以“速度”為主要社會特質(zhì)的“速度社會”，已成為社會情境和普遍的全球趨勢?？旃?jié)奏的生活，已然成為當下人的生活方式。在這個數(shù)字化、信息化的時代，各式各樣的智能化服務，慢慢地融入到人們的生活當中，大家熟悉的天貓精靈、小度智能屏、小愛同學等智能產(chǎn)品背后，都是智能化服務的體現(xiàn)。人們在遇到問題的時候，無一例外，都想要快速、方便、有效地去解決。所以，智能客服應運而生。
智能客服系統(tǒng)是在大規(guī)模知識處理基礎上發(fā)展起來的一項面向行業(yè)應用的，適用大規(guī)模知識處理、自然語言理解、知識管理、自動問答系統(tǒng)、推理等等技術行業(yè)。
南方電網(wǎng)廣西電網(wǎng)公司客戶服務中心（以下簡稱“客服中心”），經(jīng)過近幾年的發(fā)展建設與運營管理，各渠道已具備一定自助/智能服務能力，逐步向“多元化、智能化”發(fā)展。并投入大量人力物力，致力發(fā)展人工智能客服，已達到給客戶提供最大便捷服務的目的。但是智能客服（以下簡稱智能機器人），真的那么智能，能夠無師自通，自我學習嗎？不，當然不能，所以就有了我的出現(xiàn)。
我是一名人工智能訓練師。
兩年前，我怎么也不會想到，我的工作會和人工智能扯上關系。一個偶然的機會，我通過競聘，獲得了這個對我來說新得不能再新的工作的機會，在此之前，公司只有人工客服業(yè)務。
從未接觸過人工智能的我，驚訝于智能機器人的能力，反應快，秒級響應客戶訴求，同時服務200位客戶，可以提供7*24小時服務，孜孜不倦不知疲憊，解決人工服務忙時回復難、回復慢、無人回復等問題，回復率可達200%！我知道，這是未來服務發(fā)展的趨勢，所以我毅然決然地投入到智能機器人訓練的行業(yè)中去。
首先要感謝公司給我這樣的機會去參加客服職業(yè)技能大賽，通過學習，讓我學到了很多訓練的方法，老師也對我平時一些訓練中遇到的問題進行了針對性的解答，受益匪淺。不過最重要的，大賽提供了一個可以跟其他同行業(yè)優(yōu)秀人才相互交流的平臺?？梢愿蠹一ハ嘟涣飨到y(tǒng)、運營、訓練方面的問題，我感到非常榮幸。下面談一談我的心得體會。
這是一份枯燥又具有挑戰(zhàn)性的工作。是的，非?？菰?，雖然直接面對的是新興的人工智能技術，但是從很多方面看，這都是一份機械和枯燥的工作。訓練師從上班開始面對的只有一個東西——數(shù)據(jù)，要用大量的數(shù)據(jù)去教一個仿如白紙那般的機器人，讓智能機器人更“懂”人，通“人性”，從而更好地為人提供服務。這項工作很考驗耐心，需要把大量的數(shù)據(jù)進行整合，去除無效且無意義的數(shù)據(jù)，把數(shù)據(jù)量轉化成有效的東西，這是一個很枯燥的過程。
目前人工智能的學習可分為全監(jiān)督學習、半監(jiān)督學習、無監(jiān)督學習、強化學習和遷移學習五種階段。
1.全監(jiān)督學習
即通過已有的訓練樣本，對智能產(chǎn)品進行訓練，從而得到一個最優(yōu)模型，再利用這個模型將所有新的數(shù)據(jù)樣本映射為相應的輸出結果，對輸出結果進行簡單的判斷，從而實現(xiàn)分類的目的。簡單來說，就是對智能機器人的每樣問題進行一一修正，即進行人工標注，并且需要全量標注。
2.半監(jiān)督學習
是在監(jiān)督學習的基礎上，對部分數(shù)據(jù)進行調(diào)整和優(yōu)化，并將部分數(shù)據(jù)調(diào)整優(yōu)化的結果交給機器人，讓它進行未教學數(shù)據(jù)的學習。簡單來說，就像是老師給學生上課，講解理論知識，再結合理論進行例題的講解，下課后給學生布置作業(yè)，以此來檢驗學習效果。
3.無監(jiān)督學習
即事先沒有任何訓練數(shù)據(jù)樣本，需要直接根據(jù)數(shù)據(jù)進行建模。簡單來說，就像是學生上自習，老師在沒有任何講解的前提下直接給學生布置作業(yè)，讓學生自己學習新的知識。
4.強化學習
即在沒有任何標簽的情況下，先嘗試做出一些行為得到一個結果，通過這個結果是對還是錯的反饋，調(diào)整之前的行為，在不斷地調(diào)整中，機器通過算法能夠?qū)W習到在什么情況下選擇什么樣的行為可以得到最好的結果。
5.遷移學習
是把已經(jīng)訓練好的模型參數(shù)遷移到新的模型來幫助新模型訓練。
首先一切的開始，要先明確企業(yè)所需要的機器人的類型，設計智能機器人的應答風格。智能機器人目前只能夠回答簡單，重復的問題，隨著智能機器人的普及，越來越多的公司，都開始使用智能機器人，但是很多客戶往往還是停留在老思想，不愿意讓機器人服務，認為機器人冷冰冰，不夠人性化，所以智能機器人的人物設定尤為重要。智能機器人定位，主要是設定智能機器人“人格化”特征的建立，首先定位智能機器人的形象，是專業(yè)的、可愛的、貼心的、還是溫暖的，這就需要在建立初期設定好、制定各項應答話術。試想一下，意思相同的一段話術，是一板一眼地直接發(fā)送給客戶，還是轉換成輕松，貼心的語句發(fā)送給客戶更能讓客戶接受呢？
其次需要根據(jù)智能機器人的業(yè)務要求，設計與構建智能知識庫，智能機器人應用的問答庫獨立于智能知識庫系統(tǒng)，問答知識管理應遵循“即時更新、適應場景、面向客戶、通俗易懂”的原則，站在客戶的角度進行話術編寫，也就是我們在客服中心經(jīng)常會聽到的知識客戶化。
一般而言，客戶化是指通過多方面處理，使客戶對現(xiàn)有產(chǎn)品或服務方式更容易接受而使用的優(yōu)化過程及方法，知識的客戶化具體通過對企業(yè)現(xiàn)有知識在描述語言、呈現(xiàn)形式、獲取方式、編輯模式等方面進行制度化加工，使客戶在使用知識過程中擁有更好體驗的優(yōu)化方法。只有以客戶為出發(fā)點，才能更好地管理在線機器人、形成在線機器人對外發(fā)布的知識內(nèi)容。而這一系列動作，都是循序漸進的過程：
1.在建設初期，做好需求調(diào)研。
（1）確定服務范圍：智能機器人服務能力、服務場景及服務流轉。簡單來說，也就是明確智能機器人能夠做什么、能夠服務哪些業(yè)務場景。
（2）明確服務邊界，對于一些敏感詞、業(yè)務風險等級書、業(yè)務場景邊界等。需要明確在什么情況下，需要轉接人工處理，確保不會因為客戶不滿，而引發(fā)客戶投訴等問題。
2.設定目標值。
目標是一切行動的基礎，做業(yè)務梳理，實際上是通過分析，給智能機器人系統(tǒng)確定一個清晰的目標過程。通過業(yè)務梳理，確定智能客服系統(tǒng)的業(yè)務場景，有助于在遇到問題時，根據(jù)業(yè)務梳理的定義來確定問題是否需要解決、解決的優(yōu)先級和解決的方法。
3.語料的獲取及處理。
語料是未經(jīng)過加工，真實的服務聊天對話記錄，針對不同類型的語料，需要進行加工處理。在實際問答過程中，客戶的提問方式千奇百怪。比如簡簡單單一個繳費的問題，客戶會問“欠費了什么交費”“在哪交費”等等，這就需要訓練師將這類型問題標準化，然后編寫一些相似問題進行訓練。
先采用無監(jiān)督學習方式，直接讓機器人通過對應的算法進行初步分析，先給機器人導入大量人工客服與客戶的對話日志，在不經(jīng)過人工干預的情況下，讓機器人自發(fā)進行分析與研究。針對學習過程中的難點，由人工進行標注，再讓機器人對已標注數(shù)據(jù)進行學習并擴展認知未標注數(shù)據(jù)。搜集完數(shù)據(jù)后，需要將數(shù)據(jù)導入系統(tǒng)中，分解、聚類，再進行數(shù)據(jù)標注。數(shù)據(jù)標注是教智能機器人學習語句的過程，智能機器人是否能夠成長，這一步至關重要。
那么問題起來了，語料是不是越多越好呢？重復句需不需要去重呢？
其實完全無用的語料可以刪除，比如單純數(shù)字，及系統(tǒng)自動產(chǎn)生的無意義字符串；其次是太長或者太短的語料，這些內(nèi)容蘊含的信息量可能過多或者過少，容易對智能機器人問答的定位能力造成干擾；以及一句話包含兩個意思的語料，如“幫我看一下我的余額還有多少，我想繳費”“我停電了，我想繳費”等等，包含兩個意思的語料，需要分開匹配，不然容易造成智能機器人識別重疊而影響識別準確率；過多重復，類似的語料可以刪除，如“幫查一下電費”“查一下電費”等，機器人有自我學習能力，類似這樣的語料只需保留一個即可。
有標注就要有檢查，為確保每個標注人員的標注質(zhì)量，每月需抽取標注人員標注量進行質(zhì)檢，對存在的個性問題需及時向該坐席員進行傳遞，并跟進整改；對存在的共性問題形成分頭標注的校準樣本，集中進行培訓。
為統(tǒng)一各標注人員標注尺度，確保機器人對問題識別的一致性，每月組織開展標注校準工作，不斷統(tǒng)一標注人員的訓練標準。智能訓練師每次抽取不少于100條已標注樣本，組織智能在線班參與標注的坐席在時限內(nèi)，采取“背靠背”的形式對同一份語料樣本進行標注，并將標注結果反映至人工智能訓練師進行匯總。制定出標注規(guī)則表，由標注人員統(tǒng)一按照規(guī)則表進行標注。
4.對話流設計。
數(shù)據(jù)標注完成后是對話流設計，當客戶問出一個問題時，機器人需要準確識別其場景或意圖，然后從知識庫中搜索核實的回答，如果數(shù)據(jù)標注是讓機器人學習知識，那么對話流設計就是讓機器人學會運用知識。
5.日常維護。
對話流設計成功后，是日常維護的工作，當客戶問到數(shù)據(jù)庫里未收錄的問題、問話時采用過多的修辭、方言口音過重時，機器人無法回答的情況下，就需要人工智能訓練師手動找到問題，進行調(diào)整。
人工智能現(xiàn)在還處在一個比較初級的階段，客戶會覺得一個這么簡單的問題，機器人為什么回答不上來，實際上如果模型不行或者初始語料不夠，以及考慮到算法在實際應用過程中限制，機器人就是不會回答。所以，訓練是一個漫長的過程，需要不斷地優(yōu)化，提升。
為了解智能機器人應答情況，確保機器人應答服務質(zhì)量，根據(jù)會話量抽取一定比例進行會話質(zhì)量復核分析，出現(xiàn)錯誤回復時會進行聯(lián)系客戶解答客戶問題，以確?？蛻魡栴}能夠得到解決。對于發(fā)現(xiàn)的問題，進行分析，標注問題、系統(tǒng)問題、還是算法問題導致客戶問題無法解決，需后續(xù)跟進整改處理，確保下次遇到相同情況時，不會再出現(xiàn)問題。
其實機器人的訓練，都是一個從0-1，從無到有的過程，就像人從出生開始，接觸的第一個老師是自己的父母，上學之后就是老師，出社會之后是公司，社交圈等等，沒有一步登天的辦法，所有人都需要一個學習的過程，機器人也是一樣。在接觸到這個行業(yè)之后，看著機器人一天天地成長，看著自己的“學生”學到更多的知識，慢慢地變得更聰明，得到認可，得到表揚的時候，那種感覺，真的是無比地自豪，非常有成就感。未來人工智能技術會越來越好，人們的生活會越來越便利。
