一台轻薄的笔记本电脑,一部高清的大屏幕显示器,一叠码放整齐的纸张,再加一支随意放着的笔……上午8点,伍大勇早早来到办公室,简洁而工整的案头跃入眼帘。

“瞧,这就是我们日常工作的‘标配’,绝大多数时间在跟机器打交道。”保温杯里泡好茶,伍大勇打开电脑,“我们的工作,一句话总结,就是用算法操控机器学习。”说话间,伍大勇脖子上挂着的工牌来回晃动,上面印着:科大讯飞人工智能高级工程师。

设计模型,和机器对话

“老板拖欠工人工资不讲诚信,我能要求赔偿吗?”

“根据劳动争议调解仲裁法规定,用人单位违反国家规定,拖欠或者未足额支付劳动报酬,劳动者可以向劳动行政部门投诉,劳动行政部门应当依法处理。”

如何与机器实现这样的对话?前阵子,伍大勇收到来自公司的最新任务,公司正在参与研发法律智能问答小程序“民法知道”,任务要求:打开微信小程序,语音输入感兴趣的法律问题,后台自动问答机器人能迅速匹配出对应法律条文,并给出咨询建议。

用户在手机上简单一键式操作,背后是人工智能工程师的复杂工序。接到任务后,伍大勇抽出几张纸放在面前,开始构思模型,奋笔疾书。

一个多小时后,白纸上已被勾画得满满当当。“要让机器听话,首先要能和机器对话,这就要把问答任务转化为机器能处理的算法。”

在伍大勇的图纸上,任务已被清晰地分成三类算法:文本表示算法,为了把问题变成机器能看懂的语言;分类算法,用来解决哪个领域的法律能够适用用户提出的问题;文本匹配算法,用来解决具体法条的对应问题。

上午10点多,伍大勇整理了一下稍显凌乱的案头,看了一眼梳理好的思路,长舒一口气:“‘地基’算是打好了,如果不能很好地转化为机器算法,后续搭起来的程序就难以实现需要的功能。”

短暂起身站了一会儿,伍大勇继续伏坐案边。基本思路敲定,他打开公司网上工作平台,联系数据资源部的同事拿到准备好的数据。“模型设计好后,要在网上大量搜集网友们的各种真实法律问题,并将已有回答中对应的法律法条逐条标注出来,‘投喂’给机器,让它根据算法学习解读一问一答中包含的对应关系。下午将是一场‘重头戏’。”

优化算法,提高精准度

下午1点半左右,下楼吃完午餐,伍大勇匆忙回到办公室,抓紧时间把上午写在纸上的算法模型敲成电脑里的一行行代码。

“这一步是关键。”伍大勇坐下后,一边紧张地飞速敲代码,一边告诉记者,“别看这个功能用起来简便,得敲几百行,今天下午怕是弄不完。”

在“吧嗒吧嗒”的敲击键盘声中,3个多小时飞逝而过。伍大勇抬手一看,将近下午5点,转头看电脑屏幕,任务完成了一半多。他指着程序里密密麻麻的字符串介绍,“开头一段代码在定义问答中涉及的各种问题变量,接下来是调用各种算法,让机器一步步学习问答之间的逻辑关系。”

“今天完成的部分还不是人工智能工程师的全部,我个人的工作也只是人工智能浩繁领域中的一小部分。”伍大勇说,写完模型构建的代码后,要导入之前准备好的数据,在机房里大规模服务器上进行模型训练。其间,往往是漫长的等待,有时候训练过程要好几天。

然而初次等到的结果,大多数是不理想的。“你输入‘我被别人打了,要怎么办?’,它反馈的答复可能是不太相关的法律条文。”真正做到有模有样,让用户满意,要持续优化模型,反复训练机器,直到它能给出精准的法条。在伍大勇看来,优化才是人工智能工程师的工作本质,也是夜以继日不断追逐的职业目标。

模型的精准度越高,越能体现这一职业的技术含量。说到这里,伍大勇不觉语速加快,“机器精准度不可能达到百分之百,我要做的就是每天不停优化算法,让机器更通人性,有时提升一个点,要耗费好几个月,但也足够兴奋好几天!”

学习新知,练就“最强大脑”

当好一名人工智能工程师不容易。对机器的训练既检验着计算机等基础设施的算力,更考验着工程师自身的脑力。

“要想让人工智能程序回答得更精准,必须大量学习和积累新的算法模型,从而更好地训练人工智能。”伍大勇认为,这一行最突出的特点就是更新迭代非常快,五六年前的一些方法在今天看来已经有些过时,这就要求从业者不停学习、不断更新知识体系。

夕阳西下,伍大勇走到办公室墙角处,靠墙立着的书架上摆满一系列跟算法和编程相关的工具书。“这些只是基础,还要参加各类人工智能学术会议与论坛,翻阅行业内最前沿的研究论文,知晓学界和业界提出的新算法模型。”

从大学毕业进入中国科学院计算技术研究所从事自然语言处理研究工作,到3年前转入科大讯飞北京研究院做人工智能工程师,在行业的浸染中,伍大勇如今已是人工智能领域的行家里手。

“成为一名人工智能工程师需要具备数学计算能力、对人工智能技术的理解能力以及系统科学和软件工程专业背景知识。”除此之外,伍大勇每天都要抽出2—3个小时学习和吸收新知识,让自己处在不断充实的过程中。

晚上6点左右,格子间工位上的员工纷纷散去,伍大勇合上电脑,查看手机上明天的日程安排:早上9点,部门有一场电视在线会议,继续讨论小程序在法律法条检索与自动推荐方面可能的优化方向。他说,疫情防控期间,远程办公、视频会议成为主要工作方式,更多远程在线庭审系统的运用,也促使人工智能工程师不断调整研究工作。

不远处,在办公室的玻璃墙上,下一款新产品的设计流程图清晰可见:从研究、开发到测试、部署,形成一条以人工智能工程师为主导的生产线。

“在科幻电影里,人工智能可以与人类展开自由交流,那是人工智能的未来,也是我们努力的方向。”伍大勇说,虽然那样的场景还很遥远,但在人工智能这个新兴产业中,有越来越多的人才加入其中。在一个个具体任务中,在一次次优化训练中,未来值得期待。(记者 韩鑫)

■记者手记

新职业助推新升级

人工智能是什么?身处这个行业多年,伍大勇给出自己的答案——不单单是一项前沿技术,更是一种趋势,而人工智能工程技术人员则是实现这一趋势的重要动力。

如今,从生产线上的工业机器人到高速路上的智能导航仪,从语音转化翻译器到面部识别摄像头,以人们对智慧生活的需求为驱动力,越来越多的人工智能应用落地成真。

可以看到,在相关应用层出不穷的背后,人工智能工程技术人员这个新职业群体已经逐渐趋于稳定。同时,一条从数字化到智能化的产业升级路径也逐渐清晰。

未来,如何才能更好激发新职业群体的活力,助力传统产业焕发新生命力?

一方面,在“量”上下功夫。应加强系统性培育人工智能工程技术人才的力度,增加市场供给量,逐步缩小旺盛产业需求和稀缺人才资源之间的差距。

另一方面,在“质”上花力气。越是前沿,越是考验“脑力”,着眼于技术进步,要强化多层次学术探讨和业务合作,共同推动人工智能技术向纵深发展。

推荐内容