知周記｜#1 AI方案中的『人工投入』

摘要：人工智慧不是全自動，仍然要有人先勞力整理，而如何有效地整理，會是重要的行業競爭差異點。

字數：1015

對於人工智慧的認識，多數人會覺得，資料都進去後，自然電腦就會跑出相關的回覆了。

但事實上，資料僅為基礎，如果沒有人工的設定基本的規則與判斷準則，所謂智慧根本就出不來。而設定這些準則或是基礎，目前最為明顯的人工投入，就是人工建立『題目』。

這個說法，至少目前在台灣會是成立的。之所以需要有『人工』來建立題目，是因為目前的人工智慧應用，都是以『監督式』學習的方式來進行的。

監督式學習，間單說法就是，需要有人來告訴電腦究竟什麼是對的，究竟要在什麼樣的規則下面做回答。

畢竟，每一家公司，都會有所謂自己的領域知識Know how那麼針對這些特定的領域知識（Domain Knowledge)就需要有人來做彙整。

這樣的彙整，並不容易，因為過程中需要有相當多的討論。以銀行及的企業來舉例，大概會需要有將近4000~5000題的題目，來做基礎，平均一題需要有20種到30種的不同問法，可想而知，這背後有將近10萬題不同的題目設計。也因此，從前置作業來說，這還真的需要點『人工』的幫忙。

從時間的角度來看，這樣大規模的建置，順利可以在半年內完成，反之，也有可能到八個～十個月才完成。

另一方面，從『題目』角度來看。目前在進行題目的說法中，有所謂的線性流程（Sequential Design)與智能對話（NLP)應用。前者是從程式上來做規則的界定，相對來說，這樣的題目看到都會比較的制式。

而後者，主要是偏向以題目累積，透過自然語言的應用，來達到上下文比對，能夠理解語意與意圖的應用。前者搭配關鍵字的比對，也是目前最多的聊天機器人公司的應用；後者，相對需要有一定的題庫基礎，與中文段詞庫的應用能力，所以相對來說會比較少。

但是不可否認的，不論要採用哪些『智能』方案，都需要交由企業主，和廠商有一段密切的溝通與協調，也就是極為『人工』運作。從筆者的角度來看，目前在進行『調教』與『需求』溝通的過程中，這部分未來會誕生不少新職缺。

因為如何設計一個方便人與機器人對話的流程，目前多半由公司的產品經理，或是外部人員來做設計，但是專門針對題目設計或是介面溝通，同時帶有點技術溝通的角色，仍是相當模糊與缺少。

人工智慧解決方案，實際運作究竟是什麼呢？希望透過實戰的角度，潛談實際在導入智能解決方案時，企業主可以先有個不可免需要『花時間』的認知。只要先有一段的整理期，那麼在未來，就有機會將公司對外的溝通機制轉換成自動化，或是智慧化了。