针对用户需求，不断优化算法，人工智能工程技术人员——
为机器注入智慧力量

日前，人社部等部门向社会发布“区块链工程技术人员”“互联网营销师”等9个新职业，这是我国自《中华人民共和国职业分类大典（2015年版）》颁布以来发布的第三批新职业。

随着我国经济转型升级的推进，人工智能、物联网、区块链等新兴技术在多领域运用，与之相关的新职业应运而生，人工智能工程技术人员便是其一。用户在手机上简单的一键式操作，背后凝聚了人工智能工程技术人员的复杂劳动。他们在每天和机器的对话中，用更精准的模型，让机器更通人性，也让工作与生活变得更加智慧。

——编 者

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。