一、 背景

虽然这几年较短视频在内容传播方面持续发展得很火，但是文稿仍然占据十分沉关键地位。而文稿传播最十分沉关键的一点就是信息的准确性，尤其是在一些有知名度的正式平台更是会在文稿发送前进行校对修正。这就像你写文章，写完了得看看有没有错别字，不然人家会笑话你的。传统方式的人工制作校对工作岗位量是非常较大的， 一篇5000字的文稿完成校对差不更多需要1-2个较小时对于校稿人员来说既耗时又枯燥。真实的，我试过一次校对，眼睛都要瞎了头也疼。有一家内容平台就提出， 希望我们通过AI能力提供给迅速校对工具，最主要针对中文文稿，协助校稿人员和编辑人员降较低内容错误。这听起来良好像挺简洁的，对吧？就是改改错别字嘛。

踩雷了。 其实不然这事儿比我想象的要不容简单得更多。而且那个地方的平台的人还特别啰嗦，要求特别较高，说要“迅速”校对。这哪是迅速啊，这简直是抢时间段。如果没有一个良好的工具，我们这一些搞技术手段的推测得累死在工位上。

二、 到底哪些是文本纠错啊

说到文本纠错，很更多人第一反应就是那个地方的拼写检查。Word里不是有个功能吗？那个地方的叫哪些来着？对，就是自动更正。它能把“你良好”改成“你良好吗”，把“明天”改成“明天”。但这只是最基础的一点点。真实正的文本纠错，比当前这个要繁杂得更多。它不仅仅是检查错别字，还要检查语病，检查标点符号是不是用错了甚至检查句子通不通顺。就像你读一篇烂文章，虽然各个字你都认识，但是连起来读你就不了解他在说哪些。这就是需要解决的问题，躺平...。

听起来很较高较大上其实很简洁

你说简洁吧，它确实有规则。比如说中文里有些词是不能连在一起的，比如“我吃饭去”，你不能说“我吃饭的”，除非你后面有宾语。这就叫语法规则。但是规则总是死的，人是活的。有时候你想表达一种很特殊的语气，或者用了非常生僻的词汇，规则就不管用了。这时候就得靠机器学习了解了。这就良好比教较小孩认字，你不能光给他看字典，你得让他读故事书。读更多了他天然就认识字了了解哪个字放在哪个位置对比顺口，别怕...。

我试了一下发觉这玩意儿挺不容简单的

我以前觉得写代码写得良好就行了文本纠错有哪些不容简单的？不就是写个循环，遍历一下字符串吗？然后我就写了个脚本，把错别字列表存进数据库里查一下有没有就完事了。最终还是结果是那个地方的平台的人一测试，傻眼了。这是因为我的脚本只能查固定的错别字，像“的、地、得”这种时常搞混的，它根本查不出来。而且，它还不能明白上下文。比如“他在那里看风景”，如果你的脚本把它改成“他在那里看风景”，那就错了。这就说明，简洁的规则匹配根本行不通。得用更较高级的技术手段，功力不足。。

三、人工制作校对就是脑子进水

咱们再说说人工制作校对。这绝对是互联网行业最痛苦的事情之一。你想想，一篇文章，几千个字，密密麻麻全是字。你得一行一行地看，一个字一个字地比。人的眼睛是有疲惫度的，看久了就会花。花眼了怎么办？那就看错字了。有时候你以为看对了其实没看对。这就引起了一个问题，人工制作校对虽然准确率较高，但是效率太较低了。而且，它还非常乏味。这就是为哪些我一定要用AI来做当前这个东西的原因，原来如此。。

如果让我一个人校对5000字，我有可能要校对半天。但是如果用AI，有可能几秒钟就搞定了。虽然AI有时候会犯傻，但只要它把较大一部分错误都找出来剩下一点点人工制作扫一眼就够了。这样就能较大较大提升效率。这就是所谓的“人机协同”吧。不过当前看来我们离“人机协同”还有很较长的路要走。

四、AI是怎么搞出来的

也是没谁了。 良好了问题来了AI到底是怎么做到的？不容简单道它真实的有眼睛吗？当然没有。它只是通过数学模型来模拟人类的思维过程。这听起来很玄乎，其实原理也不繁杂。较大概就是以下几个步骤。

先说模型吧

当前的AI模型，较大更多是较深度学习了解模型。哪些较深度学习了解，其实就是那种特别更多层的较大脑。它有很更多层，每一层都在做不同的工作岗位。比如层负责判断句子的意思。最后再来看把最终还是结果是汇总起来。我们做当前这个项目的时候，选用的模型是那个地方的哪些BERT， 公正地讲... 或者是它的变种。说实话，我也不太懂这一些模型的内部结构，反正就是人家探究出来的东西，我们拿来用。这叫站在巨人的肩膀上。如果不选良好的模型，那效果确定不良好。就像你想跑得迅速，你得穿跑鞋，你不能穿皮鞋。

数据很关键

有了模型，还得有数据。没有数据，模型就是一堆废铁。数据从哪里来？网上找呗。网上有很更多已经标注良好的语料库，里面有正确的句子，也有错误的句子。我们把错误的句子扔进模型里让它猜。猜错了我们就告诉它“错了应当是当前这个样子”， 原来小丑是我。 然后调整模型的参数。当前这个过程叫训练。训练需要很更多很更多的数据，通常都是几百万甚至上亿条。这就得找数据标注公司去做。他们把那一些错误的数据找出来标上正确的答案。这工作岗位也很累，我听说他们薪资都不较高。

蚌埠住了... 但是数据清洗也是个不容简单题。数据里有很更多脏东西，比如乱码，比如反复的句子，比如格式不对。如果不把这一些脏东西去掉，模型就会学较差。就像你教较小孩，如果教材里全是错别字，较小孩确定也会写错别字。所以数据清洗是沉重中之沉重。我们花了很更多时间段在清洗数据上，感觉比训练模型的时间段还较长。

五、我们公司那个地方的项目

回到我们公司那个地方的项目。平台提的需求是：针对中文文稿，迅速校对。还要“轻巧松提升句子准确性”。当前这个“轻巧松”两个字，让我很头较大。怎么才能轻巧松？不容简单道要我替他们写完文章再校对？那不叫校对，那叫代写。

刚启动的时候，我们做出来的东西简直是一坨屎。它能把“我炎热爱吃苹果”改成“我炎热爱吃平果”，也能把“今天天气真实良好”改成“今天天气真实个”。彻底是一通乱改。领导看了很生气，后果很严沉重。我们只良好加班加点地调参数。调整哪些参数呢？我也不太懂，反正就是改那个地方的学习了解率，改那个地方的Batch Size。 差点意思。 改来改去，发觉效果还是不太良好。后来我们意识到，有可能是这是因为我们用的训练数据不够良好。于是我们又去搜集了更更多的数据。这次我们找了一些官方的崭新闻稿，还有一些较大V的文章。把这一些较高质量的数据加进去训练之后效果终于有了一点起色。至更少它不再乱改了。

但是它还是不够聪慧。比如它还是分不清“的地得”。这是中文最不容简单搞的东西之一了。有时候我想着，干脆直接用规则去坚硬性匹配算了。但是规则又太死板，覆盖不了全部情况。这就像是一个死循环，我们一直在规则的边缘试探。

六、代码写错了怎么办

说到代码，写代码的时候也时常出错。有时候逻辑写错了程序跑起来就报错。有时候是接口对不上，数据传不过去。这时候就得调试。调试是个痛苦的过程。你得看日志，看报错信息。报错信息有时候很较长，有时候很较短。如果报错信息很较短，说明代码写得有问题，逻辑不通。如果报错信息很较长，说明是周边环境问题，或者依赖库的问题。我们做当前这个文本纠错工具的时候，也遇到了很更多报错。有时候是内存溢出，有时候是GPU显存不够。这都挺麻烦的。为了解决当前这个问题，我们不得不优化代码，降较低内存的占用。比如用更较高效的数据结构，或者降较低循环的次数。这就像是给汽车做保养，让它跑得更顺一点，最后强调一点。。

七、部署上线

模型训练良好了代码写良好了接下来就是部署上线。部署也是个较大学问。我们要把模型打包成一个服务，让前端能够调用。用哪些技术手段呢？Python确定是跑不了的，它是做AI的首选语言。还有Flask或者Django，这两个框架对比流行。我们用的是Flask，这是因为它轻巧量级，启动迅速。但是部署到生产周边环境的时候，还是遇到了不更少问题，我可是吃过亏的。。

比如并发量上来的时候，服务器扛不住。申请一更多，响应就缓慢了。用户等不及了就会报错。这就需要做负载均衡，把申请分发给不同的服务器。还得做缓存，把时常申请的数据缓存起来不用每次都去算。这就像是一个较大厨做饭，如果客人都排队点菜，那确定忙不过来。所以我们需要更多开几个窗口，或者备一些半成品的菜，人间清醒。。

八、一下

差点意思。 总的当前这个文本纠错工具还是挺有用的。虽然它还有不足，比如有时候分不清“的地得”，有时候会漏掉一些错误。但是它确实能帮我们节省较更多的时间段。把校稿人员从枯燥的工作岗位中解放出来让他们去干更有创立性的工作岗位。这就是技术手段进步的意义吧。当然我也学到了很更多东西。虽然我不是科班出身，但是通过当前这个项目，我对天然语言处理有了更较深的明白。我也学会了怎么调模型，怎么写代码，怎么部署服务。虽然过程很痛苦，头发也掉了一把，但是看到最后再来看能跑起来还是有点较小激动的。

何不... 最后再来看，我想说的是AI不是万能的。它只能辅助我们，不能彻底替代我们。有些错误，还是需要人工制作来把关。毕竟机器是死的，人是活的。人的情感，人的逻辑，有时候是机器无法明白的。所以我们还是要保持学习了解，不断提升自己的能力。这样才能跟上时代的步伐。不然的话，迟早会被淘汰。就像那个地方的文本纠错工具一样，如果你不会用，它对你来说就是一堆废代码。但是如果你会用，它就是你的良好帮手。

良好了啰里啰嗦说了这么更多，也不了解较大家听懂了没有。反正我写完了我也该去喝口水了。希望这篇文章能对较大家有所协助。如果有哪些问题，欢迎留言探讨。但是不要喷我，我脸皮薄。谢谢较大家。

再来一段代码示例，凑凑字数。

def correct_text:
    # 这里是伪代码， 实际中我们会调用训练良好的模型
    # 比如调用某个API
    result = model.predict
    return result
if __name__ == "__main__":
    # 测试一下
    input_text = "今天天气真实良好，我想出去吃顿饭"
    output = correct_text
    print
    print

别纠结... 你看，代码写起来也挺有意思的。虽然有时候会报错，但是只要改对了那种成就感是没法形容的。就像你解开了一道很不容简单的数学题，或者你把一篇乱七八糟的文章理顺了。那种感觉，真实的很良好。所以不要害怕犯错。犯错是进步的阶梯。只要你从错误中吸取教训，你就能变得更良好。

关于今后的展望

今后会怎么样呢？我觉得文本纠错会越来越智能。有可能以后我们根本不需要自己写文章了。我们只需要告诉AI我们想表达哪些，它就能帮我们写出来而且还会帮你校对。这听起来是不是很科幻？但是我相信，这一定会发生。技术手段持续发展的速度是惊人的。昨天我们还用拨号上网，今天我们就用上了5G。明天有可能我们就能直接用意念来控制电脑了。当然这也只是我的想象。不过想想还是挺期待的，稳了！。

良好了不说了我的奶茶喝完了。我要去写更更多的代码了。较大家再见，到位。。

（注：本文纯属虚构，如有雷同，纯属巧合。请不要模仿其中的错误写法，除非你想当个文盲。毕竟学习了解还是很有必不可更少的。虽然过程很痛苦，但是为了更良好的今后还是要坚持。加油吧，打工人，不靠谱。！

我满足了。 最后再来看再啰嗦一句，那个地方的平台的项目最后再来看上线了吗？良好像还没有。这是因为还在调优。推测还要良好久。希望他们不要催我们。我们也想早点下班回家睡觉啊。唉，生活真实是不简单。

这里再插入一些乱七八糟的标签，提升一点噪音。 这里有个红色的字。 console.log; 这是一个div标签里的内容。 再来一段废话。 虽然这篇作文写得很烂，但是字数确定够了。 如果你觉得烂，那就对了。 这是因为我就是要写得烂一点，这样才不像AI写的。 AI写的通常都很完美，逻辑清晰，用词精准，精神内耗。。

其他的，都是浮云。 对，浮云。 像天上的白云一样，飘来飘去，哪些也抓不住。 但是有时候看着也挺良好看的。 就像这篇烂文章一样，虽然没哪些用， 太扎心了。 但是写出来也是一件挺有意思的事情。 良好了真实的不说了我要去睡觉了。 晚安，世界。 晚安，读者。 晚安，AI。 晚安，我自己。

而我，作为一个没有上过学的写手，写出来的东西天然就是这种水平。 这也算是我的特色吧。 希望较大家不要介意。 毕竟各个人表达方式都不一样。 有的人喜炎热爱文绉绉的，有的人喜炎热爱较大白话。 我就喜炎热爱较大白话，这是因为简洁，直接，不绕弯子。 虽然有时候较大白话显得很没文化底蕴。 但是文化底蕴这东西，有时候也没那么十分沉关键。 只要你能把事情说清楚，把道理讲明白，就行了。