簡(jiǎn)而言之，人工智能訓練師的職責范圍可概括為通過(guò)數據端的整理歸納和分析優(yōu)化，訓練機器模型，使人工智能越變越“聰明”。具體說(shuō)來(lái)，人工智能訓練師需要解讀業(yè)務(wù)知識和需求，明確AI的落地場(chǎng)景，根據不同的技術(shù)實(shí)現邏輯提供相應的結構化數據。

　　以電商場(chǎng)景的智能客服舉例，人工智能訓練師必須要了解電商客服在售前、售中、售后等不同過(guò)程中最常處理的客戶(hù)問(wèn)題。然后，分析這些問(wèn)題中有哪些是適合自助端解決的，后續作為機器人知識庫的范圍。再者，需要根據知識庫問(wèn)題的脈絡(luò )和預期的實(shí)現效果判斷不同問(wèn)題的技術(shù)實(shí)現方式。

　　對應這些工作職責所需要的能力有哪些呢？

　　首先，人工智能訓練師需要很強的邏輯分析能力。分析原始文檔的時(shí)候，人工智能訓練師需要根據不同數據類(lèi)型、數據質(zhì)量采用不同的數據處理流程，而且在每個(gè)流程中，都需要通過(guò)實(shí)時(shí)情況來(lái)及時(shí)調整下一步的策略。在A(yíng)I機器人正式上線(xiàn)啟用后，也會(huì )需要應用邏輯分析能力去查看上線(xiàn)后的數據情況，并做出判斷，提供數據端的解決方案。

　　其次，還需要有很強的歸納總結能力。由于人工智能訓練師的崗位誕生時(shí)間不久，并不像其他職業(yè)那樣有一套非常完整的培訓體系或方法論，各個(gè)公司基本都是處于一邊摸索一邊總結的狀態(tài)。因而，歸納總結能力可以很好的幫助人工智能訓練師們形成書(shū)面的方法論，復用數據并提高效率，達到事半功倍的效果。在方法論的基礎上，也可以在新員工培訓和客戶(hù)培訓等方面有所積淀。

　　第三，表達和溝通能力也是一個(gè)很重要的考察項。這主要是因為在人工智能商業(yè)場(chǎng)景落地過(guò)程中，人工智能訓練師時(shí)常需要扮演一個(gè)“布道者”的角色，為人工智能的使用者提供培訓和使用指南。在這個(gè)過(guò)程中，如何清晰地讓對方了解人工智能，真正使用好人工智能，是需要很強的表達和溝通能力的。

　　最后，如果能夠對某一垂直領(lǐng)域的業(yè)務(wù)有比較深入的了解，可作為一個(gè)加分項。這會(huì )使人工智能訓練師在數據處理或與客戶(hù)溝通過(guò)程中，熟知客戶(hù)的真實(shí)痛點(diǎn)。在處理業(yè)務(wù)數據的時(shí)候也能更為得心應手。

　　針對這樣一個(gè)崗位，我們又會(huì )如何挑選候選人呢？

　　其實(shí)，隨著(zhù)行業(yè)的發(fā)展，選擇候選人的要求也在不斷的改變。2年前，人工智能訓練師幾乎很難找到有過(guò)相關(guān)從業(yè)經(jīng)歷的候選人，不過(guò)目前這一狀況已有所改觀(guān)。以我所任職的竹間智能為例，一般在簡(jiǎn)歷篩選階段，會(huì )著(zhù)重留意三種候選人。

　　其一，自然是有過(guò)人工智能訓練師相關(guān)經(jīng)驗的候選人。整體而言，這部分候選人對AI行業(yè)的了解程度高，對整個(gè)機器人訓練的過(guò)程熟悉，培訓成本低，上手較快。而且由于從事過(guò)相關(guān)工作，對這份工作的預期和發(fā)展也較為了解。

　　其二，是在某一業(yè)務(wù)領(lǐng)域接觸過(guò)智能機器人的相關(guān)運營(yíng)人員。相較于第一種候選人，這類(lèi)候選人雖然對于機器人訓練的全過(guò)程和算法的認識不多，但是有豐富的一手業(yè)務(wù)知識，以及機器人上線(xiàn)后的運營(yíng)經(jīng)驗，可以很好地幫助到機器人訓練前期梳理業(yè)務(wù)知識及業(yè)務(wù)需求方的需求挖掘。

　　其三，是在一些相關(guān)領(lǐng)域有一技之長(cháng)的候選人。例如在語(yǔ)言學(xué)、應用語(yǔ)言學(xué)或計算語(yǔ)言學(xué)方面較為突出的候選人，或是在互聯(lián)網(wǎng)行業(yè)產(chǎn)品或運營(yíng)方面有豐富經(jīng)驗的候選人等。因為人工智能訓練師的日常工作會(huì )與自然語(yǔ)言處理息息相關(guān)，而且在職能上屬于產(chǎn)品運營(yíng)，在語(yǔ)言學(xué)或運營(yíng)等方面有一技之長(cháng)的候選人可以利用自身優(yōu)勢來(lái)為崗位帶來(lái)新的想法。雖然候選人本身可能沒(méi)接觸過(guò)人工智能行業(yè)或對話(huà)機器人產(chǎn)品，但也因此可以不為此束縛，為團隊注入新動(dòng)能，激發(fā)新活力。

　　雖然目前人工智能已經(jīng)進(jìn)入到了一個(gè)高速發(fā)展期，但是還處于“弱人工智能時(shí)代”。因此，人工智能的背后也離不開(kāi)相當數量的從業(yè)者。在對話(huà)機器人領(lǐng)域，目前能夠直觀(guān)體現機器人水準的應答準確率等關(guān)鍵指標可簡(jiǎn)單理解為模型與數據兩方面相乘的結果。在技術(shù)不斷發(fā)展的今天，人工智能訓練師作為數據端的主力，其自身的能力和素質(zhì)決定了數據的質(zhì)量，同時(shí)也直接關(guān)系到最終的機器人輸出效果。同時(shí)，一支會(huì )總結歸納的訓練師團隊，還可以提升效率，沉淀方法論，培訓機器人使用方，為整個(gè)機器人運營(yíng)帶來(lái)正面的效應。