AI训练师：让人工智能更“懂”人

“人工智能一定要有人工才能智能。”罗兵是一名有7年从业经验的客服域AI训练师，他直言，在多数AI训练师看来，离开了人工，AI将不会存在。

喂养AI

AI行业是金字塔式构造，底部众多数据标注员是整个行业必不可少的基石，他们负责对人工智能做繁琐重复的喂养工作，这为整个AI模型提供了不可或缺的基础。不同于金字塔顶端的技术人员，数据标注员更像是喂养AI的“奶妈”。

“写几千、几万条问答，想让AI变得更聪明，只能靠人来喂数据。”这是婷婷入行后的感受，她需要为深圳一家互联网公司的虚拟主播做数据标注工作。

婷婷对公司正在做的AI产品进行描述时，语气中充满了憧憬：“那是一个可以实时演算、能在平台直播、能说会唱，还能智能回复弹幕的3D虚拟歌手产品。”但她也坦言，“实际情况是目前还没有做出来，或者说是现在的技术不足以支撑公司做出来。”

婷婷每天的工作内容很满：一方面要跟算法对接，做好demo测试和数据分析，组织负责内容创作的伙伴按算法要求打分，分析demo更新优化等；另一方面还要进行内容创作、调研、设计、营销等。

模型每天给婷婷“甩”过来上万条更新出来的文本问答，她需要一条一条地优化改写，紧接着还要进行评测，对AI的答案进行5分制打分，而且针对每一个答案都要给出具体判断标准。这让婷婷意识到，想让人工智能变聪明，只能人为给它喂优质数据。但是，这和她原本对AI行业的期待背道而驰。

出于对科幻电影、数码产品和游戏的兴趣，婷婷往这家人工智能公司投递了简历。她说：“当时的我觉得科幻片里的场景是可以实现的。”然而真正走进这个行业后，以往对AI行业的期待与现实状况产生了巨大落差。随着参与的深入，婷婷发现数据喂养工作具有极大的可替代性，目前国外已经出现了AI自动标注替代人工标注的案例。同时，行业内部也存在极大的壁垒：有的年薪百万，有的日结两百。

与婷婷的工作类似，沙柳也是一名数据标注员。作为一名自然语言大模型的数据标注员，沙柳每天的工作内容就是对模型进行提问，再将模型输出的回答进行标注。她需要标注出最佳答案来优化AI模型，不断地标注和训练是为了让模型能够在下一次的提问中给出更好、更优质的答案。

当然，评判答案的优劣并不是靠标注员的知识水平和主观感受，也无法人工写答案。“最优质的答案都需要去生成，有时还需要检验标注后的内容是否属实。”

但是，对于需要海量数据的模型来说，最主要的标注宗旨就是确保答案没有事实错误，其次才是答案是否扣题、表达了什么观点、对语言的理解能力如何、答案格式是否准确等。

这是一个高度重复性的工作，没有太高的技术含量。沙柳说：“标注工作需要耐心，本质上是一个很枯燥的工作。”如果全神贯注工作，每天的工作量5个小时就能完成，但也很费眼睛。

即便婷婷和沙柳都认为这是一份单调且繁琐的工作，但她们都无法否认其在行业内的价值：数据标注是整个模型不可或缺的基础。只要人工智能无法达到完全代替人的标准，标注工作就会永远存在。

这就是行业目前面临的困境：高可替代性，繁琐重复，却又不可或缺。

数据标注工作看似简单易上手，但又必须具备严谨的工作态度。比如，如果对自动驾驶领域的标注缺乏质量把控，那么就无法让汽车安全行驶在道路上。人工智能领域有一句流传甚广的话——人工智能行业有多少人工，就有多少智能。

人工智能行业的发展潜力无限，AI训练的基础是标注与喂养，这是打造AI的第一步。

“这是一个养孩子的过程”

2020年，AI训练师正式成为新职业并纳入国家职业分类目录。而在此之前，AI训练师在人才市场上的地位较为尴尬，既没有对口的专业，也缺乏相关的职业技能培训。

罗兵说：“7年前，我刚入行的时候，很多都是空白的，只能自己去摸索。”由于当时深圳的AI企业尚未发展起来，罗兵所在的公司只能从外地买回来一些机器人。“有不懂的地方，就请对方的产品经理或者训练师给自己做一些培训，不断重复这一过程后，就会对产品有一个基本认知，逐渐熟悉了操作训练机器人的后台系统，这样就算入门了。”

罗兵接触并训练过许多类型的机器人，而在客服域主要是文本机器人和语音机器人两种。例如，购物软件中的机器人能回答售前、售中、售后的系列问题；查询快递物流情况时输入单号，机器人就能调取包裹的物流轨迹，这些都是AI训练师训练机器人后的成果。通常，AI训练师需要根据应用场景和面向人群，搜集一些语料（即语言材料）后输入机器人模型中，并形成语料库。“我需要对机器人进行提问，判断它的回答对不对，如果不对的话，就要找出问题的原因并进行干预。”

罗兵需要在人工客服中收集用户咨询最多的问题，并将其进行归类，再来编辑话术，即人为地配置一些常用并且描述清晰的问题及其对应回答，再把这些问答“喂”给机器人。

当用户进行提问时，机器人会将用户的问题与所有配置好的问答进行相似度计算，找出最相似的问题，并返回答案给用户，这样就完成了一次问答操作。当用户提出的问题不在设定好的范围内时，就需要AI训练师去复盘总结，通过不断地复盘，让机器人尽可能回答用户的所有疑问。

把大量的数据“喂”给机器人，是深度学习的一环。深度学习是机器学习的一种，本质上就是让机器或者程序变成一个人，拥有人的技能，可以模仿或者创造一些人能做的事情。

曾在深圳一家互联网大厂实习了4个月的忆如，对“喂”机器人有通俗理解：“比如，告诉机器人1+1=2是对的，1+1=3是错的。然后，再告诉它3+3=6，如果机器人说等于5，那就给它打一个错误的标签，机器人就会继续学习；如果机器人输出的是6，那就证明机器人对这个任务能完成得比较好了。”

进行深度学习的过程，其实就是把大量的数据“喂”给机器或者程序，告诉它正确答案，让它不断学习，让它明白。

忆如实习期间的工作与游戏AI相关，他需要把王者荣耀中的“非玩家控制角色”（即NPC）训练得更加智能。怎样去躲避别人的技能防止自己掉血（指玩家角色受到攻击或受到特定条件影响而失去生命值）？怎样在自己不掉血的情况下让别人掉血？怎样更快地使用技能？这些都是忆如需要对AI进行强化训练的。

不同于罗兵需要把客服机器人训练得举一反三，忆如更偏向强化学习部分的工作，“不过，强化学习只针对某一个具体应用，让游戏AI会做一件或者几件事情，训练出来的也只是能跟用户对打的NPC。”

随着AI训练师被纳入国家职业分类目录，对该职业的考核标准也有了详细规定。

2022年，罗兵参加了深圳市人工智能训练师职业技能竞赛，并获得了三等奖。

想要获得职业认证证书，需要大量的职业技能培训。罗兵希望自己不局限于初级阶段的工作，他不断提升工作能力，学习更多的技能。他把自己达到一定水平后训练AI的工作，比作一个养孩子的过程，“因为这时候我能参与制定一些规则、搭建一些模型，机器人完全是根据我的想法去做的，这些机器人就像我的孩子一样，它能成长到什么地步完全取决于我。”

“关关难过关关过”

未来，人工智能将在各个领域得到更深入更长足的发展。在这个过程中，AI训练师扮演着重要角色，他们的工作对于机器学习模型的优化和精准性有着决定性的影响。

然而，与日渐增长的市场需求相比，专业AI训练师的缺口还是有些大。罗兵解释说：“现在特别缺行业类的训练师，比如金融类的训练师，既要懂金融相关知识，又要懂文本训练，还要懂机器人训练，这几者要兼得其实是很难的。”这就造成了一种尴尬境地：一面是大量的人才缺口，一面又是怎么都递不过去的简历。

不过，在罗兵看来，人工智能未来的发展形势一片大好。他说：“很多企业都需要客服，以前是通过人力不断地去补充，现在虽然有了机器人，不过肯定还是需要一两个人长期去运营，而这一两个人是不会频繁更换的。”

也就是说，无论人工智能如何发展，机器都无法代替人类。“所谓人工智能，先有人工才会有智能。模型、规则都是人做的，机器是不可能取代人工的，否则人的存在就没有意义了。”罗兵说。

沙柳同样认为，人工智能与人工是相辅相成的，不会因为人工智能的发展而导致人类没有工作可干。

为了更好地发展人工智能，国家出台了一系列针对AI训练师的政策。罗兵说：“深圳的人工智能协会，定期会举办一些公益培训活动，培训完的AI训练师还能拿到政府的补贴和颁发的证书。”

人工智能未来将如何发展，能够发展到什么程度，或许我们都无法准确预测，但毋庸置疑的是，它正在深刻影响着我们。各式各样智能化服务的出现，给我们的生活、工作等各方面带来了诸多便利。

未来，随着人工智能技术的不断发展和应用，AI训练师的工作将充满挑战和机遇。“做AI训练师就像打游戏闯关，你能通过不断提升，从而获得成就感。”今后，罗兵也会继续在这条赛道上“关关难过关关过”。

责任编辑：丁莉莎