ChatGPT爆火后，AI训练师决定跑路

“AI多智能，我好像都不会意外了。”

去年下半年起，AI正一次次地刷新着人类的认知。

2022年10月，AI绘画小程序爆火，随后出现的种种AI绘画工具，不仅可以将日常照片“动漫化”，甚至只要几秒，就能把线稿转化为完成度极高的画作，一度催生“AI绘画进步得太快了”的热搜。

今年2月上线的ChatGPT引发全网试玩，也成为公众号和视频博主们的热点选题。

上周，微软的Copilot一出，打工人似乎看到了“解放”的曙光。

只需一个指令，就能做PPT、写文章、处理数据、起草邮件……

这届AI，真的要“杀疯了”。

然而，想要多智能，就要多人工。无论是GPT4这样的“最强大脑”，还是生活中常见的智能机器人，都要从AI训练师的“教学”开始。

“AI训练师”的名头或许和科技很近，他们的实际工作，却离“工具人”不远。

AI训练师赛赛把训练机器人比作教小孩，“有输入才有输出，只不过小孩可能教一遍就会，机器人要重复教很多遍才行”。

从业者韩星则把教学过程比作“喂饭”，一张图、一句话乃至一个标点符号，都需要人工“喂”给AI。

“比如禁止鸣笛的标识，白天是白底红框黑图案；但晚上可能受灯光影响，变成深蓝色底墨绿色图案。要收集几千张甚至上万张不同角度、色彩下的照片，告诉AI，这些都是不能鸣笛的意思。”

数据标注是AI训练的基础，有些数据标注的工作会被外包，成为社交平台上“宝妈”“返乡青年”再就业的新选择，也有一些会交给AI训练师。

从业3年的番茄解释，“简单来说，AI训练师的工作范围更大一些”。

在入行已经5年的赛赛看来，较为常见的人工智能应用场景是智能客服。

手机银行里24小时在线的顾问、购物软件中有问必答的售后，都是训练师们的工作成果。

通常，AI训练师会根据应用场景和面向人群，给AI输入匹配的语料库；或是对人工客服工作中积累的素材进行处理，形成客户公司专属的语料库。在这个基础上，帮助机器人更好地识别问题。

“理财产品收益多少”和“我老伴住院要取钱，但我们都不记得她的卡密码怎么办”，这两个问题。前者简洁聚焦，AI可以轻易地回复对应答案，后者则比较复杂，“老伴住院”“不记得密码”“她的卡”，AI训练师需要帮助AI，在这一段信息里，精准锁定用户的需求。

“教学”过程中，AI训练师还需要及时纠正AI的错误。

赛赛把AI答非所问的情况称为Bad Case，她的工作之一，就是分析问题出在哪里。多数Bad Case会对接给算法团队，“如果他们分析可以优化，会在积累到一定程度后迭代”。更简单的解决方式是添加语料，把AI无法识别的问题放入语料库，然后告诉它要如何回答。

番茄说，自己很少在工作中见到算法迭代，“NLP（自然语言模型）算法是嵌入产品中的，填入语料后会自动生成结果。只有结果产生很大偏差时，才会对算法进行调整。”

通常，AI训练师们可能会接手不同的项目，涉及各个领域，如保险、汽车、金融、传统制造业、市政项目……在对应领域有工作经验的人，更容易上手工作。赛赛所在的团队做过一个母婴项目，“当时只有一位同事有孩子，她就比较知道妈妈们会问什么。”

转聘软件上的岗位要求可以佐证经验的重要性，HR们写道：有客服经验优先，有呼叫中心/运营商工作经验者优先。

免责声明: 本文来自梵星网创作者，不代表梵星网的观点和立场。 本网页内容均来自网络采集，如果侵犯了您的权益请与我司联系。