AI 會讓鑒黃師失業嗎？
「唐馬儒們」這兩年可能正在面臨前所未有的職業危機。
這個因飾演鑒黃師而走紅的角色，激起了大家對鑒黃這個職業的好奇心。南方都市報就曾對這個群體做過調查，得出的結論是：
不知道的以為很黃很刺激，其實挺辛苦，也挺枯燥。平均下來一分鐘要瀏覽50個以上的用戶、上百張圖片，所以盯著電腦都要全神貫注。
這個最先因「掃黃打非」而被公安部門設立的崗位，這些年也成為各大互聯網公司的「剛需」崗位之一。但近年來由於 AI 技術的迅猛發展，辛苦又枯燥的鑒黃師工作正越來越多地被 AI 所替代。
近日，阿里就隆重推出了一位「AI 鑒黃師」。
據公開資料的介紹，阿里AI鑒黃師不僅能鑒別黃片黃圖，連帶有情色信息的語音內容都能識別，甚至無語義的呻吟聲也能識別出來。
在8月21日舉辦2018網路安全生態峰會中，來自阿里巴巴安全部的的資深演算法專家薛暉就為雷鋒網編輯揭密了 AI 圖片鑒黃背後的故事。
為什麼需要 AI 鑒黃？
做電商出身的阿里巴巴，使用 AI 鑒黃最先來自於自身具體業務的需求。
「電商業務場景中，我們需要對大量商家的海量圖片進行審核，那時還沒有 AI 的說法，只是用機器學習的方法來進行圖片的鑒別。」薛暉舉例，在違規售賣的商家中，有些是非惡意的，比如一些受保護的動植物、某些品類的刀具甚至藥物等，某些商家不知道這是不能賣的；還有一些就是「明知故犯」的，比如用色情圖片惡意引流、發布一些做黑灰產的廣告、色情光碟網盤地址等。
隨著商家數量和圖片數量的飛速增長，對效率更高、成本更低的AI鑒圖就有了剛性需求。
後來，隨著阿里在電商、大文娛、社交、雲計算、O2O、視頻、直播等領域的不斷拓展，這項需求愈加強烈，凡是有UGC（用戶產生內容）的業務，都會面臨色情低俗風險。在數據量和演算法技術有一定積累後，這項技術也同時開始對外進行輸出，越來越多的企業和機構也開始使用這項服務。
雷鋒網發現，2015年阿里曾推出「綠網」平台，其最主要的功能之一就是進行色情、廣告等信息的識別和攔截。薛暉告訴編輯，綠網的這個功能，當年也是阿里雲戰略中的一部分，AI 鑒黃的技術是作為賦能生態的一部分。
也就是說，目前用到 AI 鑒黃的業務早已不僅僅是淘寶中的商家，還有千千萬萬使用阿里雲的企業們，比如，近兩年因涉黃而頗受關注的多家直播網站。
從存儲需求到鑒別需求，隨著 AI 鑒黃技術的加入，這項技術會讓阿里雲爭取到更多的用戶。
鑒黃需要攻克的三個關鍵點
提到人工智慧，都會關注三個問題：數據、演算法、算力。
數據方面， 「AI鑒黃師 」首先需要有充足的學習資料。
薛暉透露，首先他們會寫一些自動化爬取圖片的腳本，可以直接到網頁中相應區域進行圖片爬取。目前他們總共瀏覽了近2000家網站，下載了超過6000萬張疑似色情圖片。
但這些圖片僅僅是疑似圖片，還需要進行去重，實際去重後約2300萬張圖片，在這之中，需要人工再進行標識，最終實際標註了超過1300萬張圖片，而這1300多萬張圖片就是最後模擬訓練的原始資料庫。
值得注意的是，數據標準的制定很重要，因為在不同國家、不同行業、不同時期，對色情的標準定義不一樣，比如政府網站和直播網站，就會有不一樣的標準，目前，他們可以給用戶提供一定的操作空間，用戶可以根據自身情況來對風險做不同層次的管控，比如他們會給用戶很多選項，不同的用戶可以自身需要來勾選。
第二個關鍵點是演算法。
比如，10000 張圖片裡面往往有一張屬於色情圖片，但為了識別出這一張圖片，機器掃描的成本是10000次，這就需要模型更輕，速度更快。據薛暉介紹，在演算法方面，他們對神經網路進行了優化，並針對問題的特點做了專門的改進，不光有檢測模型來攔截風險，還部署了圖像檢索引擎，來防範突發的風險。
第三是在算力方面，原來千萬級別的樣本，GPU機器單機單卡的情況下訓練時間要近一個月，後來團隊更換了網路結構並實現了多機多卡訓練，將千萬級別樣本的訓練時間控制在一周左右。換句話說，面對同樣數量的圖片，他們選擇用更多的機器對圖片進行訓練，比如原本需要一周才能訓練完的圖片，現在只需要一天，這樣就可以更快的對模型進行優化，提高迭代速度。
AI 與人工如何合作？
雖然 AI 鑒黃所發揮的能力越來越大，但目前仍然需要人工的干預。
據薛暉透露，目前 AI 鑒黃師對單張圖的判斷準確率要大於99.5%，通常來看，AI對一張圖有三個判斷：違規，可疑，正常。
對於違規和正常的圖片，他們會放過，而對標註為可疑的圖片，則需要人工審核，這部分數據佔比較低，一般小於0.5%。打個比方，有4億張圖片要審，AI識別準確率為99.5%，只有20萬張可疑的圖片，需要人工再審核一次。
另外，據雷鋒網了解，由於黑產針對安全模型也在不斷進行對抗，比如業內很關注的對抗學習（GAN），明明肉眼看是一張色情圖片，但黑產經過處理可以逃避檢測。針對這樣的情況，安全模型也需要不斷進行升級，目前，阿里有跟浙大合作做這方面的研究，之後他們會公布研究結果。
在語音識別這方面，AI也仍需不斷進行完善，在當天的峰會中，來自科大訊飛北京研究院副院長伍大勇舉了這樣一個例子，「黑夜總會過去，白天總會來臨」，這句話本並沒有什麼問題，但在系統中一直過不去，原因是這句話當中有「夜總會」三個字。
也就是說，目前 AI 鑒黃並不能完全取代人工鑒黃，最佳的審核方式是智能為主，人工為輔。由於AI鑒黃師的出現，人工鑒黃師群體會變少，未來人工在圖片鑒黃中的工作將主要集中於打標和審查可疑圖片。
TAG:雷鋒網 |