打開(kāi)電腦，將采集的風(fēng)聲、雨聲、溪流聲等聲音數據輸入，“清洗”掉夾雜其間的噪音，對助聽(tīng)器數據模型進(jìn)行“訓練”，測試模型在真實(shí)場(chǎng)景的靈敏度……伴隨著(zhù)手指敲擊鍵盤(pán)的“啪嗒啪嗒”聲，騰訊天籟實(shí)驗室人工智能訓練師付聰一天的工作就此開(kāi)始。

近幾年，隨著(zhù)人工智能技術(shù)不斷發(fā)展，這個(gè)被稱(chēng)為人工智能訓練師的職業(yè)逐漸壯大。作為“數字職業(yè)”之一，人工智能訓練師的出現，加速了人工智能由技術(shù)研發(fā)走向行業(yè)應用的過(guò)程，將產(chǎn)生較高的經(jīng)濟價(jià)值和社會(huì )價(jià)值。

為模型不斷“喂”數據

每次出門(mén)時(shí)，付聰總會(huì )在耳朵上戴一個(gè)大“耳環(huán)”。

這個(gè)“耳環(huán)”其實(shí)是一個(gè)測試版的助聽(tīng)器?！岸h(huán)”里的聲音各式各樣，有呼呼的噪聲，有尖銳刺耳的吵鬧聲……這些經(jīng)過(guò)助聽(tīng)器放大后產(chǎn)生的噪聲，是很多佩戴助聽(tīng)器的聽(tīng)障人士長(cháng)期面臨的困擾。

付聰和他的團隊正在嘗試利用算法設計、通過(guò)人工智能技術(shù)“訓練”數據模型，讓助聽(tīng)器更加“智慧”地降低噪聲，讓聽(tīng)障人群聽(tīng)得清、聽(tīng)得懂、聽(tīng)得舒服。

付聰解釋說(shuō)，助聽(tīng)器數據模型很小，因此需要針對不同場(chǎng)景進(jìn)行優(yōu)化，很多場(chǎng)景充滿(mǎn)挑戰，“比如一個(gè)聽(tīng)障人士在餐廳吃飯，周?chē)泻芏嗳苏f(shuō)話(huà)，他想跟對面的人聊天，四周聲音特別嘈雜，作為一個(gè)正常人都可能聽(tīng)不清楚，更何況一個(gè)有聽(tīng)力障礙的人？我們希望利用模型，把需要的聲音提取出來(lái)，降低噪聲，幫助更多聽(tīng)障人群”。

理想很豐滿(mǎn)，但是實(shí)際的模型算法研發(fā)過(guò)程卻像是一場(chǎng)反復進(jìn)行的“戰役”。

模型的研發(fā)過(guò)程大致分為以下幾步：數據采集、數據“清洗”、模型訓練、場(chǎng)景測試、調整算法，經(jīng)過(guò)幾次迭代之后再測試、調整，“如果測試結果不理想，需要把這個(gè)過(guò)程再走一遍，直到得到最優(yōu)效果”。付聰說(shuō)。

數據采集要有針對性。為了讓模型更“聰明”，需要針對不同場(chǎng)景采集各種特殊數據。付聰和團隊成員不僅需要到早晚高峰的地鐵、熱鬧喧天的餐廳、人來(lái)人往的馬路等場(chǎng)景，采集數百個(gè)小時(shí)的聲音數據，還要戴上助聽(tīng)器體驗這些聲音的差別，“比如風(fēng)聲，正常人聽(tīng)到是呼呼聲，但戴上助聽(tīng)器以后，是很吵的噗噗聲，像是去KTV唱歌，聲音使勁砸到麥克風(fēng)上”。道路騎行、海邊風(fēng)浪……為了采集各種風(fēng)噪數據，付聰錄制了多種場(chǎng)景的風(fēng)聲。

數據“清洗”是將不需要的數據“洗掉”。付聰舉了一個(gè)例子——風(fēng)聲，真實(shí)場(chǎng)景下會(huì )夾雜汽車(chē)鳴笛、人交談等聲音。在整理時(shí)要把這些數據剔除出來(lái)，保留一個(gè)比較純粹的風(fēng)聲，這樣模型才會(huì )“認識”風(fēng)。

模型訓練是將“清洗”好的數據“喂”給模型。除了采集的特殊數據，付聰和他的同事們還會(huì )加入諸如世界各國的語(yǔ)言和一些非語(yǔ)音聲音等數據，“基本涵蓋了人們生活中遇到的所有噪聲和語(yǔ)音”。

和人類(lèi)不同，人工智能模型在訓練過(guò)程中，不會(huì )疲憊、煩躁、發(fā)脾氣，它們的“智慧”取決于模型參數、訓練策略、數據量等?！八鼈兙拖褚粋€(gè)‘孩子’，會(huì )越來(lái)越‘聰明’，識別到越來(lái)越多的聲音，我特別有成就感?！备堵斦f(shuō)。

考驗耐心、細致和忍受力

模型訓練完成后，并不意味立刻能應用到聽(tīng)障人群的助聽(tīng)器上，還要經(jīng)歷較長(cháng)時(shí)間的迭代、調整過(guò)程。

比如，為了讓聽(tīng)障人群適配到合適的助聽(tīng)器，傳統方式是患者反復到線(xiàn)下的驗配店去試戴，過(guò)程繁雜。付聰解釋說(shuō)，一般情況下，根據發(fā)病原因不同可以將聽(tīng)力下降分為三類(lèi)：感音神經(jīng)性、傳導性、混合性耳聾；根據聽(tīng)力下降的程度不同，分為輕度、中度、重度及極重度耳聾。針對不同的類(lèi)型，助聽(tīng)器的適配方式有所不同。

有沒(méi)有可能把適配過(guò)程搬到“線(xiàn)上”，利用人工智能算法和深度學(xué)習能力，讓聽(tīng)障人群在線(xiàn)上就能做準確的聽(tīng)力驗配？帶著(zhù)這個(gè)疑問(wèn)，付聰開(kāi)始研發(fā)適配算法。他將這個(gè)過(guò)程比喻為做應用題，需要查詢(xún)國內外文獻、檢索現有方案，根據具體的使用環(huán)境，利用現有知識開(kāi)展合理想象、設計實(shí)驗、尋找答案。

這個(gè)過(guò)程考驗人工智能訓練師的耐心、細致。在測試助聽(tīng)器音質(zhì)時(shí)，不同的佩戴方式，對應不同的測試結果。付聰和同事需要以“N×N”排列組合設計不同的佩戴方式，并且不斷重復試驗，來(lái)研究其對音質(zhì)產(chǎn)生的影響。

這個(gè)過(guò)程十分考驗人工智能訓練師的忍受力?！耙粋€(gè)人工智能訓練師的基本素養，就是強迫自己聽(tīng)很多次刺耳的聲音?！备堵敱硎?，這是因為訓練師需要定量衡量聽(tīng)障患者能正常聽(tīng)到的聲音極限點(diǎn)，而這些聲音的分貝數是正常人耳難以忍受的，“很多時(shí)候恨不得把耳機摔掉。經(jīng)過(guò)一天測試，整個(gè)腦袋都感覺(jué)疼”。

經(jīng)過(guò)不斷迭代、調整，內置了算法的助聽(tīng)器終于完成了。最讓付聰難忘的是他們第一次到廣東韶關(guān)捐贈產(chǎn)品，他們把助聽(tīng)器挨個(gè)交到聽(tīng)障老人手上，開(kāi)機、戴設備、調整增益……“雖然我對模型很有信心，但當時(shí)還是感覺(jué)心提到了嗓子眼，因為在此之前，老人們是無(wú)法正常交流的?！备堵斦f(shuō)。

他小心地詢(xún)問(wèn)一個(gè)老人：“您能聽(tīng)到我在說(shuō)什么嗎？”

“可以了?！崩先司徛謭远ǖ貜目谥姓f(shuō)出3個(gè)字。

“那時(shí)候我覺(jué)得，我們做的這個(gè)事情挺有意義的?！备堵斦f(shuō)。

用技術(shù)解決人類(lèi)需求

人工智能訓練師是一個(gè)需要忍受孤獨的職業(yè)，因為他們大量的時(shí)間是在設計方案、寫(xiě)代碼、采集數據、訓練模型中度過(guò)的。

“我戰勝孤獨的秘密是興趣?！备堵數膶?zhuān)業(yè)是通信，其中很多課程和信號處理相關(guān)，他平時(shí)比較喜歡音樂(lè )，因此就將自己的興趣和專(zhuān)業(yè)、工作結合起來(lái)，聚焦音頻領(lǐng)域，大學(xué)畢業(yè)后參與了很多有關(guān)音頻信號處理的工作，經(jīng)歷了音頻算法從傳統算法到人工智能算法，再到大規模深度學(xué)習的各個(gè)階段。

在付聰看來(lái)，人工智能技術(shù)是一個(gè)很好的工具，目的是將人類(lèi)從很多腦力勞動(dòng)中解放出來(lái)，用規?；姆绞饺ヌ娲壳俺杀据^高的個(gè)體勞動(dòng)。對整個(gè)社會(huì )而言，這是一種生產(chǎn)力的進(jìn)步，有著(zhù)巨大的社會(huì )價(jià)值和商業(yè)價(jià)值。

成熟的人工智能技術(shù)是什么樣？付聰認為需要經(jīng)過(guò)3個(gè)階段：一是感知智能，核心在于模擬人的視覺(jué)、聽(tīng)覺(jué)和觸覺(jué)等感知能力，比如人臉識別、語(yǔ)音識別等；二是認知智能，具有人類(lèi)思維理解、知識共享、行動(dòng)協(xié)同或博弈等特征，“能夠真正理解人在說(shuō)什么，根據一些提示，提供相對完整的回答”；三是行為智能，也就是像自動(dòng)駕駛一樣，真正可以在物理世界發(fā)揮作用。

達到這樣的目標，需要對人工智能模型不斷進(jìn)行訓練。付聰表示，首先需要針對問(wèn)題準備足夠多的數據，“多到盡量涵蓋解決這個(gè)問(wèn)題時(shí)所遇到的所有情形”；其次需要設計很好的算法，并根據用戶(hù)反饋不斷優(yōu)化。

“人工智能技術(shù)領(lǐng)域日新月異，要求人工智能訓練師有廣闊的視野、深厚的人文情懷和社會(huì )責任感，用業(yè)界最新想法、理念和正確的倫理觀(guān)來(lái)幫助人類(lèi)解決生產(chǎn)生活中遇到的問(wèn)題?！备堵斦f(shuō)。