安妮 发自 北三环西路
量子位 出品 公众号 QbitAI
男默女泪、不看不是中国人、看完惊呆、身份惊人、不看吃亏、癌症凶手……这些标题党文章的惯用词汇，还熟悉吗。
昨天（7 月 30 日），今日头条发布内容健康度检测工具“灵犬 3.0”，不仅能够识别这些低俗内容、暴力内容和标题党，还能支持图片识别功能。
今日头条表示，在文字识别领域，灵犬 3.0 的检测准确率从此前的 85%，上升至 91%。图像识别领域，在数据、模型和计算力方面也做了针对性优化。
这一次，字节跳动 AI 实验室首次揭秘其反低俗系统概况，以及相应的技术原理。
改进了哪里？
这个叫作灵犬的小程序，可以从微信小程序“灵犬反低俗助手”或今日头条内打开。所以，和去年 5 月的灵犬 2.0 小工具相比，3.0 版的灵犬改进了不少。
先是界面有变。此前的检测界面，分为反色情低俗、反暴力谩骂和反标题党三类，新版将这三者合为一体，统一成了文本识别。
左：3.0 版灵犬界面；右：2.0 版灵犬界面
用户只需输入一段文字或文章链接，就能检测内容健康指数，系统返回一个鉴定结果。包括是否可以获得算法推荐，是否需要引入人工判断等。其次，新系统可识别图片，上传图片或其连接，就能一键检测图片的健康指数。
今日头条表示，自去年 3 月推出一代灵犬开始，到今年 6 月为止，灵犬反低俗助手的使用人次已经超过了 300 万。
BERT 加持
字节跳动人工智能实验室总监王长虎表示，和一般的采用分词技术+词表技术文本识别方案不同，灵犬采用 NLP 技术。
相比于上一代，灵犬每更新一次，就进化一次。王长虎表示，1.0 版采用词向量 +CNN 技术，训练数据集包含 350 万数据样本，对随机样本的预测准确率达到 79%。
到了 2.0 版，技术就变成了 LSTM（长短时记忆）+注意力机制，前者擅长对序列进行建模，对长句的识别效果好，后者帮助对句子全局有一定了解。此时训练数据集包含 840 万数据样本，准确率提升至 85%。
王长虎表示，3.0 版灵犬同时应用了BERT和半监督技术，并且在此基础上使用了专门的中文语料，在不牺牲效果的情况调整了模型结构，使得计算效率能达到实用水平。
这一代“灵犬”训练数据集总量是 1.2 个T，相当于 20 倍百度百科或 100 倍维基百科的数据总量，包含 920 万个样本，准确率提升至 91%。
量子位此前报道过，说 BERT 是 2018 年最火的 NLP 模型一点也不为过，它甚至被称为 NLP 新时代的开端。它由 Google 推出，全称是 Bidirectional Encoder Representations from Transformers，意思是来自 Transformer 的双向编码器表示，也是一种预训练语言表示的方法。
王长虎表示，最新图片识别和检测功能的推出，背后也曾面临 3 个技术难点。
一个图像多尺寸问题，解决方式就是多桶模型，每个桶的模型处理不同尺寸的数据。这样，既不会增加模型运算的耗时，还能提升准确率。
二是图像多尺度问题，图片中的人像的尺寸和比例不同，因此研究人员构建了特征金字塔。
三是小目标问题，也就是说低俗内容只有一点点。今日头条采用分割辅助分类网络方案，把低俗位置抠出来，结合区域信息整体分析，解决小目标问题。
AI 内容监管员
今日头条表示，反低俗系统从 2012 年就开始建设了。从创立开始，已经把包括反低俗在内的内容安全，放在公司最高优先级队列。成立之初，已经专门设有审核团队，当时研发所有客户端、后端、算法的同学一共不到 40 人。
王长虎表示，灵犬只是今日头条反低俗系统一个检测的窗口，今日头条的反低俗不止于灵犬，还有类似的数百个模型，解决低俗低质、暴力等内容，还有近万人专业内容审核团队。
AI 代替部分内容审核员的工作，不只今日头条，其他内容平台也都推出过类似产品。
今年 6 月，微信上线了一款叫“珊瑚内容安全助手”的小程序，只要面向公众号内容运营者和小程序开发者，任何人可一键识别内容和产品是否安全，是否可以通过检测。
小程序显示，目前能鉴定图片和文字内容，后续还将陆续上线音频鉴别和视频鉴别。
再比如想用 AI 打造智能社区的知乎，去年 4 月上线了一款专治“答非所问”的机器人瓦力，用机器学习去理解问题下的内容，以快速处理答非所问和辱骂、贴标签等不友善内容，还能识别阴阳怪气（反讽）的回答。
不过效果也得两面看，上线一年多，已经有不少用户觉得瓦力的检测效果略感智障，出现了识别不准、莫名折叠回答的情况。
当然，也少不了不少社交平台的内容检测玩家。
Facebook，一个越活用户近 20 亿的社交平台，每天面临着C端用户贡献的各式各样的图片和文字信息，检测这些内容是否合规，还靠 AI。它们靠一个名为 Rosetta 的机器学习系统，能实时从 10 亿图片和视频中提取文字，识别文字包含的信息，检测内容的安全性。
AI 已经开始大面积内容监管人员，节约了大量人力，但又何尝不是另外一场由人力堆砌的工作呢？
“灵犬”们还需进化，直到不再需要这么多人的那天。
来自:
量子位（ID:QbitAI）
