大众汽车：AI 技术在学习领域应用尝试

周烨│原学习技术专家│大众汽车

AR/VR 技术在销售学习培训中应用：

大众汽车在不断探索新技术在学习场景的应用，希望能够提升学员体验和学习效果，降低学习成本，其中AR/VR 技术成为了探索研究的方向之一，同时在学习培训领域做了如下尝试。

      AR技术助力销售理解汽车性能内在原理

2014 年，大众汽车在学习培训中加入AR 技术，使得销售的学习得更有效、有趣。发动机是汽车性能的重要部分，其核心组成相对复杂。大众汽车通过AR 技术的虚拟呈现，帮助销售人员学习发动机核心结构组成，更深入地理解汽车动力系统，为什么省油、提速快，从而为客户更清楚明了地做产品性能的讲解。

AR 技术，使得销售不需要拆解零部件，就能可视化地、有趣地学习到相关知识。大众汽车设计了几张AR 技术卡片，卡片上是发动机图形，在平板电脑上制作了应用APP，学员只需用摄像头扫一扫图片， 就可看到在图片上方“蹦出”一个发动机的模样。几个零部件单独出现可以分别进行观察，几个零部件拼在一起就可以组成一个完整的发动机。通过手持旋转，可以观察发动机的不同部位，点触进入即可学习具体每个部位更详细的图文内容。

      VR技术虚拟实景反复训练降低实物操作错误

2016-2017 年，大众汽车开始考虑使用VR 技术，将学员带入实景进行场景化学习。当前VR 技术学习仍是单机体验，基于3D 场景构建实景，并在学习部分加入考核帮助学员反复练习。学员在真实场景下进行维修练习时，实物的成本较高并且存在危险性。在VR 场景下， 学员可以反复练习，训练标准操作动作的肌肉记忆，减低了实物操作中的错误，提高了操作准确性，同时为学员提供沉浸式的学习体验。

首次尝试，大众汽车通过实景拍摄的方式制作了VR 视频，实践中带来的经验是采用第一和第三视角结合的视频拍摄方式可以减少了因个体生物频率差异带来的眩晕感。

对于难以进行实景拍摄应用场景，通过构建3D 模型方式制作VR 视频，给学员带来浸入式的互动和反馈体验。

大众汽车认为，AR 与VR 的技术未来需要与数据本身有更多结合。将学习互动数据上传至中央处理器，进行培训管理的分析，为找到培训需求、分析培训有效性、连接培训与工作场景提供支持建议；随着5G 时代到来，数据传输速度更快，根据学员学习的情况进行智能化和及时的反馈回应。

智能问答在学习场景中的应用：

在2018 年探索尝试使用智能问答，市场中智能问答多为服务于C 端客户的工具，用以线上解答用户在购买产品后的使用问题，减少反复回答共性问题带来的人力消耗。然而，智能问答在学习培训领域鲜有应用。大众汽车与供应商一同合作，尝试在学习场景下应用智能问答。

          “智能问答”提供工作业务场景下的及时解答

从学习场景到业务场景，员工在学以致用的过程中依然会有各种问题。在使用智能问答之前，员工主要通过专家和搜索引擎寻求问题的答案，而通过网络搜索到的内容对于员工本身辨别能力提出了较高的要求。

“智能问答”为员工提供了一个即时快速高准确性的回应方式。“智能问答”基于问题的语义解析和关键词匹配，快速地给出标准陈述性回答。无法通过“智能回答”得到解决的问题，会反馈至专家，专家给出反馈答案。该问题和解答回馈到中央数据库，机器得以训练，更加智能。随着学员使用越多，能够精准回答的问题就越多。

          回答精准度影响因素

语义解析：精准的语义解析，需要垂直专业的语料库。在做智能问答的时候，首先进行问题的语义识别。同一问题的不同表述，如何精准识别。首先需要先考虑有哪些表述的可能性，再通过大量提问训练机器，通过算法回复相应的知识点；AI 理解是基于整个数据库的构建，丰富的语料库内容解析才会识别理解更准确。目前企业应用级的语料库，来自第三方开放平台的供应商，其语料主要集中在生活场景中，而垂直专业汽车领域的语料相对缺乏，直接使用会影响文本识别和语义理解。因此，企业需要积累输入更多行业专业语料，提高语义解析的准确性。

知识图谱：从二维图谱至网状图谱的构建。从前二维知识图谱主要是基于能力项下行为描述对应的学习知识点的表格框架式图谱。“智能回答”中应该构建网状知识图谱，网状知识图谱构建首先基于二维的结构化知识体系内容，再拓展到网状知识机构。网状知识图谱是： 一个知识点引发出所有与其相关的知识点，相关的知识点又引发出新的知识点，所有知识点之间又有一些连接。