我在鹅厂教机器人说话

机器能像人一样思考、交流吗？这个在今天“不是问题的问题”，最初其实是一个哲学问题。

如果说法国思想家狄德罗当年那句著名的“如果他们发现一只鹦鹉可以回答一切问题，我会毫不犹豫宣布它存在智能”，显示的是人类面对“人工智能”时的模棱两可，那么法国先知笛卡尔下面的这句话，则称得上是历史上第一次对人类和机器交互的深度思考：

“动物是超级机器人，人类也是，不同之处在于人拥有思维能力。”

但其实从笛卡尔最著名的那句“我思故我在”中，很多人都抛出了这样一个疑问：如果思考的主体不是人类，不是我们试图去证明机器是否有人类这样的智能，而是机器人想证明自己是否有人类这样的智能，那么对机器人而言，是否也有一个“我”的存在呢？

英国科学家阿兰·图灵在1950年，做了那个著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不被辨别出其机器身份，那么称这台机器具有智能。图灵随后相信，“会思考的机器”是有可能在未来变为现实的。

在被人工智能、AI技术和数字化浪潮包围的今天，机器人还能通过图灵测试吗？对于这个问题，我们并不确定，但一个显而易见的现实是，和人对话、为人分忧、帮助人类解决日常问题的智能客服，已经出现在数字化生活的每个场景中，而在背后引导、培训智能客服的“幕后英雄”—人工智能训练师，则是我们最想了解和关注的一个群体。

人工智能训练师又称AI Trainer，是通过给系统搭建智能大脑，并不断优化，让机器人通情理、懂人性、有温度，更好地为人类服务。最近，我们和一名有六年工作经验的人工智能训练师王进聊了聊，试图还原一份教机器人说人话的工作，究竟是怎样的。

作者|白莉莉

我叫王进，是腾讯的一名人工智能训练师。在成为人工智能训练师之前，我在腾讯游戏和微信支付做过三年人工客服，被无数游戏迷问过封号、道具和绑卡的问题，也见识过微信庞杂使用群体的各类问题。

2021年，人社部发布《人工智能训练师国家职业技能标准（2021年版）》，让通过数据“投喂”、“调教”给机器的人工智能训练师这个新职业第一次走进大众视野，但其实早在2016年，我就已经从人工客服，转做人工智能训练师了。

其实我自己从人工客服转为人工智能客服训练师时，最遇到的第一个困难就是：如何构建海量的语料，并为智能客服搭建一棵知识树。

这棵知识树纬度的粗细，决定了后期运营的难度和智能客服的体验，如果这棵知识树过粗，用户就不能得到针对性的答案，智能客服的解决能力也显得较差；如果知识树过细，那么后期运营的难度会增加，用户比较粗线条的描述，可能会让智能客服无所适从。

那么，怎么理解智能客服“知识树”的粗和细呢？大家先看看以下两个客户向智能客服提过的问题：

“微信怎么发红包啊？”

“我微信以前绑定的是我老婆的卡，现在想换成我自己的实名，可以吗？”

现在我们来简要分析一下这两个问题。第一个问题用户的描述很聚焦，第二个问题用户的描述很个性化，那么这两个问题，对于智能客服的语料量级要求其实是千差万别的。

第一个问题，用户描述得很聚焦，只需要少量的语料，就可以带来明显的效果；但第二个用户的描述很具个性化，除了 “绑定”、“实名”、“更换”等关键信息以外，还有很多个性的词汇，比如“老婆的卡”、“我自己的”这类的，而其他用户，尤其是老年人用户，很可能会提到诸如“儿子帮我注册的微信”这样的特殊案例，这些干扰性的内容会加大自然语言处理（NLP）模型对语料的要求和难度，综合来看，意图识别的准确性，对第二个问题要求的语料，从几十条到数千条不等。

除了知识树的搭建，算法模型也相当重要。在智能客服的工作中，通过识别用户的实际问题、情绪和问法，模型会在实践中不断补充具体场景的处理办法，比如上下文处理方法、人际交互法则等等。

它就像装饰一个房子，在与人打交道的过程中，它也在不断丰富自身的内容。

“问半天了，找不到一个人！”

过去的几年时间，这样的场景隔三差五就会出现——遇到问题的用户很急，但智能客服在短期内，又无法解决他们的问题。

虽然人工智能带给人无限可能，但作为一个天天和机器人打交道的人，我很清楚人工智能训练师的工作有多难做——智能客服无法提供客户满意的回答，而人工客服又无法做到随时在线，这也让客服能力、服务体验和产品口碑备受影响。

那么，智能客服都有哪些服务难点呢？我想和大家介绍一下，我们人工智能训练师的一个日常，概括一下，就是“被用户骂”。这种情况很容易在以下三个场景里出现：

一、智能客服的交互体验不好；二、智能客服没有解决客户实际问题的能力；三、客户想人工服务，但只有机器，没有人。

很多用户在使用微信提现时，会出现迟迟没有到账的情况，我自己就遇到过这样的案例：有用户投诉，“我昨晚提现没到账” ，有时候他也会用这种表达方式，“我的钱还没到账”。这两句话问法看似相同，但其实问的是不同的业务，特别是第二个问题，这个模糊问法涉及到的业务众多，智能客服无法一下子精准辨别出用户想要问的是哪个业务下的问题，也就无法一下子给用户提供精准的解决方案。 无法得到满意解决方案的客户，情绪很容易由此而“爆发”。

再比如，交易物品质量有问题、遗落物品想求助找回、付款金额忘记核对等情况出现时，客户无法联系到只有过一面之缘的服务商，这些服务商或许是你打车的司机、买汽水的小卖部老板，或者是在付款时打错了小数点的服装店。于是你向客服提问“我怎么才能找到扫码转账的人”。

图│腾讯智能客服团队

但很显然，这个问题，已经超出了智能客服的能力范围。

我们观察一下机器和人类各自的特点：机器擅长从较为庞大的数据集合中作出最优决策，人类则擅长于从较小的数据集合中，结合多维度信息作出更为柔性的决策。

于是我们决定，放大人机各自的优势，增加人类和机器在交互中的套路和模式，增加Q&A一问一答形式，引导用户去问问题，增强人工服务感。

除此之外，“问半天了，找不到一个人”这类“找不到人工客服”的处理办法是：智能客服解决不了的问题，我在最后安排人工客服进行“兜底解决”，也就是说，那些诸如“红包限额是多少啊”“怎么查转账记录”这类“小白问题”，已经在智能客服“那一关”得到了有效解决，而更为复杂的情况和问题，则交由人工客服来解决。

或许这才是让机器高效，让客户满意的最佳方案。

很多人问我，人工智能训练师是怎样让人工智能变得更聪明，更通人性的？

我们采取的是单轮对话、多轮对话的区分设计——单轮的问答比较好处理，根据根据用户提问，训练足够的语料或意图关键词即可识别，训练语料时，注重根据用户提问的特点进行意图的收敛反问，例如用户描述“我的王者改名卡不见了”比较容易识别，进行一定量级的语料训练就可以。但有些用户会很口语化地问“我王者的改名卡？”，这类描述不太清楚，我们就会把这类意图定义为模糊提问，需要反问并明确意图，才能确认回复内容。

你可能还会问我：人工智能的解决能力越来越强，那会取代人工吗？

虽然现在智能客服的应用场景越来越多，但它终归是不能完全替代人工客服的，因为有很多问题不是智能客服回复一个答案，用户就能接受的，仍然需要人工客服进行介入。比如需要一对一的人工服务的情绪安抚、策略说明，或者是老年人、未成年人等特殊人群的服务，都是需要人工服务去介入的。

首先是老年人的热线接入。《第47次中国互联网络发展状况统计报告》显示，我国60岁以上的手机网民已超过1.1亿，全网移动支付使用率超过86.5%。2021年5月，微信支付客服宣布“长辈无忧专线”开通上线，60岁及以上长辈用户拨打微信支付统一客服热线，将会优先接通“长辈无忧专线”，获得一跟到底的专属客服。

当然还少不了为未成年人保驾护航的“成长守护平台”和健康系统，家长可以绑定孩子的游戏账号，对孩子的游戏时间、消费等行为进行限制，并得到专属答疑解惑的人工客服的帮助。

虽然智能客服不能完全取代人工客服，但我们在提升智能客服问题解决能力的基础上，尝试加强智能客服拟人化交互体验，比如通过接口状态查询识别用户的具体情况以及历史服务记录，在用户来咨询的第一时间就能了解到用户想要问哪些问题，并提供一个精准的解决方案，而不是答复一个通用、套路式的话术。

我举个例子。用户反馈某笔微信支付的交易转账转错了，我们的答案设计是请用户先选择交易，根据具体的交易状态进行答复，甚至还提供了协助联系转错方的人工处理方式，让用户更满意。

目前来腾讯客服咨询的用户中，通过智能客服问题的识别率达90%以上。针对用户咨询的问题，智能机器人通过产品接口，能查先查；不准确的问题，通过模糊反问等多种形式引导发问，并提供解决方案。-有的还对回答很认可，不再追问或喊人工服务，有的甚至还对我们表达感谢，这时我们的职业成就感都是拉满状态——转化成工作指标，就是智能客服的一次解决率，解决率越高，说明客户越认可我们的工作。”

其实，作为一个人工智能训练师，需要懂业务、精服务、会数据、能运营，简单一句话总结：就是要做一个“啥都会”的“杂家”，需要迅速成为一名“全能型选手”：

懂业务。只有懂业务，才能更好的设计解决方案；

精服务。只有懂服务，才能站在用户的角度帮助用户解决问题；

会数据。只有懂数据，才能发现问题进行优化，并看到优化的效果；

能运营。只有懂运营，才能运营让机器人更好地服务于人。

针对这些业务掌握的熟练程度，行业也给出了对应的等级区分。目前行业将人工智能训练师分为初、中、高三个等级，每个等级的工作职责和能力要求呈梯度化区分。目前我们团队的人工智能训练师人才配比大概是3：6：1。初级智能训练师要懂场景挖掘、数据标注，占比团队30%；中级智能训练师主要负责模型搭建、数据运营，占比团队60%；高级智能训练师负责制定规则，作为整个体系和领域的专家，处理各项问题，协调整体发展，占比团队10%。

人工智能，这条路很漫长，但我会一直走下去。作为让机器人“更通人性”的老师，人工智能训练师其实不是在服务一个人，面对的是上百万、千万甚至亿级用户。想到这里，我既倍感压力，又充满希望。

未来，我也将继续学习AI技术，并与自身的业务领域相结合，继续参与和见证人工智能的发展和应用。