我在鹅厂教机器人说话

边码故事
+ 关注
2022-12-16 10:26
284次阅读
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

                                               

我在鹅厂教机器人说话

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。

现在一谈到人工智能,很多人第一反应都是当年名震天下的那支阿法狗。阿法狗当年只需要记住历史上那些著名的棋局,就能击败人类的棋王,而人工智能客服面对的,则是海量用户千奇百怪的需求,与之相对应的,是需要培育和建立起海量的语料和模型。

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。

我在鹅厂教机器人说话

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。

我在鹅厂教机器人说话

“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。

我在鹅厂教机器人说话

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”。

我在鹅厂教机器人说话

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。

我在鹅厂教机器人说话

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。

我在鹅厂教机器人说话

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。

我在鹅厂教机器人说话

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。

本文来自微信公众号“边码故事”(ID:tech-kk),作者:白莉莉,36氪经授权发布。

0
相关文章
最新文章
查看更多
关注 36氪企服点评 公众号
打开微信扫一扫
为您推送企服点评最新内容
消息通知
咨询入驻
商务合作