게스트 | 왕얀
저자 윤자오
칼럼소개 : 51이 특별히 오픈한 심층인터뷰 칼럼 중 하나입니다. CTO 콘텐츠 기술인재센터 1. 기술계의 비즈니스 리더, 수석 설계자, 수석 기술 전문가를 초빙하여 현재 기술 핫스팟, 기술 관행 및 기술 동향.
4차 산업혁명이라 불리는 인공지능은 각계각층에서 큰 기대를 받고 있습니다. 이는 사람들의 삶을 향상시킬 뿐만 아니라 사회 전체의 운영 효율성도 향상시킵니다. 최근 몇 년 동안 대형 모델과 다중 양식이 다시 한번 관련 연구의 열정을 불러일으키고 있습니다.
스포트라이트에서 아마도 모두가 더 많이 보는 것은 업계가 AI를 극단적으로 추진하고 있지만 "모든 것을 위한 물 보존"이라는 다른 측면을 종종 무시한다는 것입니다.
기술의 발전은 실제 시나리오와 불가분의 관계에 있습니다. AI 연구 열풍의 많은 우여곡절에는 항상 애플리케이션 착륙 문제가 동반됩니다. "하이엔드" 기술을 꾸준히 추진하는 방법은 무엇입니까? AI와 산업 부문의 긴밀한 통합을 어떻게 보시나요? 대형 모델 연구 열풍에 대해 어떻게 생각하시나요?
이러한 질문을 염두에 두고 'T Frontline'은 교육 현장에 깊이 관여하고 있는 기술 회사인 Zuoyebang을 인터뷰했습니다. 통합 교육을 촉진하기 위해 기술을 사용하는 데 전념하는 회사로서 인공 지능 및 빅 데이터와 같은 최첨단 기술을 사용하여 수억 명의 C-side 사용자와 수천 명의 B-side 고객에게 일련의 효율적인 서비스를 제공합니다. 학습 및 교육 솔루션과 제품.
특히 교육 분야에서는 사용자 규모와 기술 선택에 관계없이 AI 기술의 탐구 및 구현 분야에서 Zuoyebang이 매우 대표적입니다. 이는 또한 인공지능을 활용하여 산업 변화를 촉진하는 방법을 고민하는 데 중요한 참고 자료가 됩니다. T Frontline은 Zuoyebang 지능형 기술 연구소의 수석 설계자인 Wang Yan 씨를 초대하여 이러한 문제에 대한 통찰력을 제공하게 된 것을 영광으로 생각합니다.
숙제 도움말에 있어서 가장 인상적일 수 있는 것은 강력한 문제 은행 기능입니다. Zuoyebang은 국내에서 가장 먼저 문제 은행을 설립한 교육 기술 회사 중 하나입니다. 현재까지 5억 4천만 개 이상의 문제 은행을 보유하고 있습니다. 이렇게 거대한 문제은행은 어떻게 만들어졌나요? Wang Yan에 따르면, 문제 은행 구축의 성공에는 세 가지 조건이 있습니다.
우선 주오예방의 타고난 장점에서 비롯됩니다. 우리 모두 알고 있듯이 주오예방은 원래 바이두 내부 인큐베이션 사업이었습니다. 처음에는 Q&A 상조 커뮤니티로 자리 잡았다가 나중에 검색 Q&A 사업을 시작했습니다. 검색 및 답변 결과를 최적화하기 위해 Zuoyebang은 전임 교육 연구원과 시간제 교사로 구성된 팀을 구성하여 최대 규모의 온라인 문제 은행 제작 플랫폼을 구축했습니다. 이 또한 바이두가 알고 있는 모델에서 파생된 것인데, 공유와 소통을 옹호하는 커뮤니티 분위기에서 사용자들이 서로 문제를 해결하도록 장려하고, 네티즌들의 실제 Q&A와 소통 시나리오에도 매우 가깝다. 그 당시 다른 회사들이 했던 것 대신에: 시간제 대학생들이 문제은행을 하게 하세요. 이러한 방식으로 사용자 생성 콘텐츠에 대한 심층 분석 및 마이닝을 통해 우리는 학습 시나리오에서 사용자가 가장 우려하는 문제가 무엇인지, 어떤 문제가 더 어려운지, 대부분의 사람들이 어떤 문제에 직면하게 될지 점차 이해합니다. 이는 우리의 건설 방향을 명확히 하는 중요한 전제입니다.
둘째, 주오예방은 자원의 가치와 구성을 중시하며 문제은행에 충분한 관심을 기울이고 있습니다. 문제은행은 사용자 커뮤니케이션에 있어서 큰 역할을 할 뿐만 아니라, 질문에 답변하고 가르치는 데에도 매우 중요한 부분을 차지합니다. 크라우드소싱 시스템에 의존하여 문제 은행의 구성은 덜 어렵지 않은 독립적인 프로세스 단계로 나누어져 문제 은행을 더 좋고 빠르며 상대적으로 포괄적으로 만들어 문제 은행 구성의 규모를 보장합니다.
셋째, 질문을 연달아 하는 것만으로는 충분하지 않습니다. 예를 들어 시험 중인 지식 포인트, 난이도 및 의존하는 기타 지식 포인트는 라벨 용어와 관련되어 있습니다. 여기에는 태그 처리와 지식 그래프 및 지식 트리와 같은 기술 인프라와의 연결이 포함됩니다. 그래야만 문제 은행을 효율적으로 검색하고 필터링할 수 있어 문제 은행의 가치가 제대로 발휘될 수 있습니다. 물론, 문제은행 자체의 구성 과정에서 초기에는 많은 링크가 수동으로 조작되었지만, 이후에는 문제를 사진으로 찍거나 대부분의 전자 입력 단계를 AI가 자동으로 인식하여 바꾸는 등 AI 기술이 지속적으로 도입되었습니다. 데이터와 언어가 이해할 수 있는 형식으로 변환됩니다. 자동 라벨링, 서식 수식, AI 오류 수정 기술 등 AI 기능을 통해 자동화된 보조 처리가 수행되어 정확도가 크게 향상되고 인건비가 크게 절감됩니다. 질문은행 구축과 AI 기술의 지속적인 심화 및 확장에 힘입어 Zuoyebang은 일련의 AI 가속 기술을 구현하여 검색 및 질문 응답 시간을 1초로 최적화했으며, 초기 유사 제품의 응답 시간은 1초로 단축했습니다. 약 8초.
공립학교 프로젝트에서 문제 은행은 교육 시나리오를 지원하는 데 큰 역할을 합니다. 하이라이트 시나리오는 정확하고 개인화된 질문을 예측하는 기능을 갖춘 고품질 숙제 시스템입니다. 이 시스템의 핵심은 문제를 푸는 데 걸리는 시간, 다양한 지식 포인트 숙달 등 다양한 학생 상태를 기반으로 데이터 분석을 수행하여 개인화된 질문 추천을 수행하는 것입니다. 왜냐하면 학생들에게는 너무 쉽거나 너무 어려운 질문은 그 질문의 가치를 잃게 만들기 때문입니다. 동일한 질문은 학생마다 다른 가치를 갖습니다. 따라서 문제은행 자체의 풍부한 라벨 차원과 정확한 매칭이 결합되어 학생에 대한 완전한 이해가 필요합니다. 문제은행은 고품질 숙제 제품을 디자인하는 데 큰 도움이 되는 역할을 합니다. 실제로 통합해야 할 지식을 통합하는 학생들에게.
숙제 시나리오 측면에서 문제 은행 외에도 더 중요한 것은 자동 보조 교정 기술입니다. 객관식 문제에 비해 주관식 문제를 수정하는 것은 매우 어렵습니다. 수학 답안 문제를 예로 들면, 다년간 축적된 OCR 기술을 활용하여 학생들의 답안 내용을 정확하게 파악하고, NLP 기술을 활용하여 답안 내용을 논리적 분석 등 구조화된 분석을 실시하여 오류를 파악합니다. 또한 지식 그래프의 기능은 학생들이 어디서 실수를 했는지 지적할 뿐만 아니라 학생들에게 왜 실수를 했는지 알려주는 데에도 사용됩니다. 학생들이 학습 과정에서 약점을 찾는 데 도움이 되는 학생별 학습 보고서입니다. 동시에 Zuoyebang의 클라우드 네이티브 및 멀티 클라우드 재해 복구 시스템을 사용하여 이 서비스 시스템에 높은 안정성과 신뢰성을 제공합니다. 따라서 많은 학교에서 동시에 사용하더라도 다운타임이 발생하지 않아 사용자의 안정적인 사용을 보장합니다.
Wang Yan에 따르면 수년 동안 Zuoyebang의 대규모 사용자가 축적되어 정기적으로 운영 체제 성능 평가를 수행할 예정이며 평가 결과도 다음과 비교하여 업계 최고의 위치에 있습니다. 시중에 나와 있는 유사한 제품은 현재 Zuoyebang도 더 많은 질문 유형을 지원하고 정확도가 더 높습니다.
1. 단계 수준 자동 보조 교정
지식 학습에는 폐쇄 루프가 있습니다. 교사는 교육을 통해 지식을 전달하고 학생들은 수행을 통해 배운 지식 포인트와 모르는 지식을 테스트합니다. 모르는 것은 지속적인 학습과 연습이 필요합니다. "강의 → 문제 풀기 → 문제 판단 → 문제에 대해 말하기"라는 폐쇄적인 교육 루프에서 교사가 많은 양의 숙제를 반복적으로 수정하는 것이 과거에는 교사가 각 학생을 정확하게 지도하는 것이 큰 어려움이 되었습니다. AI를 사용하여 교정을 지원하면 교사가 교정 부담을 효과적으로 줄이고 불필요한 시간과 에너지를 크게 줄이는 동시에 더 많은 학생이 효과적으로 성적을 향상시킬 수 있습니다.
현재 숙제 산출물 시스템은 활용률이 높고, 교사들도 거의 매일 사용하고 있습니다. 또한 이 시스템은 교사의 교육 경험과 스타일을 통합하고 교사의 다양한 요구에 따라 맞춤화할 수도 있습니다. 현재 주관식 문제와 응용 문제는 단계별로 등급을 매길 수 있습니다. 향후 개선의 주요 방향은 숙제 수정에 있어서 교사의 수작업 비율을 지속적으로 줄이는 것입니다.
2. 그래프 문제의 답에는 우주가 담겨있습니다
텍스트 문제에 비해 일반적으로 OCR, 텍스트 검색 등을 통해 문제은행에서 정답을 식별하고 매칭할 수 있습니다. 그러나 그래픽 질문이라는 특별한 유형의 질문이 있습니다. 예를 들어 시험지에 이런 질문이 종종 나오곤 합니다. 다음 그래픽의 그림자 영역을 찾아보세요. 이때 추출해야 할 특징은 텍스트뿐만 아니라 그림의 특징이기도 합니다. 왜냐하면 문제은행 뒤의 검색 시스템은 텍스트 검색을 통해서만 유사한 문제 어간을 검색할 수 있지만, 얻어지는 결과에서 각 문제의 형태가 다르기 때문입니다. 이때 이미지에서 벡터화된 특징 추출을 수행해야 합니다. 디지털 벡터 표현은 다수의 문제은행의 특성을 집약하여 "텍스트+이미지"의 특성을 형성합니다. 특히 초등학교 문제에서는 이미지와 텍스트가 혼합된 경우가 많습니다. 문제의 텍스트를 이해하는 것뿐만 아니라 "선 특징의 시작 위치"를 포함한 상자 간의 구조적 관계를 이해하는 것도 필요합니다. 연결 질문"을 확인하고 궤적을 추출하여 결정합니다. 질문을 그리는 것도 마찬가지입니다.
3. 시험지 복원: 블랙 기술은 종종 현실에 뿌리를 두고 있습니다
보조 교육의 맥락에서 Zuoyebang은 OCR, 음성, 이미지 인식, 숙제 교정 분야에서도 많은 기술 특허를 축적했습니다. . 예를 들어, 우리는 매우 까다로운 시나리오에서 개발된 왜곡된 이미지를 효율적으로 수정하는 인공 지능에 대한 특허를 공개했습니다. 우리 모두 알고 있듯이, "잘못된 문제를 다시 풀기"는 교육 현장에서 매우 중요한 부분입니다. 부모와 교사는 시험지를 답이 없는 상태로 복원해야 합니다. 그러나 시험지 사진을 찍은 후에는 손글씨가 고르지 않고 나타나는 경우가 많습니다. 시험지의 문제가 왜곡되어 있으므로 조판 수정 문제를 해결하려면 기술이 필요합니다.
심층 신경망을 사용하여 인간의 필기를 식별하고 시험지 글꼴과 구별합니다. 이미지 향상 기술과 결합하여 시험지를 매우 효과적으로 복원할 수 있습니다. 현재 이 기술은 이미 온라인에 있으며, 종이 시험지를 원래 상태로 복원할 수 있는 프린터 제품에 적용되었습니다. 사진 촬영부터 복원까지 단 몇 초밖에 걸리지 않습니다. 이전 연습에서는 학생들이 일반적으로 질문을 수동으로 복사한 다음 다시 수행해야 했습니다. 이는 강력한 '블랙 테크놀로지'라고 할 수 있다. 물론 이 기술은 시험지를 복원하는 데 사용될 뿐만 아니라 온라인 수업에서 숙제를 제출하기 전에 촬영된 숙제를 수정하고 아름답게 하는 데에도 사용할 수 있어 한편으로는 더 나은 레이아웃 상태로 복원하는 데 도움이 됩니다. 보존하는 동시에 콘텐츠 인식 정확도도 높일 수 있습니다.
4. 지식 그래프: 전문 지식이 모이는 곳
지식 그래프의 구축은 인간의 경험 시스템과 떼려야 뗄 수 없듯이, 교육 현장에서도 마찬가지입니다. 우리의 지식 그래프 역량은 코스 시나리오에서 더욱 축적됩니다. 많은 교육 및 연구 교사가 교육 및 연구 과정에서 지식 포인트의 맥락, 종속성 및 학습 경로를 요약합니다. 이러한 관계와 경로는 흩어져 있는 지식 포인트를 네트워크로 연결하여 지식 그래프의 프로토타입을 형성할 수 있습니다. 교육 및 연구 교사는 풍부한 전문 경험과 지식 포인트 시스템을 제공합니다. 이 과정에서 R&D 부서는 대규모 구현을 위해 일련의 자동화된 AI 머신러닝 기능을 사용합니다. 지도를 받은 후에는 능력에 맞는 질문을 추천하거나 더 깊은 지식 포인트를 배우기 어려운 질문을 추천하는 등 맞춤형 숙제 설계의 다음 단계를 수행할 수 있습니다. 현재 지식 그래프는 숙제 도움말의 광범위한 응용 시나리오에 사용됩니다. 즉, 방금 소개한 문제 은행에 있는 관련 질문의 상관 관계를 포함하여 교육 시나리오, 숙제 교정, 개인화 학습, 숙제 진단 등 본질적으로 질문에 더 많은 정보를 제공합니다. 검색 및 권장을 위한 정확한 치수입니다.
과거 교육 시나리오에서는 종이책, 교사의 칠판 글쓰기, PPT 등이 디지털화되지 않은 반면, 학생들의 답변은 디지털화되지 않았습니다. 문제 정답, 숙제, 시험 점수 등 콘텐츠도 디지털화해야 합니다. 왜 디지털화해야 할까요? 왜냐하면 자연물리계의 내용이 컴퓨터가 이해할 수 있는 데이터정보로 변환되지 않는다면, 우리 컴퓨터 분야의 첨단 기술 연구는 구현될 수 없을 뿐만 아니라, 검색, 추천 등 효율성만 향상시키는 기술조차 구현될 수 없기 때문입니다. , 쓸모가 없습니다. 따라서 음성과 이미지 모두 교육 아이디어와 지식을 전달하는 중요한 매체이자 전달자이므로 심층적인 디지털화가 필요합니다.
최근에는 교육 정보화의 지속적인 발전으로 대부분의 교실에 대형 디지털 화면이 설치되어 있으며 일상 수업에서 사용되는 교육용 코스웨어가 디지털화되어 있으며 현재 우리가 하고 있는 일은 숙제 시나리오의 디지털화를 촉진하는 것입니다. 그러나 현 단계에서 AI를 활용하는 능력은 교사와 학생의 본래 습관을 존중해야 하며 쉽게 바뀌어서는 안 된다는 점은 주목할 만하다. 예를 들어, 원래 교육 모델에서는 모든 사람이 종이 시험지에 익숙합니다. 종이 시험지를 취소하고 모두 온라인으로 옮기면 "적응"이라는 심각한 문제가 발생합니다. 온라인 답변을 디지털화해야 하지만 이로 인해 습관이 바뀌게 됩니다. 한번 습관을 바꾸면 대규모로 사용하기가 어려워집니다.
이를 바탕으로 교사의 실제 종이 표시 습관과 학생의 답변을 존중하는 마음으로 Zuoyebang은 사업 아이디어를 혁신했습니다. 숙제 시스템에 "원본 종이의 흔적 남기기" 기능을 도입했습니다. 따라서 Wang Yan의 관점에서 우리에게 더 필요한 것은 사고의 혁신, 기술 사용의 문턱을 낮추는 것, 습관을 바꾸지 않고 디지털화하는 것입니다.
숙제 장면부터 교육 장면까지 확대해 보면 새로운 시나리오에서 새로운 요구 사항을 많이 찾을 수 있습니다. 예를 들어, 스포츠 장면에서 수업 중에 체육 교사는 심박수 모니터링과 같이 각 학생이 견딜 수 있는 운동 강도에 큰 관심을 기울입니다. 운동하는 동안 학생의 심박수가 너무 높으면 학생에게 운동을 멈추고 휴식을 취하도록 상기시켜야 합니다. 또 다른 예는 "줄넘기 계산"입니다. 우리는 카운터를 사용하지 않지만 카메라가 자동으로 식별하고 계산하도록 하는 것이 더 편리할 것입니다. 또한, 신체 움직임을 포착하는 것은 학생들이 자신의 움직임이 표준적이고 표준화되어 있는지 확인할 수 있도록 돕는 실용적인 기술이기도 합니다. 이러한 AI는 교정에 도움을 줄 수 있습니다.
1. AI 구현 기회를 찾는 방법
Zhoubang은 기술 중심 회사입니다. 개발팀은 종종 다음과 같은 질문을 합니다. 다른 기술을 사용할 수 있습니까? 과거에 충족되지 않았던 욕구를 충족시키고, 이전에는 달성할 수 없었던 욕구를 이제는 완성할 수 있는 좋은 기술이 있을까요? 이를 바탕으로 Wang Yan은 AI 구현 기회를 찾는 방법에 대한 논리를 요약했습니다. 우리는 어떤 기술을 마스터했는지, 어떤 자원을 보유하고 있는지 알아야 하며, 그런 다음 특정 시나리오에 적절한 기술을 적용하는 방법을 고려해야 합니다. 기존 기술 자원을 기반으로 장면 매칭을 수행합니다. 다음 단계는 기술이 무엇을 달성할 수 있는지 생각하고 평가한 다음 이를 시험하고 최적화하는 것입니다.
2. B면 정확도 요구 사항이 더 엄격합니다
C면 시나리오와 비교하여 B면 고객은 특별한 요구 사항과 맞춤형 요구 사항을 갖습니다. 예를 들어, 학교에서는 정확성 측면에서 더 높은 요구 사항을 적용하며 수정 과정에서 실수가 있어서는 안 됩니다. C-end 제품은 기능의 풍부함과 사용자 경험에 더 중점을 두지만 정확성에 대한 기대는 그리 극단적이지 않습니다.
1. 기초연구는 기본이고, 첨단기술은 더욱 향기롭습니다
이런 기술들은 이미 우리의 다양한 기술기반을 가지고 있습니다. 애플리케이션 시나리오 최적화를 통해 애플리케이션 성능이 크게 향상되므로 기초 연구에 대한 투자가 필수적입니다. 첨단 기술에 대한 연구는 게임 플레이에 변화를 가져올 수 있습니다. 기술이 계속 발전하고 혁신되면서 이전에는 할 수 없었던 일이 언젠가는 갑자기 가능해질 수도 있습니다. 주의를 기울이고 후속 조치를 취하는 데 에너지가 필요합니다. 후보자 능력 측면에서 우리는 특정 학문적 연구 능력을 가지면서 공학적 능력도 중요하게 생각하기를 바랍니다. 강력한 엔지니어링 역량은 더 강력한 구현 역량을 의미하며, AI 기술 구현을 진정으로 촉진하려면 애플리케이션 수준에서 계속 견고해야 합니다. 물론 이상적으로는 인재들이 풀스택 역량을 갖추고 독립적으로 실험 설계 및 애플리케이션 구현을 완료하여 실제 애플리케이션에서 특정 혁신의 개선 효과를 신속하게 확인할 수 있기를 바랍니다.
2. 모델이 단순히 거대함을 추구할 수는 없지만, 혜택도 넓어야 합니다
교육 분야와 일반 산업에서의 실천과 개발 경험은 아직 일반 기술과 다소 다릅니다. AI는 이제 모든 계층에 적용되었지만 교육 시나리오의 경우 일반 시나리오를 기반으로 한 대부분의 모델은 특정 시나리오에 "일반적으로 유익"할 수 없습니다. Wang Yan은 손글씨 입력 방법의 손글씨 인식과 같은 생생한 예를 들었습니다. 알고리즘 모델은 성인이 쓴 손글씨를 가정합니다. 그러나 숙제 시나리오에서는 연령대가 다른 학생들이 다르게 글을 쓰고 깔끔함과 깔끔함에 대한 요구 사항이 그리 많지 않습니다. 따라서 교육 분야의 경우 특정 시나리오를 기반으로 AI를 다듬고, 일반 분야에서 좋지 않은 문제를 해결하고, 새로운 비즈니스 요구를 탐색 및 발견하고, 실질적인 해결을 위해 특정 시나리오에 침투해야 합니다. 관련 기술 개발을 촉진하는 과정에서 발생하는 문제입니다.
널리 사용되는 것은 대중에게도 저렴해야 합니다. "대형 모델은 성능 향상을 인정받았지만 아직 사용자가 널리 사용하지 못하고 있습니다." Wang Yan의 견해에 따르면 대형 모델과 다중 모드 연구는 실제로 정확도 향상을 가져올 수 있지만 종종 정확도가 향상됩니다. 95에서 96까지의 작업을 수행하려면 막대한 컴퓨팅 성능이 희생됩니다. 요즘에는 수천억, 수조 개의 매개변수를 가진 대형 모델을 지원하고 실행하려면 매우 큰 클러스터가 필요하지만, 실제 시나리오에서는 사용할 거대한 컴퓨팅 성능 클러스터가 없으면 대형 모델의 결과가 1초 내에 생성될 수 있습니다. 꽤 긴 실행 시간이 필요할 수 있습니다. 클러스터 하드웨어의 성능은 지속적으로 향상되고 그에 따른 단위 컴퓨팅 파워 비용은 지속적으로 감소하고 있지만, 널리 사용될 수 있는 기술은 비용이 저렴하고 저렴해야 합니다. 어느 정도 컴퓨팅 성능을 추구하는 데 모든 에너지를 집중하는 것은 약간의 희생입니다. AI의 광범위한 구현은 아이디어의 혁신과 기술 자체의 비용 효율성 추구에 더 가깝습니다.
어떻게 수천 명의 사용자에게 기술을 혜택으로 제공할 것인지, 기믹과 같은 기능을 실생활에서 어떻게 널리 사용할 것인지가 중요한 문제입니다. 현재 우리는 사용자 수가 매우 많고, 매초마다 많은 사용자가 사용하고 있기 때문에 "컴퓨팅 파워를 쌓아서" 한다면 비용은 상상할 수 없을 것입니다. 현재, 경제성이 있는 상황에서 우리가 해야 할 일은 사용자에게 가능한 한 풍부한 기능과 서비스를 제공하는 것입니다. 한편으로는 장비가 유휴 상태가 되지 않도록 컴퓨팅 성능의 활용도를 향상시킬 수 있는 방법에 대해 생각하고, 다른 한편으로는 초당 수만 건의 작업을 제공하기 위해 모델 및 엔지니어링 아키텍처를 개선하고 최적화하는 방법을 탐구합니다. 가장 합리적인 비용으로 대규모 AI 서비스를 제공합니다. 더 중요한 것은 아이디어를 혁신하는 방법입니다. 문제 해결 관점에서 혁신하고, 기술이 주는 편리함을 더 많은 사람과 사용자가 실제로 만지고 느낄 수 있도록 해야 더 큰 가치를 창출할 수 있습니다.
Wang Yan, Zuoyebang 수석 건축가이자 Zuoyebang 지능형 기술 연구소 소장. 그는 한때 Baidu Zhizhi 및 Baidu Encyclopedia의 기술 이사를 역임했으며 현재 Zuoyebang의 지능형 기술 연구소장을 맡고 있으며 인공 지능, 이미지 기술, 대규모 하이테크 분야의 관련 연구 및 구현에 주력하고 있습니다. 동시성 온라인 아키텍처 및 기타 기술 분야를 주로 담당하며 검색 Q&A, AI 수정, 질문 은행 및 기타 관련 서비스를 담당합니다.
위 내용은 T Frontline | Zuoyebang 수석 AI 설계자 Wang Yan과의 독점 인터뷰: AI의 포용성은 혁신적인 아이디어에 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!