图灵汇官网

《创业说》是由中新经纬打造的一档创业人物访谈节目，旨在揭示创业者背后鲜为人知的故事，并探索新兴行业中的商业秘密。

中新经纬客户端5月7日电（记者 樊中华 郁玫）走进达观数据的办公区，你可能会误以为自己进入了一个文字博物馆。这里展示着楔形文字板、甲骨文龟甲、密码轴、传统打字机以及详细的文字发展史和智能化文本分析结果。这个空间生动地展现了文字之美，这是一直以来人类心中不变的情愫。

达观数据的CEO陈运文经常向访客详细介绍这些展品。在他看来，文字与文本处理是达观数据的核心技术——自然语言处理技术（NLP）的重要组成部分。“文字是日常工作中不可或缺的一部分，正如蒸汽机极大提高了人类的生产效率，开启了工业革命。同样，自然语言处理技术也应该成为各行各业的新动力，推动效率提升。”陈运文说道。

向传统行业进军

即便人们不一定了解自然语言处理技术，但他们一定熟悉这项技术带来的便利。在过去几十年里，诸如分类、搜索、打标签、推荐等功能已经成为新闻阅读、在线购物、社交娱乐等各种应用程序的基础。这些看似平常的功能背后，无不依赖于自然语言处理技术的支持。

“自然语言处理技术是指机器能够理解和解释人类书写和说话的能力。”陈运文解释道，“让机器理解人的意图，这是人工智能应用中最关键且最具挑战性的环节。”

业内普遍认为，在人工智能的三大应用领域中，图像识别和语音识别属于“感知技术”，而能够理解文本意义的自然语言处理技术则是需要处理复杂语义的“认知技术”。由于其高度复杂性和重要性，曾被比尔·盖茨誉为人工智能皇冠上的明珠。

互联网带来的海量信息处理需求推动了自然语言处理技术的发展。陈运文在互联网行业积累了丰富的经验，特别是在大数据处理方面。他认为，自然语言处理技术的应用范围远不止于网络文学，它可以为社会创造更大的价值。

这种认识促使陈运文和他的团队决定将自然语言处理技术从互联网应用扩展到更广泛的领域。他们希望利用技术解决传统行业中繁琐的文字处理问题，提高工作效率。

“解放”白领

在中文自然语言处理领域，达观数据是先行者之一。短短几年间，达观数据已经成长为国内领先的公司，在知识图谱企业和金融领域的市场占有率一直名列前茅。2018年底，达观数据完成了1.6亿元人民币的B轮融资，累计融资额超过2亿元，创下中国自然语言处理领域的融资纪录。

谈到自然语言处理技术的未来市场规模，陈运文表示：“只要看看人们每天花费多少时间处理文字就知道了。”他举例说，中国的白领每天大约三分之一的时间都在处理文字信息，如人力资源筛选简历、法务人员审核合同、公务员审批文件等。“直到现在，这些工作的处理方式与30年前相比并没有太大变化，只是从手写变成了键盘输入。但许多这样的工作都可以通过人工智能工具来替代。”陈运文说道。

例如，处理一份长达1000页的招股说明书，人工可能需要一个月时间，但计算机只需几分钟。达观数据的文档智能审核系统首次上线时准确率达到90%以上。经过先进的算法模型和丰富的语料库训练，该系统的准确率不断提升，最终达到了97%。

据了解，上海市全力推行的“一网通办”项目中，达观数据在处理大量行政审批文件、缩短审批时间等方面发挥了重要作用。陈运文表示，未来3至5年内，达观数据的目标是让计算机的阅读能力超越人类水平。

开放性成长

与在互联网企业专注于自然语言处理不同，达观数据一开始就定位为传统行业的赋能者，服务包括政府、金融、媒体、法律甚至军工在内的多个领域。陈运文认为，凡是需要大量文本处理的行业，都需要达观数据的技术支持。

然而，这也意味着达观数据需要尽快实现从技术到产业化的转变，并成为每个行业的专家。陈运文坦承，这个过程充满挑战：“自然语言处理，尤其是在中文领域，是一项极其困难的任务。因为中文语法比英语更加灵活，甚至更复杂，因此让计算机理解中文文本非常困难。因此，我们将科研与实际应用紧密结合，科研工作也是我们日常的一部分。”

由于语言差异，自然语言处理技术很少能够直接采用国际上最先进的开源算法，英文处理方法只能作为参考，而中文则需要自主研发和创新。因此，达观数据形成了一套独特的人才和技术培养体系。

“我们始终保持开放的学习态度，一方面建立内部学习、总结和交流机制，遇到问题时鼓励员工大量阅读国际同行的优秀成果论文，进行中文处理方法的创新；另一方面，我们也鼓励员工将经验总结成论文或技术报告，出版技术专著，供更多同行学习。”陈运文表示。

然而，中文自然语言处理领域面临的一大挑战是人才短缺。根据清华大学的研究报告显示，全球顶级自然语言处理专家的平均H指数为59，而华人专家的平均值仅为14，高级人才缺口巨大。

对此，陈运文持乐观态度。他认为，当前人工智能企业应承担起人才培养的责任。“企业拥有真实的客户应用场景和大量数据，可以让有潜力的人才迅速成长。”他介绍说，达观数据非常愿意从合作的高校实验室或课题组招聘有潜力的年轻人，甚至吸纳原本不属于这一行业的潜力人才。达观数据鼓励员工参与国际算法竞赛，与国际同行竞争。

据了解，达观数据已经举办了两届“达观杯”算法竞赛，吸引了近8000名参赛者，成为中国参赛人数最多的文字处理比赛之一。

未来，自然语言处理技术是否会威胁到许多人的工作？陈运文认为：“新技术可以替代重复性的工作，但永远无法替代人类的创造力。当技术取代了机械性任务，人们就可以腾出时间和精力去做更具创造性的工作。” (中新经纬APP)