“自然科学的发展除了按常规科学一点一滴地积累之外，还必然要出现‘科学革命’。”托马斯·库恩在其发表于 1962 年的经典著作《科学革命的结构》中提出的“范式转换”一词，如今已成为大家耳熟能详的技术用语。
大的“范式转换”存在于基础科学领域，小的“范式转化”也存在于几乎每个细分的技术领域。
语音识别新范式
以自然语言处理的子领域“语音识别”为例，从 2012 年引入深度学习技术开始，语音识别的研究热点经历了三个阶段：
2011 年前后，基于 DNN+HMM(深度神经网络+隐马尔科夫模型)的语音识别
2014 年前后，基于 LSTM+CTC(长短时记忆网络+连接时序分类)的不完全端到端语音识别
2017 年前后，基于 Transformer(自注意力机制)的完全端到端语音识别
如果说 2011 年深度学习的引入，是语音识别领域上一次范式转换的起点，那么从 2017 年开始，基于注意力机制和 Transformer 新型神经网络结构的语音识别研究，无疑标志着语音识别的新范式正在形成。
Google 搜索“可以帮人取药吗”的结果对比，新算法更准确地理解了用户的搜索意图，是想问能否帮人取处方药。
对于循环智能而言，商业落地的规模要比 Google 全球搜索的规模小很多，我们在三个月之内完成了基于原创Transformer-XL算法模型的完全“端到端”语音识别引擎部署，针对销售、客服电话录音场景的语音识别准确率同样得到大幅提升。
依靠在金融、教育和互联网服务等领域不断积累行业训练数据，循环智能持续优化算法模型的准确率，赢得了很多大家耳熟能详的上市公司和标杆企业的青睐，包括众安保险、玖富、VIPKID、新东方在线、 58 同城、猎聘等。
