其实大伙儿都知道，文字识别系统在整个搜题链路里是最重要的环节之一，但是，因为技术非常复杂，恐怕不是一两个月就能做出来的，所以夸克技术团队没敢碰，一直在用集团提供的现成文字识别系统。
事到如今，无路可退，老司机只有背水一战。
没错，他们的“核武器”就是——自己造一个完美契合搜题场景的文字识别系统。
智能搜索业务部负责人吴嘉盘点了一下，还真有一群人适合做这套系统，这就是过去有视频内容文字识别经验的黄锐华团队。
如果是一般人，接到这样的任务也许下一秒就准备辞职信了。但黄锐华不是一般人，非但面不改色，反而有点小兴奋呢。
说起来，黄锐华也是阿里巴巴最早做搜索的那拨大神，从当年的阿里巴巴商品搜索，到后来的UC浏览器全网搜索，都有他团队的身影。
十年搜索经验填过的坑无数，不仅让他们团队积累了堪比《九阴真经》的经验，还在兜里攒下了一堆“暗器”：
我们团队有一个“工具箱”，里面全都是这么多年积累的自动化工具，有深度学习的，有模型优化的等等。普通团队搭一个新系统像盖瓦房，需要一砖一瓦从头来过；有了这些工具，我们搭一个系统就像拼插乐高积木，时间会大大缩短。
黄锐华露出老师傅的蜜汁微笑。
搜题所需的文字识别系统需要有两个功能：“印刷体文字识别”和“手写体文字识别”。一个月的时间把两个功能都做出来是来不及了，他们商量了一下，先只做相对容易也用处更广的“印刷体文字识别”。
接下来又到了硬核科普的时间段。
做一个文字识别系统最最核心的工作就是“训练”。
训练，简单说就是让人工智能看大量的数据。这个数据不是普通的数据，而是“标注数据”。
啥是标注数据？一道含有题目的照片拿过来，标注师不仅要把里面题目的精确位置框出来，还把对应的正确文字誊写下来，这就是一个“标注数据”。无数个标注数据塞进训练框架的炼钢炉，就能炼出来一个“人工智能文字识别系统”。
这就是一个标注数据
当时，啪的一下，很快啊，老司机们搞来了大量的标注数据。然后马不停蹄地进行针对“搜题场景”调优和测试。
黄锐华记得清清楚楚，那一个月他们过得可是紧张刺激干净卫生，上午开会讨论方案，晚饭前代码就得写好，夜里就要进行测试，一天一迭代，一夜一升级。
终于，到了9月下旬，文字识别系统终于出炉。是骡子是马拉出来溜溜，黄锐华他们找来市面上所有能买到的商用文字识别系统，焚香击鼓，来了一场“乱斗大比武”。
结果证明，在印刷版习题的识别率上，自己刚研发的这个识别系统最能打。文字识别和公式识别都比别人高几个百分点。
他一拍大腿，这事儿要成。
像运动会接力棒一样，文字识别系统第一时间传给算法团队。由于临阵切换了文字识别系统这个“发动机”，导致王杰雄他们的搜索算法也要重新训练，重新适配。
此时留给他们的时间，只剩最后几天了。
王杰雄缓了口气，以大将之风安慰团队：“莫慌，只要胆大心细，时间应该还来得及。”
然而，半小时后，团队同学就来报告：哥，跟你说个事儿，咱们手里的计算力资源好像不够了。。。
王杰雄给跪了。
由于短时间内要计算炒鸡大量的数据，团队日常储备的云计算资源直接被拉满，目测要是仅靠这些资源，等这些计算搞定，2021年的第一场雪都来了。。。
