面對(duì)海量信息 如何實(shí)現(xiàn)內(nèi)容識(shí)別

互聯(lián)網(wǎng)平臺(tái)的出現(xiàn)以及移動(dòng)傳播體系的形成，改變了人類(lèi)內(nèi)容生產(chǎn)和分發(fā)的方式。從形態(tài)上，互聯(lián)網(wǎng)平臺(tái)代替?zhèn)鹘y(tǒng)媒體成為了信息聚合和分發(fā)的樞紐；從傳播關(guān)系看，社會(huì)成員個(gè)體的參與愿望及信息需求，形成了當(dāng)代社會(huì)信息交互的雙輪驅(qū)動(dòng)。反映在內(nèi)容生產(chǎn)與分發(fā)過(guò)程中，現(xiàn)象之一就是互聯(lián)網(wǎng)用戶個(gè)人上傳的各類(lèi)內(nèi)容成為了網(wǎng)絡(luò)空間里一個(gè)海量的存在，以當(dāng)前發(fā)展迅速的短視頻平臺(tái)為例，它們每天都有數(shù)以千萬(wàn)條計(jì)的短視頻內(nèi)容上傳；現(xiàn)象之二是，這樣海量的內(nèi)容只有通過(guò)移動(dòng)終端，面向用戶個(gè)人的差異化信息需求，通過(guò)推送式的精準(zhǔn)分發(fā)，才能使人們所生產(chǎn)的信息“各得其所”、“各盡其用”，以充分發(fā)揮不同內(nèi)容的效能。

這一切的前提是內(nèi)容本身是真實(shí)的，健康的。而面對(duì)每天上傳到互聯(lián)網(wǎng)平臺(tái)上數(shù)以十萬(wàn)篇計(jì)的文章、千萬(wàn)條計(jì)的短視頻、十億張計(jì)的照片這樣級(jí)別的海量信息，想要鑒別它們的“成色”并實(shí)現(xiàn)推送式的精準(zhǔn)分發(fā)，必須充分運(yùn)用人工智能技術(shù)。這也就是為什么習(xí)近平同志在2019年1月25日的中央政治局集體學(xué)習(xí)時(shí)講話中，要求“探索將人工智能運(yùn)用在新聞采集、生產(chǎn)、分發(fā)、接收、反饋中” 。通俗地說(shuō)，就是要“互聯(lián)網(wǎng)技術(shù)產(chǎn)生的問(wèn)題，用互聯(lián)網(wǎng)技術(shù)來(lái)解決”。

維護(hù)互聯(lián)網(wǎng)平臺(tái)上內(nèi)容的真實(shí)性和健康性是一個(gè)國(guó)際性課題。前不久，在美國(guó)參與的“數(shù)字時(shí)代的美國(guó)新舊媒體”考察活動(dòng)給了我切身體驗(yàn)。中國(guó)和美國(guó)這兩個(gè)不同社會(huì)制度的國(guó)家，都面臨著互聯(lián)網(wǎng)平臺(tái)帶來(lái)的各種挑戰(zhàn)，其中互聯(lián)網(wǎng)內(nèi)容的真實(shí)、健康和安全是最為人們關(guān)注的。在各自國(guó)家政府和社會(huì)公眾的壓力之下，兩個(gè)國(guó)家的互聯(lián)網(wǎng)平臺(tái)都在做出努力來(lái)解決上述問(wèn)題。這些努力的主要方面，就是積極利用人工智能技術(shù)，開(kāi)發(fā)對(duì)互聯(lián)網(wǎng)內(nèi)容進(jìn)行審核的應(yīng)用。比較分析的結(jié)果是，中國(guó)的互聯(lián)網(wǎng)平臺(tái)在這一領(lǐng)域居于領(lǐng)先地位。

以國(guó)內(nèi)最大的資訊分發(fā)平臺(tái)今日頭條及其系列產(chǎn)品為例，其反低俗的軟件“靈犬”，經(jīng)過(guò)三次迭代升級(jí)，最新版本包括識(shí)別類(lèi)型和模型能力的重要升級(jí)，同時(shí)應(yīng)用了“Bert” 和半監(jiān)督技術(shù) ，并在此基礎(chǔ)上使用了專(zhuān)門(mén)的中文語(yǔ)料，使對(duì)存在色情低俗、暴力謾罵、標(biāo)題黨類(lèi)問(wèn)題內(nèi)容的文本識(shí)別準(zhǔn)確率提升至91%，還能支持對(duì)含有色情低俗、血腥暴力成分的圖片的識(shí)別。比較而言，谷歌和臉書(shū)等平臺(tái)對(duì)虛假、低俗類(lèi)信息識(shí)別的技術(shù)路線更多是“重點(diǎn)對(duì)用戶特征（包括個(gè)人級(jí)別特征和組織級(jí)別特征）、新聞特征（包括文本特征和傳播特征）和網(wǎng)絡(luò)關(guān)系（包括用戶關(guān)系網(wǎng)、事件關(guān)系網(wǎng)和傳播路徑網(wǎng)）這三個(gè)要素進(jìn)行自動(dòng)查驗(yàn)” ，具體而言，更多依靠用戶的反饋和標(biāo)注，以及對(duì)相關(guān)因素的一致性檢驗(yàn)，在借助人工智能和大數(shù)據(jù)對(duì)文本本身進(jìn)行更加全面的識(shí)別方面投入不足，從而導(dǎo)致相應(yīng)的技術(shù)能力無(wú)法應(yīng)對(duì)以“深偽（Deepfake）”為代表的偽造信息技術(shù)的發(fā)展。有研究者指出，“瑞士科學(xué)家在一篇論文中就首次對(duì)人臉識(shí)別方法檢測(cè)Deepfake的效果進(jìn)行了較為全面的測(cè)評(píng)，嘗試用最前沿的人臉識(shí)別系統(tǒng)去識(shí)別假視頻，結(jié)果錯(cuò)誤率高達(dá)95%。所以當(dāng)前如果要求平臺(tái)對(duì)深度偽造等合成媒體內(nèi)容進(jìn)行識(shí)別和標(biāo)注，在技術(shù)上幾乎是不可能實(shí)現(xiàn)的” 。這一事實(shí)告訴我們，在網(wǎng)絡(luò)傳播中反虛假、反低俗，還是要更多依靠更加先進(jìn)的人工智能應(yīng)用，通過(guò)大數(shù)據(jù)與算法的結(jié)合，提升對(duì)各類(lèi)內(nèi)容（文字、圖片、視頻等）的識(shí)別能力。

當(dāng)前的人工智能，實(shí)質(zhì)上是基于對(duì)人類(lèi)處理各種事務(wù)規(guī)則的算法化，并基于大數(shù)據(jù)提供的深度學(xué)習(xí)資源而實(shí)現(xiàn)的。具體地說(shuō)，就是人們根據(jù)對(duì)于客觀事物的認(rèn)識(shí)，制定處理相關(guān)事務(wù)的規(guī)則和標(biāo)準(zhǔn)，然后找到一組數(shù)學(xué)公式來(lái)模擬這個(gè)過(guò)程，也就是形成算法，再把算法開(kāi)發(fā)成為軟件，就可以用大數(shù)據(jù)來(lái)訓(xùn)練這個(gè)軟件學(xué)會(huì)識(shí)別不同狀態(tài)和情況，達(dá)到比較成熟的水平就可以上線運(yùn)營(yíng)，代替人類(lèi)來(lái)工作了。客觀上，在這個(gè)過(guò)程中，關(guān)鍵性的難點(diǎn)在各個(gè)環(huán)節(jié)都存在。如人們制定的標(biāo)準(zhǔn)和規(guī)則是否科學(xué)，取決于人們對(duì)相關(guān)事物本身發(fā)展規(guī)律的認(rèn)識(shí)水平。按照馬克思的論斷，“一種科學(xué)只有在成功地運(yùn)用數(shù)學(xué)時(shí)，才算達(dá)到了真正完善的地步”。 這需要人們對(duì)客觀規(guī)律有深刻的認(rèn)識(shí)，目前在社會(huì)科學(xué)領(lǐng)域這顯然是研究的短板。以筆者本人近年來(lái)對(duì)主流價(jià)值觀如何體現(xiàn)為算法的研究為例，旨在面向個(gè)人推送信息以提高傳播效率的算法，如何在社會(huì)成員個(gè)人對(duì)事件重要性的判斷與社會(huì)主體對(duì)事件重要性的判斷之間建立一致性就是一個(gè)難題。在內(nèi)容審核方面，也存在標(biāo)準(zhǔn)和規(guī)則隨具體場(chǎng)景而變化的情況，如越南戰(zhàn)爭(zhēng)期間著名的反戰(zhàn)新聞?wù)掌掌黧w是一位越南小女孩衣服被汽油彈引燃而渾身赤裸奔跑，就曾經(jīng)因?yàn)椤奥懵丁保?被Facebook誤刪。實(shí)踐中，即使實(shí)現(xiàn)了規(guī)則和標(biāo)準(zhǔn)清晰且正確，還要能夠找到可行的算法，建立較大規(guī)模的數(shù)據(jù)庫(kù)，還要有算力的支持。如靈犬3.0，就投入了更大的算力。從上述過(guò)程看，利用人工智能的深度學(xué)習(xí)來(lái)解決虛假、低俗內(nèi)容充斥網(wǎng)絡(luò)空間的問(wèn)題，是一個(gè)具有相當(dāng)技術(shù)難度的系統(tǒng)工程，需要假以時(shí)日，需要付出更大的努力。

用技術(shù)識(shí)別內(nèi)容如此之難，是不是我們就不要走這條路，靠人工去完成這個(gè)工作呢？很顯然，在互聯(lián)網(wǎng)傳播環(huán)境下，這是不現(xiàn)實(shí)的。當(dāng)前，互聯(lián)網(wǎng)技術(shù)的應(yīng)用，已經(jīng)實(shí)現(xiàn)了在傳播的技術(shù)條件方面對(duì)用戶的普遍賦權(quán)，在中國(guó)，每天都有數(shù)以億計(jì)的互聯(lián)網(wǎng)用戶活躍在各個(gè)網(wǎng)絡(luò)平臺(tái)上，以短視頻為例，抖音等平臺(tái)，每天都有千萬(wàn)條級(jí)別的內(nèi)容上傳，今日頭條平臺(tái)每天經(jīng)審核后發(fā)布的內(nèi)容就超過(guò)60萬(wàn)條。這是無(wú)法完全用人工去處理的。與人工審核相比，機(jī)器審核的優(yōu)勢(shì)在于，機(jī)器一是計(jì)算快，一秒鐘能執(zhí)行百億次計(jì)算；二是存儲(chǔ)大，可以輕松存儲(chǔ)千億以上漢字；三是運(yùn)行穩(wěn)定，不會(huì)因心情、狀態(tài)、對(duì)標(biāo)準(zhǔn)的理解等因素影響處理結(jié)果。據(jù)了解，由于強(qiáng)化內(nèi)容標(biāo)注和審核的需要，今日頭條的母公司“字節(jié)跳動(dòng)”已經(jīng)建立了近萬(wàn)人的審核團(tuán)隊(duì)。在“機(jī)器+人工”審核模式下，我國(guó)主要的互聯(lián)網(wǎng)信息分發(fā)平臺(tái)的內(nèi)容安全得到了較大程度的提升，未來(lái)隨著研究的深入、技術(shù)的進(jìn)步，內(nèi)容審核的水平還會(huì)持續(xù)提升。

?