機器能像人一樣思考、交流嗎？這個在今天“不是問題的問題”，最初其實是一個哲學問題。

如果說法國思想家狄德羅當年那句著名的“如果他們發現一只鸚鵡可以回答一切問題，我會毫不猶豫宣布它存在智能”，顯示的是人類面對“人工智能”時的模棱兩可，那么法國先知笛卡爾下面的這句話，則稱得上是歷史上第一次對人類和機器交互的深度思考：

“動物是超級機器人，人類也是，不同之處在于人擁有思維能力。”

但其實從笛卡爾最著名的那句“我思故我在”中，很多人都拋出了這樣一個疑問：如果思考的主體不是人類，不是我們試圖去證明機器是否有人類這樣的智能，而是機器人想證明自己是否有人類這樣的智能，那么對機器人而言，是否也有一個“我”的存在呢？

英國科學家阿蘭·圖靈在1950年，做了那個著名的圖靈測試：如果一臺機器能夠與人類展開對話（通過電傳設備）而不被辨別出其機器身份，那么稱這臺機器具有智能。圖靈隨后相信，“會思考的機器”是有可能在未來變為現實的。

在被人工智能、AI技術和數字化浪潮包圍的今天，機器人還能通過圖靈測試嗎？對于這個問題，我們并不確定，但一個顯而易見的現實是，和人對話、為人分憂、幫助人類解決日常問題的智能客服，已經出現在數字化生活的每個場景中，而在背后引導、培訓智能客服的“幕后英雄”—人工智能訓練師，則是我們最想了解和關注的一個群體。

人工智能訓練師又稱AI Trainer，是通過給系統搭建智能大腦，并不斷優化，讓機器人通情理、懂人性、有溫度，更好地為人類服務。最近，我們和一名有六年工作經驗的人工智能訓練師王進聊了聊，試圖還原一份教機器人說人話的工作，究竟是怎樣的。

作者|白莉莉

我叫王進，是騰訊的一名人工智能訓練師。在成為人工智能訓練師之前，我在騰訊游戲和微信支付做過三年人工客服，被無數游戲迷問過封號、道具和綁卡的問題，也見識過微信龐雜使用群體的各類問題。

2021年，人社部發布《人工智能訓練師國家職業技能標準（2021年版）》，讓通過數據“投喂”、“調教”給機器的人工智能訓練師這個新職業第一次走進大眾視野，但其實早在2016年，我就已經從人工客服，轉做人工智能訓練師了。

其實我自己從人工客服轉為人工智能客服訓練師時，最遇到的第一個困難就是：如何構建海量的語料，并為智能客服搭建一棵知識樹。

這棵知識樹緯度的粗細，決定了后期運營的難度和智能客服的體驗，如果這棵知識樹過粗，用戶就不能得到針對性的答案，智能客服的解決能力也顯得較差；如果知識樹過細，那么后期運營的難度會增加，用戶比較粗線條的描述，可能會讓智能客服無所適從。

那么，怎么理解智能客服“知識樹”的粗和細呢？大家先看看以下兩個客戶向智能客服提過的問題：

“微信怎么發紅包啊？”

“我微信以前綁定的是我老婆的卡，現在想換成我自己的實名，可以嗎？”

現在我們來簡要分析一下這兩個問題。第一個問題用戶的描述很聚焦，第二個問題用戶的描述很個性化，那么這兩個問題，對于智能客服的語料量級要求其實是千差萬別的。

第一個問題，用戶描述得很聚焦，只需要少量的語料，就可以帶來明顯的效果；但第二個用戶的描述很具個性化，除了 “綁定”、“實名”、“更換”等關鍵信息以外，還有很多個性的詞匯，比如“老婆的卡”、“我自己的”這類的，而其他用戶，尤其是老年人用戶，很可能會提到諸如“兒子幫我注冊的微信”這樣的特殊案例，這些干擾性的內容會加大自然語言處理（NLP）模型對語料的要求和難度，綜合來看，意圖識別的準確性，對第二個問題要求的語料，從幾十條到數千條不等。

除了知識樹的搭建，算法模型也相當重要。在智能客服的工作中，通過識別用戶的實際問題、情緒和問法，模型會在實踐中不斷補充具體場景的處理辦法，比如上下文處理方法、人際交互法則等等。

它就像裝飾一個房子，在與人打交道的過程中，它也在不斷豐富自身的內容。

“問半天了，找不到一個人！”

過去的幾年時間，這樣的場景隔三差五就會出現——遇到問題的用戶很急，但智能客服在短期內，又無法解決他們的問題。

雖然人工智能帶給人無限可能，但作為一個天天和機器人打交道的人，我很清楚人工智能訓練師的工作有多難做——智能客服無法提供客戶滿意的回答，而人工客服又無法做到隨時在線，這也讓客服能力、服務體驗和產品口碑備受影響。

那么，智能客服都有哪些服務難點呢？我想和大家介紹一下，我們人工智能訓練師的一個日常，概括一下，就是“被用戶罵”。這種情況很容易在以下三個場景里出現：

一、智能客服的交互體驗不好；二、智能客服沒有解決客戶實際問題的能力；三、客戶想人工服務，但只有機器，沒有人。

很多用戶在使用微信提現時，會出現遲遲沒有到賬的情況，我自己就遇到過這樣的案例：有用戶投訴，“我昨晚提現沒到賬” ，有時候他也會用這種表達方式，“我的錢還沒到賬”。這兩句話問法看似相同，但其實問的是不同的業務，特別是第二個問題，這個模糊問法涉及到的業務眾多，智能客服無法一下子精準辨別出用戶想要問的是哪個業務下的問題，也就無法一下子給用戶提供精準的解決方案。 無法得到滿意解決方案的客戶，情緒很容易由此而“爆發”。

再比如，交易物品質量有問題、遺落物品想求助找回、付款金額忘記核對等情況出現時，客戶無法聯系到只有過一面之緣的服務商，這些服務商或許是你打車的司機、買汽水的小賣部老板，或者是在付款時打錯了小數點的服裝店。于是你向客服提問“我怎么才能找到掃碼轉賬的人”。

圖│騰訊智能客服團隊

但很顯然，這個問題，已經超出了智能客服的能力范圍。

我們觀察一下機器和人類各自的特點：機器擅長從較為龐大的數據集合中作出最優決策，人類則擅長于從較小的數據集合中，結合多維度信息作出更為柔性的決策。

于是我們決定，放大人機各自的優勢，增加人類和機器在交互中的套路和模式，增加Q&A一問一答形式，引導用戶去問問題，增強人工服務感。

除此之外，“問半天了，找不到一個人”這類“找不到人工客服”的處理辦法是：智能客服解決不了的問題，我在最后安排人工客服進行“兜底解決”，也就是說，那些諸如“紅包限額是多少啊”“怎么查轉賬記錄”這類“小白問題”，已經在智能客服“那一關”得到了有效解決，而更為復雜的情況和問題，則交由人工客服來解決。

或許這才是讓機器高效，讓客戶滿意的最佳方案。

很多人問我，人工智能訓練師是怎樣讓人工智能變得更聰明，更通人性的？

我們采取的是單輪對話、多輪對話的區分設計——單輪的問答比較好處理，根據根據用戶提問，訓練足夠的語料或意圖關鍵詞即可識別，訓練語料時，注重根據用戶提問的特點進行意圖的收斂反問，例如用戶描述“我的王者改名卡不見了”比較容易識別，進行一定量級的語料訓練就可以。但有些用戶會很口語化地問“我王者的改名卡？”，這類描述不太清楚，我們就會把這類意圖定義為模糊提問，需要反問并明確意圖，才能確認回復內容。

你可能還會問我：人工智能的解決能力越來越強，那會取代人工嗎？

雖然現在智能客服的應用場景越來越多，但它終歸是不能完全替代人工客服的，因為有很多問題不是智能客服回復一個答案，用戶就能接受的，仍然需要人工客服進行介入。比如需要一對一的人工服務的情緒安撫、策略說明，或者是老年人、未成年人等特殊人群的服務，都是需要人工服務去介入的。

首先是老年人的熱線接入。《第47次中國互聯網絡發展狀況統計報告》顯示，我國60歲以上的手機網民已超過1.1億，全網移動支付使用率超過86.5%。2021年5月，微信支付客服宣布“長輩無憂專線”開通上線，60歲及以上長輩用戶撥打微信支付統一客服熱線，將會優先接通“長輩無憂專線”，獲得一跟到底的專屬客服。

當然還少不了為未成年人保駕護航的“成長守護平臺”和健康系統，家長可以綁定孩子的游戲賬號，對孩子的游戲時間、消費等行為進行限制，并得到專屬答疑解惑的人工客服的幫助。

雖然智能客服不能完全取代人工客服，但我們在提升智能客服問題解決能力的基礎上，嘗試加強智能客服擬人化交互體驗，比如通過接口狀態查詢識別用戶的具體情況以及歷史服務記錄，在用戶來咨詢的第一時間就能了解到用戶想要問哪些問題，并提供一個精準的解決方案，而不是答復一個通用、套路式的話術。

我舉個例子。用戶反饋某筆微信支付的交易轉賬轉錯了，我們的答案設計是請用戶先選擇交易，根據具體的交易狀態進行答復，甚至還提供了協助聯系轉錯方的人工處理方式，讓用戶更滿意。

目前來騰訊客服咨詢的用戶中，通過智能客服問題的識別率達90%以上。針對用戶咨詢的問題，智能機器人通過產品接口，能查先查；不準確的問題，通過模糊反問等多種形式引導發問，并提供解決方案。-有的還對回答很認可，不再追問或喊人工服務，有的甚至還對我們表達感謝，這時我們的職業成就感都是拉滿狀態——轉化成工作指標，就是智能客服的一次解決率，解決率越高，說明客戶越認可我們的工作。”

其實，作為一個人工智能訓練師，需要懂業務、精服務、會數據、能運營，簡單一句話總結：就是要做一個“啥都會”的“雜家”，需要迅速成為一名“全能型選手”：

懂業務。只有懂業務，才能更好的設計解決方案；

精服務。只有懂服務，才能站在用戶的角度幫助用戶解決問題；

會數據。只有懂數據，才能發現問題進行優化，并看到優化的效果；

能運營。只有懂運營，才能運營讓機器人更好地服務于人。

針對這些業務掌握的熟練程度，行業也給出了對應的等級區分。目前行業將人工智能訓練師分為初、中、高三個等級，每個等級的工作職責和能力要求呈梯度化區分。目前我們團隊的人工智能訓練師人才配比大概是3：6：1。初級智能訓練師要懂場景挖掘、數據標注，占比團隊30%；中級智能訓練師主要負責模型搭建、數據運營，占比團隊60%；高級智能訓練師負責制定規則，作為整個體系和領域的專家，處理各項問題，協調整體發展，占比團隊10%。

人工智能，這條路很漫長，但我會一直走下去。作為讓機器人“更通人性”的老師，人工智能訓練師其實不是在服務一個人，面對的是上百萬、千萬甚至億級用戶。想到這里，我既倍感壓力，又充滿希望。

未來，我也將繼續學習AI技術，并與自身的業務領域相結合，繼續參與和見證人工智能的發展和應用。