1000 萬高品質的 1V1 視訊樣本，讓我們可以進一步做更多的分析，最後形成以「學霸君」為平台的拍照搜題、1V1 實時答疑的平台。
學霸君最主要做的業務是以資料、技術、分析為支撐的，以此提供給學生一些定制化的，或者個人化的實時答疑學習、内容推薦、自适應練習等等。而這些内容都是通過一系列技術性的收集，包括利用技術進行統計、分析、預測來最終實作。
本文轉自 www19 51CTO部落格，原文連結：http://blog.51cto.com/doujh/1829830，如需轉載請自行聯系原作者