用纯技术的方式做K-12领域的答疑app，“学霸君”想通过图像识别和题库匹配来解答学生们不会的题

写标题的时候我在想，原来真正的“学霸”并不是那些班级里的佼佼者，小红花终究还是属于计算能力超高的计算机的。其实道理很简单，如果有一千万个人，每个人都被一道题卡住了，那么靠一个学霸可回答不了这么多道题，但是一台机器却可以。

用纯技术的手段解决答疑规模化的问题，正是 “学霸君” 的思路。“学霸君”是一款移动端的答疑app，功能十分简单—— 用户在自然环境下拍下试卷上不会的题目，上传到服务器，平均等待两分钟，就会看到系统发回的解题步骤和答案。

其实之前我们也报道过不少答疑app了，比如 爱考拉 ，比如 梯子答疑 ，但其他产品多用UGC（即学生提问、学霸回答）的方式，或者是雇佣老师参与其中，在后台帮助学生解答。但“学霸君”的产品负责人说，他们曾经也尝试过UGC的方式，但流量太低。而答题是一个即使是在流水线作业的情况下，成本也会达到3-4元一道题的生意，如果再依靠老师，人力费用更不是创业公司能够负担的。所以他们就想通过纯粹的技术手段来解决问题。

“学霸君”背后的识别原理是通过STR技术（scene text recognition），在 Deep learning 模型之上通过模拟自然环境下的真实图片来训练卷积神经网络，以提高模糊、形变文字等图片的字符识别率。这种方式和传统所用的 OCR方式 相比，可以提高识别的准确率，因为传统的图像文字识别一般要经过字符定位、分割和识别三个步骤，但是对照片中的多字符文本识别却是个难题，如果在自然环境下，还会有光照、阴影、遮蔽等环境因素的影响，使得识别的准确率无法达到很高。

而由于学霸君团队早期核心成员来自Google、Baidu、NVDIA，在GPU计算、AI、搜索方面有所积累，加上目前已经投入了一年时间在图像识别的技术研发上，所以据称目前产品已经可以做到自然环境下拍摄的识别准确率在90%左右， 这样一来，答疑的边际成本就有可能降为0，即每增加一个用户不需要再付出额外的成本。

换句话说，当答疑完全交给机器时，这项生意就开始能够规模化。当然，答疑app除了能够识别题目之外，能为这些题目匹配出相应的答案也很关键。学霸君团队有以前做k-12线下培训时所积累的题库资源，题目数量超过一千万左右，可以大致覆盖学生们的提问需求。

最后，“学霸君”团队和我分享了一点他们对教育行业的看法——虽然可以看到很多人都在往k-12，甚至只是往答疑这块切，这证明这块市场很大，且被看好。就他们自己的调研结果来看，学生的提问需求是非常大的，3亿的中学生每人每天都有答疑的需求，现在需要解决的就是如何去满足这么大量的需求。他们觉得今年会是答疑app的积累期，明年可能就会像打车app一样有个大爆发和激烈的竞争。

学霸君团队在今年2月底时完成了500万美元的A轮融资，投资方为淡马锡集团风险投资部门祥峰投资。拿到融资后，团队会把主要的资源投入到研发阶段，他们认为还需要一年以上的时间才能为大规模商用的技术研发做好准备。目前学霸君的技术可以向小规模用户的提问（小于2万题/日）提供2分钟以内的响应。

学霸君下载地址： Android

[ 36氪 原创文章，作者: 苑伶]