聚焦信息技术领域为产业发声
导读
近日《法制晚报》发表了一篇《拼多多现违法涉黄涉暴力商品》的文章。文章中指出拼多多APP商品上架审核不严，APP中出现了各种违禁的物品，包括开刃刀、伪基站设备、摩托车车牌及以幼女为噱头的充气娃娃等等。对此，6月8日上午，全国“扫黄打非”办公室发声，称已对“拼多多”平台涉嫌违法违规问题进行了深入核查，相关线索已移交有关地方进行查处。
拼多多官方也在社交媒体中做出了回应，称拼多多对此事高度重视，马上进行紧急排查并启动全面、系统清理，关闭涉事店铺，下架违规商品。情节严重的店铺已被列入平台“黑名单”。拼多多还指出，“我们希望全电商行业一起推动图片识别、AI巡检技术的进步，未来能够彻底清除该类商品，营造电商发展的健康环境。”
据人民日报指出，电商行业作为发展历史不久的行业，涉黄涉暴的问题却是积重难返。不过，也有不少电商品牌在识别涉黄涉暴信息上做出来自己的努力。拼多多所希望的图片识别、AI巡检技术已经在不少电商平台上得到了应用。
“鉴黄”的无非两种方法，人工“鉴黄”和技术“鉴黄”，一般而言，机器会对图片进行初次审核，审核不能通过的再用人工进行筛查。
对于很多人而言，技术鉴黄似乎很神奇。其实，技术“鉴黄”不过是应用了图像识别功能，将不符合规定的内容进行识别然后删除即可。
首先，鉴黄主要有一个标准：什么样的图片叫做黄图。比如我们先把露点的图片归类到黄图，再明确一点，就是男性露下体，女性露乳房或者下体的图。对于机器而言，图片鉴黄大致要从三个方向鉴定：是否有人物、人形轮廓的肤色比例、姿态分析。
其次，收集样本。有了定义之后，我们就要根据定义来收集样本数据。等积累了大量的图片数据后，我们就可以从里面筛选出部分图片作为训练的数据。由于定义的分类数量非常多，我们不得不对图片进行进一步分类打标签。
下一步，便是训练模型并进行验证。据图普科技工程师解释，通俗讲，可以把深度学习理解为一个空白的大脑，海量数据就是灌输进来的经验。当我们把大量的色情、性感、正常的样本的属性告诉深度学习的引擎，让引擎不断学习，然后把他们做对的进行奖励，做错的就惩罚，当然这些奖励和惩罚都是数学上的，最后空白的脑袋就会学成了一种连接的模型，这种模型就是为了鉴别色情与非色情而生的。
不过，就目前而言，AI鉴图并无法解决拼多多的困境，想要真正解决“涉黄涉暴”的问题，还得有更严格的审核机制和人工干预。希望3亿人都在用的拼多多能挺过“三年之痒”！
閱讀更多 木蘭花開 的文章
