不用鉴黄师，还要给视频直播一片净土，Facebook 会怎么做？

不管你喜欢打游戏，还是看比赛，如今，移动端的视频直播都能满足你。

但伴随用户规模骤增、直播数量上涨，诸如暴力、色情等不当内容也开始泛滥。解决这个问题，“积极地使用更好的算法，比采取法律手段有用得多”。据路透社报道，Facebook 作为视频直播巨头，将使用 AI 对网民的视频直播进行实时的监控识别，避免违规内容的传播。

Facebook 负责 “应用机器学习技术” 的总监康德拉（Joaquin Candela）向媒体披露，Facebook 正在开发一个能够对视频直播中不当内容进行监控和识别的工具，并已经开始在 Facebook 的直播产品 “Facebook Live” 中进行测试。Facebook 希望，人工智能技术能够帮助其主动监控视频直播中的违规违法情况。

（图片来自：Reuters）

人工智能技术对实时视频影像的鉴黄分析主要是从三个方向进行：是否有人物、人形轮廓的肤色比例、姿态分析。直播视频可以通过解码抽帧，识别固定时间段中抽取的图像来鉴定是否是色情视频。当图片或视频帧达到十万的量级，深度学习就能跑起来。鉴黄的难点就在于，机器容易将正常图片（例如肉色裤子）误判为色情图片，这需要后期大量的数据不断训练和纠正，投入不小。

那么为什么不用人工识别呢？人工确实可以处理视频直播中违规违法情况，但由于内容数量多，用户规模大，人工处理不仅投入大，成本高，而且不稳定，速度慢，易漏判误判。目前，仅国内视频直播应用用户规模已达 2 亿台，增速还在提高，2016 年第一季度同比就增长了近一倍。因此运用 AI 监控视频直播确实是一种理想而必然的选择。

（图片截自 Talkingdata）

目前，图像识别已经广泛应用于互联网图片鉴黄、明星脸识别、暴力恐怖等信息的筛选和过滤。今年 6 月，Facebook 已经开发出能够自动识别标注极端组织的技术；而在 9 月，雅虎开源了自己构建的一套深度学习神经网络，专门用于自动监测图片是否含有色情内容。该识别系统会通过通用 Caffe 深度神经网络模型以图像作为输入并输出一个概率，给图片评估一个 NSFW（Not Suitable/Safe For Work）值，最无害的是 0，最极端是 1。

（图片来自：Yahoo! Engineering）

视频监控方面，今年 4 月，Twitter 的人工智能团队 Cortex 开发出了一款即刻识别直播视频内容的算法，该技术利用深度学习的方法来识别视频中的活动。其通过学习大量样例来训练大型模拟神经网络，以识别输入的内容。样例视频由雇员观看，并添加标签，为视频提供足够复杂的语义理解框架。

当下，众多公司都在争夺视频直播的阵地，亚马逊 (Amazon) 2014 年斥资 10 亿美元，收购了游戏直播网站 Twitch；Twitter 2015 年花费 5000 万美元收购还未正式发布的视频直播应用 Periscope；Yahoo 旗下 Tumblr 今年 6 月也宣布推出直播服务；Facebook 则因为手握巨大用户量，Facebook Live 日观看量可达 40 亿人次。

国内市场中，也已经有近 200 家在线直播平台，不乏在游戏、弹幕、视频、秀场、移动等 5 大类垂直直播平台。用户总数已达 2 亿，数字也十分可观。但潜藏在这片红海下的违规违法行为，如何通过人工智能技术手段处理，是视频直播公司一直需要面对的问题。