夸克“凶猛”:一场手机镜头背后的狂野冒险
2022-10-25 11:1:15 Author: mp.weixin.qq.com(查看原文) 阅读量:19 收藏


浅友们好~我是史中,我的日常生活是开撩五湖四海的科技大牛,我会尝试各种姿势,把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友,不妨加微信(shizhongmax)。

夸克“凶猛”:一场手机镜头背后的狂野冒险
文 | 史中
李逍遥出生的村子叫什么你知道吗?
我知道,叫盛渔村,地处杭州余杭县,位置偏僻,但风景秀丽。。。
我为啥记得这么清楚呢?
因为10岁那年我第一次玩《仙剑奇侠传》的时候,剧情刚刚展开,看着热情的村民,听着温情的 BGM,我突然有奇怪的想法:为啥我李逍遥不能一辈子怂在家乡耍木剑采野果,非得去外面被妖怪毒打呢?
但是转念一想,不遇到妖怪,也不会遇到赵灵儿。
想到这里,DNA 动了,明知山有虎偏向釜山行,我就这样走出了新手村。
好吧,咱们未必玩过一样的游戏,但咱们都过着同样操蛋的人生。你我都有(不得不)从新手村出发的那一天,面对天书一样的试卷时,面对老板“今晚就要”的死线时,都会幻想:如果天上能掉下来一把神刀,一刀999级,该有多好。。。
今天,中哥就给你讲一个“神刀”的故事。
(一)“战五渣”和扫描王 
“放假前刚发的卷子,我家小孩就找不到了!我还得在家长群里求着同学妈妈把试卷拍给我,打印出来让孩子做。但人家孩子已经写了答案,我只能用纸条挡住答案去复印。。。”
这是一个两年前发在妈妈帮论坛上的帖子。
如此不能打的剧情,却引来了不合时宜的共鸣,上百个家长回复说:啊!我以为只有我家孩子是这样。。。
看来,身边潜伏的渣渣不止一个啊。
吃瓜群众中潜伏着一个人,戴着眼镜,自己就接近学生模样,按道理都不应该知道这世界上有妈妈帮这样“戾气深重”的网站。
这个人就是尹毅彬。
尹毅彬
尹毅彬是夸克App的产品经理,之所以要逛家长论坛,是因为他负责的正是当时大火的“学习版块”。
他同时也是个暖男。“怎么能让妈妈们受这样的苦呢?”于是赶紧把这个发现讲给伙伴。
一个月后,夸克App里添加了一个小功能——试卷去手写——拿一张卷子来,能自动把里面的手写字去掉;不仅如此,还能把卷子角度自动转正,把纸变白,把字变清晰,打印出来比原版的还原版,隔壁学霸都馋哭了。。。
就是这个效果⇩⇩⇩
别看就是这么一个不起眼的功能,受欢迎程度却难以言表,后台调用量像火箭直入云霄。
以防有的浅友不熟悉夸克,这里中哥强势插入一下,多介绍几句背景姿势:
很多人觉得夸克是个搜索 App,但是在年轻用户心里,搜索只是夸克“功能大餐”中的一道菜,他们还能用夸克看小说、看电影、拍图识万物、文档翻译、简历生成、自拍证件照、PDF转Word、截长图、转gif、挂号买药、学菜谱查快递。。。
我觉得,夸克的梦想是成为大家手机里的“瑞士军刀”——没车没房没女票这种大事解决不了,但遇到蹩脚的小困难,掏出来一准儿能搞定。
给你们看一下夸克工具的列表⇩⇩⇩
为了达成这个目标,不只是尹毅彬,夸克团队每个人都患上了“需求搜集癖”。。。
他们就像八爪鱼:产品经理做调研,技术老师傅看数据,运营小姐姐接客诉,反正有各种渠道和用户沟通。用户想要啥,分分钟就能传递到夸克团队,没准新功能几个星期就做出来了,有一种“被宠溺”的感觉。
讲真,在今天的世界,能够和用户混成这种好兄弟(好姐妹)的互联网产品都已经不多了呀。
不过这也好理解,因为夸克团队和他们的用户一样年轻,几乎一水的90后。其中最小的一位生于澳门回归的1999年。毕竟中国人不骗中国人,年轻人不坑年轻人嘛。
好,认识了这群头发尚且浓密的年轻人,我们回到主线剧情。
搞出“试卷去手写”,无数小朋友可以骂骂咧咧开开心心去写作业了,但这只是故事的《序章》。
夸克这群年轻人像胡八一那样提鼻子一闻,忽然感觉自己站在一座“尚未完全被开发”的宝藏大门前,这座宝藏就叫——扫描
之所以说尚未完全开发,是因为扫描这座宝藏早已被人发现,市面上也早有一些扫描产品。
只是夸克这群人觉得前人挖掘得不细心,或者说勘探技术不到位,就拿“试卷去手写”这样的具体任务来说,在他们之前就没人做得这么精细嘛。。。
于是,一场内部讨论展开:如果做一个市面上最好的把“纸质文件”扫描成“数字文档”的扫描工具,谁赞成?谁反对?
团队那位99年的同学赶紧举手:
我上大学那时候,哦,也就是去年,就特别想要一个这样的工具。因为老师讲课的PPT翻得太快,我只能用相机一张张拍下来,再用 iPhone 的备忘录功能整理起来。虽然四舍五入能用,但是像我这么社恐的人,坐在教室最边上,拍出来的照片都是梯形。。。
话音未落,另一个同学插话:
我表哥在投资公司工作,我记得他吐槽,说每天都得把各种纸质文件、单据神马的扫描归档,扫描仪难用的一比。
恰在此时,探马回报,在北京、广州、秦皇岛等等城市的用户调研里,很多夸克的主力用户——老师和学生——也都吐了这个槽:学知识最好是举一反三,得把错题抄下来反复练嘛。但除非爱好书法,谁能耐下心来手抄那么多错题呢?
而且,人类都已经进入赛博朋克纪元了,把这么多时间用来物理抄题,也太 old school 了吧?能有个顺手且强大的手机扫描工具多好啊!
正所谓,工欲善其事必先利其器。你让哈利波特去削伏地魔,不得先给他个扫帚么?你让小智干翻全世界的宝可梦,不得先给他个精灵球吗?你让你家小孩考清华,不得先给他个“扫描王”么?
夸克扫描王产品负责人夏雅瞳小姐姐一拍桌子:决定了!咱们就帮大伙儿把“扫描王”做得更好用!
小智,你扪心自问,如果把精灵球改成三室一厅总统套房,皮卡丘能不愿意进来么?
(二)高清无码大图,get✓ 
说到扫描,咱们小时候见的扫描都是那样的:把纸质文件按在一个扫描仪上,然后“呲——”,电脑上就显示出了一模一样的图片。
那个操作叫“光学扫描”,实际上,那已经是老黄历了。
听中哥给你科普,现在的扫描比女生化妆还厉害:
第一步、拍图片
用手机给文件拍一张素颜照,App会自动帮你裁剪,摆正角度,去掉无用信息,相当于打了个遮瑕粉底,然后把图片上传云端。
第二步、修图片
云端算力充沛,AI 能识别出文件上的瑕疵(例如纸上的脏点、水印、手写痕迹),把它们都去掉;再识别出有用的文字,把它们加深,变得更清晰。相当于眼线红唇化个全妆。
第三步、导图片
云端把这张图片传回给手机里的 App,App 帮你导出定妆照,也就是扫描结果的图片。
完美结束,撒花出街。
这样三步下来,比光学扫描的“素面朝天”那简直高到不知哪里去了。
不过,欲戴王冠必承其重,这个“美颜之旅”比大多数人想得难多了。
怎么个难法呢?咱们先请上夸克团队的第一位现身说法的选手,他就是王淮。王淮在夸克App的研发团队,负责我们刚才说的“第一步”。
王淮
王淮是个“强迫症”,一幅画挂歪1度都能看出来那种。但做 App 客户端恰恰需要这种细致的精神。
刚接到任务,一个不是问题的问题就挡在面前——该用什么拍照方式?
你肯定没有注意过,摄像头获取图片其实是有两种方式的:
一种是速度快但画质感人的——就是进入摄像模式,从流动的画面里截取一帧凑合能看的。
一种是画质好但速度感人的——就是进入拍照模式,老老实实对焦,调整光圈快门,拍一张照。
王淮玩得比较遛的是第一种“视频截图”。因为他们之前做的“万物识别”功能,就在用这种方式。
为啥呢?因为那些图片是用来做“分类”的——比如你拍了一只狗,即便是模糊的狗,相比于猫,AI 也会觉得它也更像狗——所以不用清楚,拍得快才是王道。
可是扫描就不同了,它的终极目标不是分类,而是清晰呈现这张照片里的每一个细节。
没办法,王淮只能老老实实选择“拍照模式”。可这样一来,体验就不太流畅,他又和一群强迫症事们做了10086个优化。
接下来可以拍照了吧!王淮把自己手机翻过来一看,卧槽?!怎么这么多摄像头?
第二个问题又迎面扑来——该用哪个摄像头?
废什么话?随便选一个不就行了吗?
“不行。我们试了一下,长焦镜头一般光圈大,拍出来的照片景深小,这样用户如果拍摄角度倾斜,就会造成一半清晰,一半虚焦。。。广角镜头一般光圈小,能拍清楚。但如果镜头视野太宽,纸张占画面的比例又比较小,有效像素不够多。。。”
王淮解释。
就像这样⇩⇩⇩
他们最后写了一套规则,让夸克 App 在手机里现场“唐伯虎点秋香”,找出最适合做扫描的那颗摄像头。
可实战中到底能不能选准秋香,王淮心里有点嘀咕。。。他又请测试团队的同学真的用不同型号手机拍了几千张照片,把每一个机型都调优了一遍才罢休。
这下可以拍照了吧?还不行。。。
夸克的用户数以亿计,你永远想象不到大家在拍照片的时候是在九天揽月还是在五洋捉鳖。
比如有的人手抖,拍出的照片就是帕金森模仿秀;有的人心不在焉,拍出的照片就是斜到怀疑人生;有的人是暗夜骑士,拍东西祖传不开灯。
于是第三个问题来了——怎么保证拍照清晰?
王淮他们在拍照界面加了提醒——探测到画面光线不足,就提示开灯;还加了网格线——眼残的可以参考网格拍得横平竖直;还做了一个实时对焦模块——哪怕用户冷不丁地按下拍照,也能保证尽量清晰。
看到这儿,有老哥可能会问:这都是什么鸡毛蒜皮的小事啊?
其实我是故意选择这些琐碎细节讲给你听的。因为你懂的,面对这些细节都能如此“强迫症”的人,是很难在图像裁剪、图像压缩、图片上传链路这类更严肃的事情上偷工减料的。
“咻——”,随着图片传上云端,沉甸甸的接力棒也交到了第二位选手,云端算法工程师黄锐华手上。
黄锐华
黄锐华是个技术控老司机。他的驾驶风格是:“我前面不能有车”。
凡是遇到什么技术困难,他不睡觉也得把全世界的解法都找来,然后不允许任何一个解法比自己更好。。。
开发过程中,看着手机端传上来的图片,黄锐华皱皱眉头:喂,这图片怎么有好多都是“S身材”啊??
你想想看,一张纸,如果能够平平展展让你拍照,那是烧高香的情况。大多数情况,咱们打开书拍某一页,书页肯定是弯折的,而且越靠近书脊,弯折程度越大,就像霍金的黑洞。。。
黄锐华当时就暴躁了,一张纸这么“性感”,很影响扫描效果的好不好?!
接下来的问题就是——怎么把S形书页给拉直?
其实方法就是借助人工智能,让 AI 对着弯折的书页“YY”它平展的时候应该是什么样。
可问题是,要想让人工智能学会这个技能,先得给它学习资料——同一张纸弯折时和平展时的“对比数据”。这个数据还不能只有一两组,得成千上万组才行。
黄锐华给我解释。
虽然但是,从哪去找这么多书页弯折的数据呢?这数据又不是可乐,街边随便找家店就有卖。。。而且也来不及自己一张张拍啊,等你拍完,等着扫描书页的大学生都该领退休金了。。。
一个平时喜欢玩游戏的同学若有所思:诶,3A游戏大作不都会用到物理引擎么?
一语点醒梦中人,黄锐华组织大家搞了好几本书的3D模型,然后用游戏物理引擎对它进行各种“蹂躏”,这不一下子就有了丰富的训练数据吗?
这么一搞,效果拔群。
看着 AI 书页拉直的效果越来越棒,黄锐华仰天长啸:果然,不会3D建模的AI工程师不是好司机啊!
搞完这些,已经是2021年春天。
丑媳妇总得见公婆,“夸克扫描王”终于发布了。
春江水暖鸭先知,夸克新功能铁杆粉丝先知——说时迟那时快,在夸克的粉丝群里,已经有眼尖的人发现了扫描王。
夸克团队搬好小板凳排排坐,等着夸奖砸来,不过,夸奖没等来,却等来了板儿砖。
“欸我这个扫描出来怎么是花的啊?”有粉丝问。
黄锐华一看粉丝发来的“证据”,居然是对着电脑屏幕拍的,上面都是摩尔纹。。。
“欸我这个卷子怎么扫描之后还能看出背面的字啊?”
黄锐华一问,才知道这哥们的卷子太薄,简直是蕾丝半透款,背面的字毫无压力地透了过来。。。
“欸我这扫描出来怎么还带手指头啊?”
黄锐华一看,原来这哥们是拿手举着一本书扫描的,手指头也拍进去了,AI 以为是书上的插图呢,给强势保留了。。。
“这好办,你告诉他们拍照的时候别用手扶着不就行了?”我提议。
“用户用手扶,一定有他不得不扶的道理。我们既然要做全世界最好的扫描工具,就不可能让用户来适应我们。”黄锐华一脸慷慨。
本着“做最牛X的扫描工具”的原则,老师傅们继续返工:优化了人工智能算法,让它更好地识别出背面透字;还教会了 AI 识别边缘乱入的手指头,自动擦除;还研究了去摩尔纹的滤镜。
注意,刚才提到的各种滤镜是一层层“叠buff”的。
比如,上一层去摩尔纹的输出结果是下一层去边缘手指的输入资料;去手指的输出结果又是下一层去背面透字的输入资料。
这很像杂技演员踩着高跷,头上顶着水缸,手里扔着12个鸡蛋,腰上还转着5个呼啦圈——但凡中间任何一个环节出问题,整个杂技都会垮掉。
做扫描难,就难在了这儿。
耿直的夸克用户是一面明镜,不满意会吐槽,满意会真夸。经过了几次改进,夸克粉丝群里逆风翻盘,变成夸夸群。
尹毅彬现在还记得,有一个用户专门跑来说:“我从来没用过这么好的扫描产品,扫出来真白,就跟新买的书一样!”
不过彼时沾沾自喜的扫描王团队,就像刚出长安的唐长老,还不知道有一群妖怪正围着餐巾等着他们呢。
那天,运营小姐姐找到尹毅彬,跟他提到了一个用户投诉。
那个用户留言说:“用夸克扫描出来的文件,我没法用!”
“扫得这么白,怎么没法用?”尹毅彬一边嘀咕,一边决定跟那个投诉用户直接打个电话。
他恍然大悟,原来这个用户在扫描一份鉴定报告,在报告的下面,专门铺了签发机构的防伪水印。可是在AI看来,水印这种脏东西不是要去掉的么?一秒钟擦得干干净净,对用户说:快夸我!
用户说:我谢谢你啊!
无独有偶,另一个用户反馈也前后脚进来:他想扫描一个发票,用于报销。可是夸克扫描王扫出来的发票过于白嫩,而且经过“清晰度补足”的滤镜,红章就会变得暗淡,打眼看上去就像是街角买的假票。。。那哥们都不敢提交报销了。。。
原来,“一白遮百丑”也不总是真理。
一个巨大的哲学问题摆在夸克扫描王团队面前:当“真”和“美”坐在跷跷板的两端,到底要怎么选?
就和生活一样,没有人永远需要真实,也没人永远需要漂亮。所以我们的结论是,你要去了解用户在扫描那一刻的真实意图,才能更准确地服务他。
尹毅彬解释。
于是,在随后的升级里,夸克扫描王加入了一道“自动识别逻辑”:判断这是个单据,就以“真实呈现”为主;判断这是个文件,就以“黑白分明”为主。
这个思考影响深远。
从这件事以后,夸克团队就像搞了个高音喇叭放在耳边,时刻在喊:“你们确定真的了解用户想干嘛吗?R U F**KING SURE?!”
“警钟长鸣”之下,他们有了惊奇的发现——当用户扫描的时候,有时并不想“扫描”。
(三)当你扫描的时候,你在“扫描”什么? 
“在我们的一生中,遇到爱,遇到性,都不稀罕,稀罕的是遇到了解。”这是廖一梅在话剧《柔软》里写下的台词。
这句话恰好完美隐喻了互联网产品的难处。
在真实世界里,哪怕你和最要好的朋友对面长谈,都无法完全理解Ta的意图;更别提在赛博世界里,提供服务的系统和用户相隔万里,只能通过用户令人费解的行为碎片来“猜”。
我问你,当一个用户扫描了电脑屏幕上的一串快递单号,Ta 想干嘛?
我再问你,当一个用户没有调用摄像头,而是去相册里调取了一张写着名言警句的图片进入扫描王,Ta 想干嘛?
有没有一种可能,此时他们并不是想“扫描”,而是想把照片里的文字提取出来,复制到别的地方用?
有可能是,也可能不是。。。
2021年夏天,夸克这群年轻人就带着这种狐疑上线了“文字提取”功能。
这个操作效果炸裂。
从激增的后台调用量看,用户仿佛在说:这么牛X的功能,搞么子现在才上?
为啥大家对文字提取这么情有独钟?我还真琢磨了一下。
看看我们自己的大脑就知道了,人类的右脑负责形象思维,左脑负责逻辑思维。长期的进化让大脑产生了这样的左右分工,那必然是因为这样比“左右脑一团浆糊”更好。
好处是啥呢?省能量。
语言文字属于逻辑思维——可以用“抽象的信息”反应“具象的世界”——而抽象的信息真的很省地方
你看,说“苹果”两个字只需要半秒,把这两个字写出来也只需要两秒,可画出一个苹果恐怕需要一分钟。遇到手笨的,画一个苹果恨不得消耗两个苹果的卡路里。。。
所以,“文字提取”功能的本质是把一张“图像”里的“逻辑信息”(而非视觉信息)提取出来,复制、粘贴、修改、搜索随你大小便——大大降低信息处理的成本。
在原有的视觉工具旁边直接加了一个逻辑工具,冲锋枪+迫击炮,买一送一,肯定受欢迎嘛!
(我替你们体验了一下文字提取,原谅我此时身处宾馆,能找到的纸不多。。。)
尝到“提取”功能的甜头之后,夸克这群“摸金校尉”如同找到了扫描领域的新一道暗门,向幽深的秘境又挺进一层。。。
尹毅彬回忆,那天产品团队在整理用户反馈时,又发现一个奇怪的案例。
这个用户反馈了一张手写的购物单,上面写着:菠菜XX元,买了XX斤;白菜XX元,买了XX斤,诸如此类。
用户的诉求是:我拍了这个购物单,你们能不能给我转成 Excel 表格?
原来,他是一个饭店的采购员,每天进货,月底盘点,得把30天的数据金额加总。过去手写数字加总,得鼓捣半小时,还不一定算对。如果能有工具把手账变成 Excel,那妥妥从石器时代直接进入工业革命啊!
尹毅彬一看,有道理!他去找技术老师傅,有点心虚地问:手写字,能提取出来么?
黄锐华呵了一下:可以试试。
其实,这个技术黄锐华团队并没那么陌生。在两年前夸克的“学习”模块里,就实现了一个小功能:把学生手写的答案转换为印刷体。
但注意,这两者的难度是不同的。
一个学生写题,他的目的是让判卷的老师看懂,潦草程度是有下限的。
比如这样:
一个人写采购单,就是为了记账给自己看,那潦草程度是没有下限的呀!
比如这样:
简而言之,之前给搜题做的那套手写识别技术根本拿不出手,必须加大数据剂量,重新训练。
不过,这次黄锐华遇到了强劲对手。越深入训练,技术团队就越抓狂——仿佛自己身处一个深不见底的巨坑里。。。
手写体的难度不只在于潦草,更在于你要理解手写信息的复杂含义。
比如访客登记的时候,上面那个人在性别那栏填了“男”,你填表的时候,就在下面打两个点,表示“同上”。人类很容易理解的事情,人工智能就想不通。
再比如我们写好了一段话,突然想在两句之间新插入一句,就会打一个插入符号,然后把新的字写在缝隙里。这种意思AI就很难理解。
黄锐华解释。
地狱级的情况还在后面——手写字和印刷字同时出现在一张纸上。。。
举几个栗子:
比如,我在一个填空题上写了“一”,但在人工智能看来,这个“一”是一横,下面的横杠也是一横,这不就是“二”么?
再比如,我在方格本里写了“女人”,人工智能肯定会质问你,这TM不是“囡囚”是什么?
乱世须用重典,难题得上狠活。为了解决这个问题,老师傅一股脑派了三个 AI 出战:
首先,训练一个AI,它不负责识别文字,只用来分辨哪一笔是手写的,哪一笔是印刷的。
然后,是正常的 AI 文字识别。由于刚才已经尽可能把两种笔画分开,此时识别准确率会大大提高。
最后,再派一个 AI 结合上下文读一读通不通顺。比如,“美好的一天“明显就比“美好的二天”更通顺;“她是个女人”,就比“她是个囡囚”更对嘛。。。
总之,两个月后,黄锐华在会上蛋定地展示手写文字提取 Demo 的时候,尹毅彬吓得一蹦:老哥,你还真弄出来了呀!
有了“印刷体”+“手写体”这两个文字提取,夸克扫描王才多少配得上“王”的称号。
想想看,无论是在书上看到语句,还是在街上看到标语,还是在插图里看到内嵌的文字,你都可以在朋友的注视下,从容地掏出手机,一秒钟把文字复制出来,“咻——”地发给他,优雅蛋定不脏手。
这感觉很酷。装X利器不一定是一个好的生产力工具,但一个好的生产力工具,一定是个装X利器。
手写文字识别准确率到了99%,手写识别率到了90%,扫描王团队以为事情已经做到八九不离十。然鹅,他们又错了。。。用户就像一盒巧克力糖,你永远不知道下一个是神马口味。
他们总能扫描“奇怪的东西”。。。
(四)去冒险吧!
你看这个:
一个公式,你猜夸克扫描王会扫出神马效果?
有了刚才的铺垫,你可能也成了半个专家:首先,夸克至少可以把公式当成一个图片来扫描(就像我现在把这个公式截图插入文章一样);但是,它有一个更优雅的选择——把公式像文字那样“提取”出来。
没错,这里遇到了一个比“文字提取”棘手一百倍的问题:“格式提取”
而且,“公式”最多只是所有烦人格式里的一种。咱们随便看一张海报,上面有图片和文字混合排版,有各种字体,还有弯成虾一样的变形设计——这一切都是格式!
格式是魔鬼,反正我还记得大学时代被格式支配的恐惧。那时候写论文,“首行缩进”这么一个小问题,经常是删一格太左,加一格太右,纯纯能把人逼疯。
夸克这群人需要“降魔”。为了把一个图片上的格式完整“扒”下来,老师傅们专门去找其他文档团队取经,把一整套文字格式处理逻辑嵌入扫描王。
事情还没完,如果你把文字和图像混合在一起排版,噩梦直接翻十倍。
咱们还以扫描那张海报为例,灵魂拷问一个接一个:
难题一:哪里是图案,哪里是文字?
海报的排版是放飞自我的。各种颜色的装饰、斑点还有文字、字母、数字都掺杂在一起。
很多时候就连视力1.5的人都得仔细分辨哪个是“逗号”哪个是“底色里的装饰黑点”。
难题二:到底是海报斜,还是图案偏?
人眼有误差,很难把海报拍得周正,总会有多多少少的偏角。这个时候系统理应把海报转正。
可问题来了,假如海报上有一个艺术字,字体就是斜体的。那么,怎么判断是“因为海报斜了这个字才斜了”还是“海报没那么斜这个字本来就是斜的”?!
难题三:到底是图案还是瑕疵?
有些海报很大,展开之后会有折痕。那请问,如何判断一条线是海报上的图案设计,应该保留,还是无用的折痕,需要抹除?
难题四:背景如何补足?
海报扫描出来是带有格式的,这也就意味着你可以修改海报上的字。
可海报不再是 PS 文件,所有图层都已经融成一体。如果你删掉了一个字,它下面就会露出一片恐怖的空白啊!应该用什么颜色、图案来填充呢?
这里面随便一个问题都是业界难题,但黄锐华挽起袖子,劳资不上秋名山,你们真当我是卖豆腐的!
比如“折痕”和“图案”,从三米开外可能看起来一样,但是如果放大端详,一定能找出二者区别。算法需要做的改进就是“精细”。但做这么精细的微操,就代表云端 AI 要计算更多的数据,耗费更多的计算力。
比如“背景补足”,其实现在最先进的AI算法是可以根据周围的信息把中间的空白补充得以假乱真的。问题还在于“数据量”和“计算力”,只有在云端猛堆机器,才能把这个活儿干漂亮。
AI 的殿堂欢迎技术流,但更欢迎人民币玩家。
黄锐华告诉我,为了挑战极限,他们已经卷疯了,2022年整个夸克云端的AI计算力已经升级成最新一代的 GPU,上面跑的算法基本每个月都有升级更新。
此时此刻,虽然海报的扫描效果还没达到他心中的完美境界,但相比世界范围内的同类产品,他还是可以拍胸脯的。
我帮你试了一下⇩⇩⇩
我们的用户对排版接受很高的。从会员付费情况就能知道,大家愿意为好的效果买单。
黄锐华不客气。
说回我们的故事。从2022年开始,夸克扫描王突然进入了一个有趣的螺旋:能扫描的东西越奇怪,就有越多人用;越多人用,这群人就会去扫描更奇怪的东西。
正所谓,浪大了不知道催上来什么海鲜。
最近,通过各种渠道,老师傅开始看到有人拍歌单,有人拍乐谱,有人拍少数民族的文字,还有人拍一堆源代码。
虽然他们没说,但用户肯定不会做无意义的动作。
黄锐华说。
于是,扫描王团队开始思考一些疯狂的事情。比如,能不能内嵌一个音乐播放引擎,让扫描王看到五线谱就直接把音乐播放出来?比如,能不能加入一个模拟器,把看到的代码直接运行出来?
你看,从提取文字,到提取格式,现在到了“提取一切”。扫描这个坑比马里亚纳海沟还深。。。
当然,这些只是一小部分例子,各种有趣的功能每天都在讨论中,受限于各种因素最终未必都做出来。但老师傅敢讨论这些东西,前提是扫描的核心技术已经到了足够“支撑花活儿”的地步。
“就拿代码来说,它对格式极其敏感。同样一个位置,放两个空格和三个空格,意义就不相同了。如果扫描不对,肯定执行不对!”黄锐华解释。
聊到这里,我颇有一点感慨。
用户在拍这些奇怪的东西时,肯定没想这么多。但实际上,远在千里之外,他们所有靠谱不靠谱的尝试都没有被责怪,更没有被忽视,而是被思考,被念念不忘,被必有回响。
如果说存在“互联网精神”的话,恐怕这就是互联网精神的重要部分。
我在2020年曾经和夸克的小伙伴们聊过一次(参考《当年轻人说夸克真香的时候,他们在说什么》),那个时候,我感觉夸克的用户中学生比例极高——就是那些整日做题、搜题,纯纯的人生新手。
但如今看夸克扫描王的用户,已经大有不同。
他们之中可能有公司的人事经理,需要经常整理人员信息,备份合同;可能有工程师,需要扫描图纸增改设计;可能有“包租婆”,需要扫描一份旧的租房合同,修改一下信息重新打印。
这张图里有房屋租赁交割单、企业询证函和材料计划表。
这些用户显然已经走出了人生的新手村,正在各自的战场跟怪兽搏斗。
在我看来这是一个有爱的变化。
我试着想象这件事是怎么发生的:也许是在学生时代就用夸克的人长大了,他们进入了五花八门的工作岗位,仍然习惯依靠夸克解决问题;也许是一些“老人”被年轻人安利“夸克yyds”,然后入坑。也有可能是两种情况兼而有之。
但这一切之所以发生,恐怕是因为在一段不短的日子里,夸克没让他们失望。
大多数时候,“维护信任”比“建立信任”更难。因为你要在漫长的岁月里时时审视自己——不仅审视自己的善,更要审视自己可能的恶。
(五)兄弟,信我!
在夸克日常收到的反馈里,有律师说他用夸克扫描裁判文书,也有公司财务说她会扫描经营数据。
看到这,你也许会有点隐隐的不舒服。
没错,大胆说出来——这些数据涉及隐私,用夸克扫描王时,数据经过云端会不会有问题?
这件事儿引发的大讨论,居然没有首先发生在夸克的用户群里,而是在夸克团队内部。
为了使后面的讨论基于事实,这里必须得强调,夸克团队的任何人都不能查看用户上传的图片,也不能以任何形式泄漏用户上传的数据,约束他们的不只有自我道德,更有法律条文。
但你吃了几碗粉,不是你说了算。世界的运行,也不能靠赌咒发誓。
比如,有很多公司,在规章制度里就写明,禁止内部数据上传互联网,不管会不会引发问题,反正不允许上传;还有很多特殊的工作环境,本身就带有信号屏蔽,这种情况下,就算让你用都没办法用。
意识到这些问题以后,夸克这群人决定紧急上线一个“补丁”——离线扫描
你还记得一开始我们说的扫描三步走吗?1、本地裁剪;2、云端处理;3、发回本地导出文件。
所谓离线扫描,就是把第2步本该在云端完成的一切(去瑕疵、去手写、文字提取、格式提取等等)统统都塞在手机里完成。数据从头到尾都不出手机,自然不会有隐私泄露的问题。
这种“不出手机”是可验证的——你可以关掉网络,拔掉手机卡,进入信号屏蔽室,whatever,只要手机有电,夸克扫描王就能工作。
可是,这个目标会引发一个巨大的技术问题:
算法团队刚刚使出吃奶的劲儿,把云端的计算力飙到最高,把算法卷到最新,才把扫描效果做到极致。现在你端着手机告诉他,忘掉你们那可爱性感一望无际的小云朵吧,这个小盒才是算法的家啊。。。
然而,暴躁老师傅黄锐华没有掀桌子。相反,他非常支持。
他支持到了从本就人手不富裕的团队里分出一个小分队,专门做“离线算法”的程度。
把算法塞进手机,难度堪比把大象装冰箱,严格来说比把大象装冰箱更难,因为云端算法比手机里的算法大100倍。而世界上没有任何一个东西压缩100倍之后还能保持原有的功能——这意味着大多数算法必须重写。
老师傅没日没夜地飙车,终于,2020年8月“离线扫描”重磅上线,用1%的模型大小,实现了云端90%的水平。
从一个角度看,离线扫描的水平非常惊艳,但从另一个角度看,它却是一个“性价比非常差”的功能。
比如,它上线之后,被调用的数量并不多——因为绝大多数情况下用户扫描的都不是敏感信息,不会开启离线模式。
比如,派一个专门的团队来持续维护离线算法非常不经济——相当于一辆车同时有两部引擎运转,开销巨大。
而且,还有一个非常难受的问题:在大多数用户的注意力没有放在隐私风险的时候,主动推出离线扫描,反而让他们觉得怪异,有引火上身的风险。就像我忽然对你说:你猜我的裤子拉链有没有拉上?哈哈,拉上啦!
但尹毅彬说,他们不这样看问题。
“一个功能好不好,不能纯粹用数据来衡量。说得不客气一些,数据是会骗人的,有时你必须更相信自己的脑袋。”他说。
“但成本上总会有压力吧?”我问。
“当然有压力。压力归压力,正确的事归正确的事。”他说,“况且,正确的事情早晚会带来数据的回报啊!不用担心,长期来看我们并不亏。”
讲真,每个年轻人长大的过程中,生活都会或早或晚给他上一堂必修课,那就是:当越来越多人依赖你的时候,你身上就凭空出现了一种叫做责任的东西。而责任就是责任,它不会因为你不想负责任而变成别人的责任。
这是一个既简单又难的道理。简单到人人都能理解,却难到极少有人能够做到。
话说回来,性价比很高的事情,总共就那么三五件,智商正常的人都在做。真正把人和人、产品和产品区别开的,不就是谁做了更多性价比不那么高,但正确的事情么?
倒不能说夸克已经是楷模,我的意思是他们努力的方向还挺性感的。
(六)我们各自还有一生的奇迹 
王淮是一个对未来充满想象的人。他具体在做的事情虽然只是一个夸克客户端,但他却相信,手机背后这几颗小小的摄像头里有关于未来的隐喻。
我们基于摄像头做了很多不同的事情,但这背后有一条主线任务——“理解世界”
比如我们最早做的万物识别,是理解镜头里的物品;现在我们做的扫描王,是理解一个平面上的信息。
如果向未来看,我们可以让镜头对准一切,比如你的视野里是街景,屏幕上就会把这个建筑的名字标注出来;比如你的视野里是一本书,就会把作者年代书评等等信息显示出来,英文书也可以实时翻译成中文。
在我的个人观点里,基于相机的工具的终极形态,应该是一个AR(增强现实)助手。
他说。
我在网上找到了一些AR未来应用的片段⇩⇩⇩

我回味了一下他的描述,脑海里突然出现了一个奇怪的场景:
我是一个上班第一天的战五渣,紧张到脸盲,连隔壁同事叫什么都忘了,这个时候,打开AR眼镜上的扫描王,对方的名片,还有我们认识的时间地点,曾经交谈过的内容,都出现在眼球几厘米开外的小屏幕上,简直是社恐救星。
就在我盯着屏幕认真研究对面这个人是谁的时候,惊奇地发现他也在斜眼看自己的屏幕,奋力找出我是谁。。。
这个场景等同于:一个游戏新手,正瑟瑟发抖站在旷野上,突然从天上掉下来一把满级神刀,拿起来刚想大杀四方,发现身边所有的对手也都瞬间添置了一模一样的刀。。。
如今每个人都能坐在铁鸟的肚子里飞到全世界任何一个地方,每个人能用带芯片的板砖跟天边的朋友通话,你并不会惊奇。因为当每个人都有神刀的时候,每个人就都没有了神刀。
科技让我们平等地进步,平等到没人大惊小怪。
如果真有什么是神奇的,在我看来,是夸克团队和他们的用户,这两群年轻人一直在隔空“陪伴”。
当年轻人上路,口袋里揣着一个精灵球,虽然牛鬼蛇神在前路夹道欢迎,但他们无比确信,在云端有一群和自己一样逗比又好奇又不愿轻易认输的强迫症、老司机、好哥们,在没日没夜地绞尽脑汁帮自己改进精灵球,心里也许会稍稍安慰。
相信老哥我,以我三十多年对这个操蛋的世界的理解,哪怕是这种稍稍的安慰,都是人生中不可多得的珍贵情感。
能带着情谊和一群朋友一起变大,变老,从战五渣变成“老战五渣”,反复吐槽那些只有你们之间才懂的烂梗,恐怕无需远求,人间至味是此清欢。
虽然你我终将老去,但总有人正年轻。
有一件事我们无比确信:在世界的角落里,永远有18岁的少年,他们在新手村口最后回望,然后扶一扶剑柄,决绝地走向荒野。
也许这时,BGM还会响起那首老歌:你要去哪里,我去哪里,我也不在意。以后我们各自还有一生的奇迹。

干翻宝可梦

先有精灵球

再自我介绍一下吧。我叫史中,是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友,可以搜索微信:shizhongmax

哦对了,如果喜欢文章,请别吝惜你的“在看”“分享”。让有趣的灵魂有机会相遇,会是一件很美好的事情。

Thx with  in  Beijing


文章来源: https://mp.weixin.qq.com/s?__biz=MzU0NDEwMTc1MA==&mid=2247520234&idx=1&sn=950586dbc57f25ad75cd9206234c3a78&chksm=fb038bf3cc7402e5b51a756a3c1fc8c3b1b29ceed79cd7e22f76839040ff3d6cf27f73fce5af#rd
如有侵权请联系:admin#unsafe.sh