AI是如何檢測色情片的？

2018年12月17 日，Tumblr(湯博樂)網(wǎng)站宣布即日起全面禁止色情內(nèi)容。當(dāng)這項新的政策實施了兩周后，就立馬暴露出了問題。在Tumblr的人工智能系統(tǒng)成功部署后，它對一些中立的內(nèi)容進(jìn)行了錯誤標(biāo)記，導(dǎo)致該網(wǎng)站的4.554億個博客和1662億個帖子無辜躺槍。它們的內(nèi)容僅包含花瓶、女巫、魚類以及介于它們中間的所有內(nèi)容。

目前該公司并未對此有任何回應(yīng)，也不清楚Tumblr使用的是何種內(nèi)容過濾技術(shù)，或者是否創(chuàng)建了自己的內(nèi)容過濾系統(tǒng)，但顯然，社交網(wǎng)站在政策和技術(shù)方面都陷入了困境。例如，關(guān)于“女性乳頭”和“藝術(shù)裸體”的外延，Tumblr 認(rèn)為是取決于上下文語境，這透露出Tumblr自己也不確定它想要在平臺上禁止什么內(nèi)容。也難怪，站在企業(yè)的立場，究竟該如何定義“淫穢”內(nèi)容呢?

如果難以定義，就很難阻止“淫穢”內(nèi)容

首先，定義“淫穢”本是個陷阱。歷史可以追溯到1896年左右，當(dāng)時美國首次通過規(guī)范“淫穢”的法律。1964 年，“雅各貝利斯訴俄亥俄州”一案中，關(guān)于俄亥俄州是否可以禁止出演著名的路易·斯馬勒(Louis Malle)電影，最高法院給出了可能是迄今最著名的有關(guān)“硬核色情”的一句話。

“我今天不打算進(jìn)一步去定義我所理解的那種在速記中被包含的內(nèi)容，‘硬核色情片’，也許我永遠(yuǎn)也不會成功地做到這一點。但我知道，當(dāng)我看到它的時候，它的動作畫面就不是這樣了。” 法官波特·斯圖爾特在他的贊同意見中如是說。

機器學(xué)習(xí)算法也處于同樣的窘境，這是Picnix(一家提供定制化AI服務(wù)的公司)?的首席執(zhí)行官Brian DeLorge正試圖解決的問題。Iris是其產(chǎn)品之一，專門用于檢測色情內(nèi)容的客戶端應(yīng)用程序。正如DeLorge所說，“誰不希望生活中有點色情內(nèi)容?”他指出另一個問題，色情片可以是很多不同的東西，但色情與非色情圖像會共享相似的圖像特征。

一張海灘上派對的照片可能被封殺不是因為它上面展現(xiàn)的皮膚比一張辦公室的照片更多，而是因為它觸碰到色情圖像的邊緣線了。“這就是為什么很難將圖像識別算法訓(xùn)練成一種可廣泛應(yīng)用的解決方案，”DeLorge繼續(xù)說到，“如果關(guān)于“淫穢”的定義對人類來說很困難，那對機器學(xué)習(xí)技術(shù)來也同樣如此。”如果人們無法就色情是什么達(dá)成一致，那么AI是否有望學(xué)習(xí)里面的差異呢?

教 AI 如何檢測色情片，第一件事就是收集色情片作為訓(xùn)練集

網(wǎng)上有很多的色情片。在哪里可以得到它們呢? “人們經(jīng)常從Pornhub、XVideos等網(wǎng)站下載，”Lemay.ai的聯(lián)合創(chuàng)始人兼首席技術(shù)官Dan Shapiro說到。Lemay.ai是一家為其客戶創(chuàng)建 AI 過濾技術(shù)的初創(chuàng)公司。“這是一個合法的灰色地帶，但如果你正在使用其他人的內(nèi)容進(jìn)行訓(xùn)練，(訓(xùn)練)結(jié)果是否屬于你?”

從你最喜歡的色情網(wǎng)站獲得訓(xùn)練數(shù)據(jù)集之后，下一步是從色情的視頻中刪除所有不是色情內(nèi)容的幀，以確保你正在使用的幀不是像一個拿著披薩盒子的人。平臺會向大多數(shù)美國以外的人付費，來標(biāo)注這些內(nèi)容。這通常是一個低工資的重復(fù)勞動，就好像那些每次填一個驗證碼的工作。Dan Shapiro說到，“他們只是標(biāo)注像‘這種色情片’或‘那種色情片’。通常你還可以再過濾一下，因為色情片上已經(jīng)有很多可用的標(biāo)簽了”。當(dāng)你使用不僅僅包含色情內(nèi)容的大數(shù)據(jù)集時，訓(xùn)練效果往往會更好。”

Shapiro說：“很多時候，你不僅需要過濾色情內(nèi)容，而且也需要過濾掉與色情內(nèi)容相近的東西。像人們貼出的這些虛假檔案，一張女孩的照片，一個電話號碼。”在這里，他指的是尋找客戶的性工作者，但很容易就被誤認(rèn)為是合法問題。“這不是色情片，但它是你不想放在平臺上的東西，對嗎?”一個好的自動化的檢測模型至少需要在數(shù)百萬級的內(nèi)容上進(jìn)行訓(xùn)練，這意味著需要投入大量的人力。

“這就類似于孩子和成年人間的不同，”Clarifai的創(chuàng)始人兼CEO?Matt Zeiler說道，Clarifai是一家為企業(yè)客戶提供圖像過濾的計算機視覺創(chuàng)業(yè)公司。“我可以說這是事實，幾個月前我們剛生了一個孩子。他們對這個世界一無所知，一切都是新的。“你必須向?qū)殞氄故竞芏鄸|西，以便他們學(xué)習(xí)。“你需要數(shù)以百萬計的例子，但對于成年人，由于現(xiàn)在我們已經(jīng)擁有了很多關(guān)于世界的背景知識，并理解它是如何運作的，我們只需要幾個例子就可以學(xué)到新東西，”他說。

上述文字解釋一遍就是：訓(xùn)練AI系統(tǒng)來過濾成人內(nèi)容，就好比向?qū)殞氄故敬罅康纳閮?nèi)容。

今天，像Clarifai這樣的人工智能技術(shù)供應(yīng)商已經(jīng)成長起來了。他們對世界有很多基礎(chǔ)知識，也就是說他們知道狗是什么樣，貓是什么樣，什么是樹，什么不是樹，以及最重要的，什么是裸體，什么不是裸體。Zeiler的公司使用自己的模型為其客戶訓(xùn)練新模型，因為原始模型已經(jīng)能處理很多數(shù)據(jù)，因此定制的版本僅需要來自客戶的新訓(xùn)練數(shù)據(jù)，就能啟動和運行。

人工智能算法的判斷不一定準(zhǔn)確?

對明顯是色情的內(nèi)容，分類器效果很好;但它可能會錯誤地將內(nèi)衣廣告標(biāo)記為色情，因為圖片中的皮膚比例更多。(例如，分類器很難正確分辨比基尼和內(nèi)衣。)這意味著做標(biāo)簽的人必須對那些模棱兩可的訓(xùn)練集更細(xì)心，需要優(yōu)先考慮模型難以分類的內(nèi)容。那其中最難的一個例子是什么呢?

“動漫色情片。我們的第一版色情檢測算法沒有接受過任何卡通色情內(nèi)容的訓(xùn)練。”很多時候人工智能系統(tǒng)會失敗，因為它不理解什么是變態(tài)。“因此，一旦我們?yōu)樵摽蛻糇鲞@樣的工作，我們就將大量數(shù)據(jù)整合到模型中，就大大的提高了檢測漫畫的準(zhǔn)確性，并同時保持了在真實照片上的檢測準(zhǔn)確率，”Zeiler說。“你不知道你的用戶會做什么。”

用來檢測色情片的技術(shù)也可以用來檢測其他東西。系統(tǒng)的基礎(chǔ)技術(shù)非常靈活。這個靈活度比得上動漫里夸張的胸部。Perspective，是一個來自 Alphabet's Jigsaw的被廣泛用于報紙自動評論的模型。

Jigsaw的溝通主管Dan Keyserling說，在Perspective之前，“紐約時報”只對大約10%的作品發(fā)表評論，因為他們的版主可以在一天內(nèi)處理的數(shù)量有限。他聲稱Jigsaw的產(chǎn)品可以使這個數(shù)字增加三倍。該軟件與圖像分類器的工作方式類似，不同之處在于它對“毒性”進(jìn)行排序，它們定義“毒性”為某人可能會根據(jù)評論而不是色情進(jìn)行的對話。(毒性在文本評論中同樣難以識別，就好比識別圖像中的色情圖像。)再比如，F(xiàn)acebook使用類似的自動過濾技術(shù)來識別有關(guān)自殺的帖子和內(nèi)容，并試圖利用該技術(shù)在其龐大的平臺上發(fā)現(xiàn)虛假新聞。

整個事情仍依賴于標(biāo)記數(shù)據(jù)才能發(fā)揮作用

Zeiler并不認(rèn)為他的產(chǎn)品會讓任何人失業(yè)。它本來就是在解決互聯(lián)網(wǎng)上的“尺度問題”。一個婚禮博客Clarifai使用其產(chǎn)品來進(jìn)行自動化的內(nèi)容審核，而以前負(fù)責(zé)審批圖像的編輯則轉(zhuǎn)向從事定性標(biāo)記的任務(wù)。這并不是要降低自動化下真正的人力成本。人們必須對AI進(jìn)行訓(xùn)練，并對內(nèi)容進(jìn)行分類然后進(jìn)行標(biāo)記，以便AI能夠識別哪些不能或可能導(dǎo)致創(chuàng)傷后應(yīng)激障礙(PTSD)。

這才是未來應(yīng)有的樣子：公司提供個性化，現(xiàn)成的解決方案，使其全部業(yè)務(wù)能夠在越來越多的數(shù)據(jù)上訓(xùn)練更好的分類器。就像Stripe and Square為不想在內(nèi)部處理支持的企業(yè)提供現(xiàn)成的支付解決方案一樣，而AWS已經(jīng)確立了自己作為托管網(wǎng)站的地位，像Zeiler的Clarifai、DeLorge的Picnix、Shapiro的Lemay.ai等創(chuàng)業(yè)公司正在爭相成為在線內(nèi)容審核的一站式解決方案提供商。Clarifai已經(jīng)擁有適用于iOS和Android的軟件開發(fā)套件，Zeiler表示正在努力讓產(chǎn)品在物聯(lián)網(wǎng)設(shè)備(如安全攝像頭)上運行，但實際上，那意味著每個設(shè)備上都需要有優(yōu)化的AI芯片或足夠的終端計算資源。

Lemay.ai的Dan Shapiro滿懷希望。“與任何技術(shù)一樣，它還沒有完全發(fā)明成功，”他說。“所以這樣做是不合理的，就好比我對一家公司的安排不滿意，就開始想著放棄。”但無監(jiān)督學(xué)習(xí)是否是一條好的出路?這就比較費解了。他說：“你需要從某些地方獲得訓(xùn)練數(shù)據(jù)”，這意味著總會涉及到人的因素。“不過這是一件好事，因為它會減輕人們的壓力。”

另一方面，Zeiler認(rèn)為AI終有一天能夠自己適應(yīng)一切。他說：“我認(rèn)為很多人的努力方向?qū)⑥D(zhuǎn)變?yōu)槿斯ぶ悄芙裉鞜o法做到的事情，比如高級推理、自我意識，就像人類所擁有的那樣。”

識別色情片就是其中的一部分。識別它對于人來說是一項相對簡單的任務(wù)，但訓(xùn)練算法識別其中的細(xì)微差別卻要困難得多。弄清楚檢測模型將圖像標(biāo)記為色情或非色情的閾值也很困難，而且還受到數(shù)學(xué)上的限制。該函數(shù)稱為精確-召回率曲線(precision-recall curve)，它描述了模型返回結(jié)果的相關(guān)關(guān)系，但是人類需要的是靈敏度。

正如Alison Adam在其1998年出版的《人工知識：性別與機器思維》一書中提到的那樣，無論是學(xué)習(xí)、在空間中移動和互動、推理，還是使用語言，AI的目的是“模擬人類智能的某些方面”。AI是我們?nèi)绾慰创澜绲囊粋€不完美的鏡子，就像色情是當(dāng)兩個人獨處時的反應(yīng)一樣：它可以說是一種片面性的真理，但卻不是整個全貌。【責(zé)任編輯/李小可】

(原標(biāo)題：AI是如何檢測色情片的?)

來源：網(wǎng)易智能

IT時代網(wǎng)(關(guān)注微信公眾號ITtime2000，定時推送，互動有福利驚喜)所有原創(chuàng)文章版權(quán)所有，未經(jīng)授權(quán)，轉(zhuǎn)載必究。
創(chuàng)客100創(chuàng)投基金成立于2015年，直通硅谷，專注于TMT領(lǐng)域早期項目投資。LP均來自政府、互聯(lián)網(wǎng)IT、傳媒知名企業(yè)和個人。創(chuàng)客100創(chuàng)投基金對IT、通信、互聯(lián)網(wǎng)、IP等有著自己獨特眼光和豐富的資源。決策快、投資快是創(chuàng)客100基金最顯著的特點。

相關(guān)文章

谷歌前總裁：美國必須“不惜一切代價”在人工智能研發(fā)上擊敗中國

馬斯克再次警告：人工智能可能會統(tǒng)治全人類

AIoT芯片行業(yè)面對新挑戰(zhàn)：阿里巴巴/聯(lián)發(fā)科/微美全息等啟動芯片戰(zhàn)略

【新知】馬斯克：腦機接口或一年內(nèi)植入人腦，可修復(fù)任何大腦問題