人工智能训练师的再定义

    |     2019年5月9日   |   2019年, 客世原创   |     评论已关闭   |    2753

自2015年开始,AI逐渐走上风口,而后随着AI的逐步落地,其应用的一个重要场景也凸显出来——智能客服。这是由诸多因素决定的:一方面是传统客服行业的人力投入大,管理困难,同时一线客服的可替代性强;另一方面则是目前的AI的作用也仅限于辅助人,或者替代人完成大量重复性的劳动,这两方面的情况就促成了AI在客服行业的广泛落地:智能客服机器人、智能质检和外呼系统等等。

随着AI的落地,另一个新兴岗位也逐渐浮出水面——人工智能训练师(AI trainer)。AI模型的训练需要大量的数据,而好的数据需要经过人工的仔细加工,去掉干扰数据,增加不足的数据,保证训练语料的纯净和平衡。而完成这个任务的就是人工智能训练师,这个岗位从出现到今天也有三年多时间,所以本文希望能对这个岗位重新做一个定义。

一、人工智能训练师=数据标注员?

在市面上人工智能训练师的月薪普遍高于6000人民币,而数据标注员的最高月薪则基本保持在3500人民币左右,前面提到人工智能训练师的工作也是和数据打交道,那么两者的待遇为何相差如此巨大?这实际和两者的能力要求和贡献是挂钩的。

顾名思义,数据标注员的工作主要是根据客户要求完成数据的0/1类标注、或者勾选图片中的实体对象。与数据标注员不同,人工智能训练师的工作面临着更高的要求,除了非常基础的数据编辑和标注能力,还要求对AI技术能力边界有了解,对某个行业场景深入理解,还有熟练分析整理数据的能力。

以专门运营智能客服机器人的人工智能训练师为例,他们应该了解目前AI技术存在哪些局限,即知道现在的AI技术能做到什么,做不到什么。比如,一个AI训练模型处理汉语句子的极限长度是30个字,那么在编辑语料时,则要保证每条训练语料都应该低于这个字数。再比如,目前深度学习并不能很好处理很细的语义差异,下面的两个句子虽然字面上只差了一个字,但是意思完全不同!

1、订单怎么取消?

2、订单怎么取消了?

前者咨询“如何取消订单”,而后者则是质问“订单为什么被取消了”,而模型则错误地将这两个不同的业务对等起来。人工智能训练师需要敏锐地发现这类的问题,和技术人员一起讨论出工程上可行的解决方案。

由于人工智能训练师不仅仅对数据负责,也需要对业务场景中的机器人表现负责,所以这一岗位上的人也要对场景特别熟悉,最好能是行业专家。比如在保险行业,存在“报案”vs“理赔”、“理赔时效”vs“索赔时效”等等概念,非行业专家或者对此不了解的人员,很可能会把这两对概念混为一谈,导致编辑出的训练语料质量极差,而相应地训练出的对话机器人也表现很差。此外,人工智能训练师在拿到一份数据后,能够敏锐地判断出数据体现出的业务框架有无需要调整,然后迅速找到问题数据的解决方案,这样的能力是数据标注员难以具备的。

二、人工智能训练师 VS 技术/产品

在其他互联网领域存在一个不解之谜:技术、产品和运营到底谁才是关键?到AI领域,这个问题变成了技术、产品和人工智能训练师到底谁才是关键?

一个普遍的认识是互联网时代被分成三个阶段:技术驱动时代、产品驱动时代和运营驱动时代。在早期,技术提供的新可能是最关键的,之后产品设计是否好用主导产品的生命,而在市场上的技术和产品趋于成熟时,能实现的功能和用户的体验就再难拉开差距,笑到最后的就是做好运营的。

我们也可以类似地看待AI领域,即存在技术驱动、产品驱动还有运营驱动(人工智能训练师为主)这三个阶段。不同的是,得益于成熟的互联网模式和开源的技术思想,AI领域的进程快得多,互联网从开始到现在花了将近三十年,而AI只用四五年时间就迅速成熟起来,现在已经是在产品驱动和运营驱动之间了。另外,运营这一部分也增加了人工智能训练师这一重要角色。

表1:AI领域发展的三个阶段

在前两个阶段,只要技术够硬,产品打磨得够好,就会有人用。现在有大量的AI公司,比如互联网时代的巨头阿里云、百度和腾讯都参与到这场AI的浪潮中,还有新起之秀的竹间、三角兽、追一等等其他小公司,但在商业视角和用户视角看来,他们的技术实现的功能都是类似的,产品的使用是相近的,甚至连UI(用户界面)也是差不多的!

那么决定这些厂家的AI是否有用、好用、耐用的关键角色是谁呢?笔者在这里大胆地认为是人工智能训练师。人工智能训练作为事实上距离AI最近的人,明白AI能做到什么,做不到什么,也知道想要AI做到什么应该怎么做。还是以对话机器人为例,一个问答机器人在出厂前,要经过训练师的不断训练,包括训练模型和修复问题,使机器人的问答准确率达到一定标准;出厂时,训练师也需要对商业客户方的运维人员做培训,包括如何编辑语料,如何修复问题还有各种需要注意的事项。在出厂后,训练师也需要负责售后的部分问题,即如果客户的客服机器人出现知识混乱的情况,比如机器人总是答不对问题,就需要训练师重新梳理知识库。另外,训练师作为AI产品的一线使用者,在使用过程中遇到的问题和想到的建议都很重要,是帮助技术和产品更上一层楼的参考依据。

三、人工智能训练师的拓展性

前面都是以智能问答机器人为例子,是因为现在AI在客服行业主流的落地场景的就是常见问答,即FAQ;但是随着AI落地的深入,AI在更多的场景开始得到应用:智能质检、外呼、坐席辅助。人工智能训练师的职责也一定会在这些领域逐渐发挥作用。

传统客服中心的质检一般都是采取人工抽查,但现在不少大型客服中心开始转向AI的帮助,即使用AI来做质检,减少人工投入,扩大质检范围。人工智能训练师在这个过程中能做的是帮助梳理质检规则,提供质检模型的训练材料。比如一般质检会看开头语是否规范,有没有包含公司、工号还有目的等信息,那么人工智能训练师可以据此,组合出一定的开头语质检规则,并准备相应的数据以训练模型。再比如外呼,人工智能训练师可以设计更复杂的任务机器人,像回访机器人和查账机器人,再配合文本转语音系统,用语音的形式帮助用户实现复杂的交互任务。

本文刊载于《客户世界》2019年4月刊;作者张薇薇,工作单位:竹间智能科技(上海)有限公司。

转载请注明来源:人工智能训练师的再定义

相关文章

噢!评论已关闭。