簡而言之，人工智能訓(xùn)練師的職責(zé)范圍可概括為通過數(shù)據(jù)端的整理歸納和分析優(yōu)化，訓(xùn)練機器模型，使人工智能越變越“聰明”。具體說來，人工智能訓(xùn)練師需要解讀業(yè)務(wù)知識和需求，明確AI的落地場景，根據(jù)不同的技術(shù)實現(xiàn)邏輯提供相應(yīng)的結(jié)構(gòu)化數(shù)據(jù)。

　　以電商場景的智能客服舉例，人工智能訓(xùn)練師必須要了解電商客服在售前、售中、售后等不同過程中最常處理的客戶問題。然后，分析這些問題中有哪些是適合自助端解決的，后續(xù)作為機器人知識庫的范圍。再者，需要根據(jù)知識庫問題的脈絡(luò)和預(yù)期的實現(xiàn)效果判斷不同問題的技術(shù)實現(xiàn)方式。

　　對應(yīng)這些工作職責(zé)所需要的能力有哪些呢？

　　首先，人工智能訓(xùn)練師需要很強的邏輯分析能力。分析原始文檔的時候，人工智能訓(xùn)練師需要根據(jù)不同數(shù)據(jù)類型、數(shù)據(jù)質(zhì)量采用不同的數(shù)據(jù)處理流程，而且在每個流程中，都需要通過實時情況來及時調(diào)整下一步的策略。在AI機器人正式上線啟用后，也會需要應(yīng)用邏輯分析能力去查看上線后的數(shù)據(jù)情況，并做出判斷，提供數(shù)據(jù)端的解決方案。

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

　　第三，表達和溝通能力也是一個很重要的考察項。這主要是因為在人工智能商業(yè)場景落地過程中，人工智能訓(xùn)練師時常需要扮演一個“布道者”的角色，為人工智能的使用者提供培訓(xùn)和使用指南。在這個過程中，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?qū)δ骋淮怪鳖I(lǐng)域的業(yè)務(wù)有比較深入的了解，可作為一個加分項。這會使人工智能訓(xùn)練師在數(shù)據(jù)處理或與客戶溝通過程中，熟知客戶的真實痛點。在處理業(yè)務(wù)數(shù)據(jù)的時候也能更為得心應(yīng)手。

　　針對這樣一個崗位，我們又會如何挑選候選人呢？

　　其實，隨著行業(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(xùn)練師幾乎很難找到有過相關(guān)從業(yè)經(jīng)歷的候選人，不過目前這一狀況已有所改觀。以我所任職的竹間智能為例，一般在簡歷篩選階段，會著重留意三種候選人。

　　其一，自然是有過人工智能訓(xùn)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，對整個機器人訓(xùn)練的過程熟悉，培訓(xùn)成本低，上手較快。而且由于從事過相關(guān)工作，對這份工作的預(yù)期和發(fā)展也較為了解。

　　其二，是在某一業(yè)務(wù)領(lǐng)域接觸過智能機器人的相關(guān)運營人員。相較于第一種候選人，這類候選人雖然對于機器人訓(xùn)練的全過程和算法的認(rèn)識不多，但是有豐富的一手業(yè)務(wù)知識，以及機器人上線后的運營經(jīng)驗，可以很好地幫助到機器人訓(xùn)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)域有一技之長的候選人。例如在語言學(xué)、應(yīng)用語言學(xué)或計算語言學(xué)方面較為突出的候選人，或是在互聯(lián)網(wǎng)行業(yè)產(chǎn)品或運營方面有豐富經(jīng)驗的候選人等。因為人工智能訓(xùn)練師的日常工作會與自然語言處理息息相關(guān)，而且在職能上屬于產(chǎn)品運營，在語言學(xué)或運營等方面有一技之長的候選人可以利用自身優(yōu)勢來為崗位帶來新的想法。雖然候選人本身可能沒接觸過人工智能行業(yè)或?qū)υ挋C器人產(chǎn)品，但也因此可以不為此束縛，為團隊注入新動能，激發(fā)新活力。

　　雖然目前人工智能已經(jīng)進入到了一個高速發(fā)展期，但是還處于“弱人工智能時代”。因此，人工智能的背后也離不開相當(dāng)數(shù)量的從業(yè)者。在對話機器人領(lǐng)域，目前能夠直觀體現(xiàn)機器人水準(zhǔn)的應(yīng)答準(zhǔn)確率等關(guān)鍵指標(biāo)可簡單理解為模型與數(shù)據(jù)兩方面相乘的結(jié)果。在技術(shù)不斷發(fā)展的今天，人工智能訓(xùn)練師作為數(shù)據(jù)端的主力，其自身的能力和素質(zhì)決定了數(shù)據(jù)的質(zhì)量，同時也直接關(guān)系到最終的機器人輸出效果。同時，一支會總結(jié)歸納的訓(xùn)練師團隊，還可以提升效率，沉淀方法論，培訓(xùn)機器人使用方，為整個機器人運營帶來正面的效應(yīng)。