Q : 那和母语者交流练习相比，人工智能又有哪些优势呢?

L: 无论在人工智能，还是在学习认知领域上，我们背后都有权威的相关领域专家群策群力。我们课程的设计理念里面有着非常强的鼓励用户去说完的意图。跟母语者交流，其实也不是最好的学习方式。我们在国外和母语者交流的时候，他听不懂你，也不一定有耐心来帮我们纠正，但这时候人工智能很耐心，都不会厌烦。它能够去真的去帮我们做一些纠正。

研究语言学习的学者们，他们研究了一种很高效的学习方式，就是如果你身边有一个母语者，而且他能够非常耐心，随时随地的跟你互动，能够帮你去练，你的语言进步最快。但是那个理论也讲了一个很有意思的例子，我当时看到还觉得感同身受:即使是恋人亲人，很多时候可能也不一定那么有耐心，可能到也不一定会去帮你指出这些问题。在我们设计的产品就加入这样一个元素，人工智能能随时随地和用户交互，而且他能够非常耐心非常细致，以非常科学的节奏来指出哪里有问题并帮你纠正，推荐后面一些定制化的强化的练习等等。 从学习科学的角度，我们认为这些都能够达到更好的一个学习的效果，用人工智能来帮助你掌握一种语言。

Q: 学英语比较好的一般是那些自信的人，只要敢练习，就能够练得很好，但很多时候人很难迈过心理这道坎，那基于人工智能来练英语，针对用户这样的问题能否有帮助?用户是否能克服一些心理障碍和压力呢?

L: 心里压力会小很多，很多用户跟我们反馈就是原来不敢开口，然后通过跟机器对练，信心起来了。我们以前有句宣传语叫"让你忍不住开口说英语"。就是练着练着就真的有信心，也能够开口了。我们有很多有趣的用户故事，我记得有一个初中生用户曾经患有自闭症，不愿意说话，连普通话都不愿意说，有一次他受伤了，到医院里面他爸给他下了一个英语流利说，他就对着手机练英语，练的特别自信，然后英文说得好，结果他的自闭症也好了。这个父亲后来来上海特地来感谢我们。有很多类似的故事，用户的肯定其实也是我们不断优化和探索的源动力。

Q: 流利说给出的评分，和一个母语使用者或者说是一个专业的英语老师所打出的分数相比较之下会有差异的存在吗?

L:我觉得可以从两个方面来说，我们在做产品的时候，第一个方面更多的还是从用户的角度出发，建立和用户间的信任感，首先看用户相不相信，觉得准不准。比如说现在有一个英语打分的产品，很多用户在建立信任之前，都会先去找一个锚点去比较。比如说可能身边有一个英语好的，甚至是母语者，让他们来试一试这个分数会不会高，如果高那可能这个产品还算ok。我们也有一些用户，把我们的示范录音用另一部手机放出来，然后来看打分是不是能够接近满分，通过这样的方式来看不准。所以用户会找到自己的一些锚点来看，评分准不准。

流利说在过去的一段时间里面，也是围绕着用户怎么样去体验，怎么样去跟用户建立信任的角度，不断打磨我们的技术，比如说我们推出排行榜，让大家听一下排行榜第一名的人是不是比第二名的人厉害，跟自己再比一比，这样就清楚了，这样我们的产品对分数的权威性也逐渐的建立起来。

然后第二个方面比较偏技术和学术方面。我们今天来训练一个人工智能，让它能够给出一个精准的评分标准，但是无论是国考也好，四六级也好，它们的标准本身不是机器订的，是人定的。在2019年的时候，国家推出了一个英语能力等级量表，对英语能力的各个维度，给到了非常精准的评价的一些描述，我们也是第一个企业完成了我们的分级和这个量表的对接。在量化的时候，我们就会给到机器一些例子，比如一些写作或者口语的案例，给它看人类是怎么评分的。这里面我们叫做监督的学习，有监督的学习就必须先让机器知道人是怎么评分的。所谓机器学习的技术就是利用这样的数据来学习人类是如何评分，然后做到更加的精准。

刚才也提到人工智能在过去几年有大量的发展，也是得益于大数据的出现以及深度学习技术的发展，并且结合了无监督的学习。在人工智能多层神经网络结构中，底层偏感知的结构可能用一些无监督数据训练，他能够抓住语音的一些特征;而处于上层偏输出层的神经网络结构，可以用一些有监督的数据，这时候一般是人类老师的评分数据，这样的数据往往比较珍贵，也比较少，但是通过无监督和有监督技术的结合，它就能够实现一个很好的评判。

文章来源：《探索科学》 网址: http://www.tskxzzs.cn/zonghexinwen/2020/0805/529.html