揭秘阿里打假AI大腦：數(shù)據(jù)總量186個(gè)國家圖書館，1 AI=50000人類，獲創(chuàng)新大獎(jiǎng)

本文經(jīng)AI新媒體量子位（公眾號(hào) ID: QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

“令人震驚的是，在打假這方面，美國竟然遠(yuǎn)遠(yuǎn)落后！”一個(gè)月前，美國司法委員會(huì)副主席、共和黨參議員道格·柯林斯痛陳美國被假貨所困的問題，其話言猶在耳，近日阿里打假技術(shù)又拿下國內(nèi)高規(guī)格的技術(shù)大獎(jiǎng)。

8月9日，由工信部、公安部及網(wǎng)信辦三部委指導(dǎo)主辦的“中國人工智能高峰論壇”在廈門召開，經(jīng)過層層評(píng)選，阿里巴巴知產(chǎn)保護(hù)科技大腦被三部委評(píng)為“人工智能創(chuàng)新之星” 。

知識(shí)產(chǎn)權(quán)保護(hù)所指，更喜聞樂見的叫法就是打假。而阿里的知產(chǎn)保護(hù)科技大腦是一套阿里20年間積累的海量線上線下假貨特征庫、打假經(jīng)驗(yàn)聚合而成的算法技術(shù)系統(tǒng)，獨(dú)創(chuàng)“安全AI”大腦是核心。

這套系統(tǒng)24小時(shí)自動(dòng)運(yùn)轉(zhuǎn)，96%的疑似侵權(quán)鏈接在發(fā)布的那一剎那就已被秒殺。在過去3年，阿里已使用這套技術(shù)協(xié)助全國31個(gè)省份、227個(gè)區(qū)縣的警方抓獲制售假嫌疑人4439人，搗毀制售假窩點(diǎn)4289個(gè)。

從美國議員點(diǎn)贊到國內(nèi)技術(shù)大獎(jiǎng)，可以說時(shí)節(jié)已至，阿里打假正進(jìn)入爆發(fā)性收獲階段。量子位也了解到這背后的安全AI運(yùn)作之力、創(chuàng)新之功，接下來為大家一一揭秘。

1 AI 大腦=5 萬人類

知產(chǎn)保護(hù)科技大腦，就是誠心和技術(shù)創(chuàng)新的集大成產(chǎn)品。

該“大腦”完全由阿里自主研發(fā)，已經(jīng)被廣泛應(yīng)用于阿里生態(tài)內(nèi)外，對(duì)假貨、山寨、侵權(quán)盜版等進(jìn)行偵測和打擊。

而且作為一支上崗AI，各方面實(shí)力，不僅比人類干得好，而且很多能力人類干不了。

阿里方面公布了一系列驚人數(shù)據(jù)表現(xiàn)：

如果人工查看1張圖片的信息需要10秒鐘，那么5萬人同時(shí)工作的效率才能勉強(qiáng)趕上“知產(chǎn)保護(hù)科技大腦”掃描甄別圖片的速度。淘寶天貓平臺(tái)每日新發(fā)商品量以千萬計(jì)，如果人工巡查，138889人工作1天才能把這項(xiàng)工作完成。

阿里安全圖靈實(shí)驗(yàn)室負(fù)責(zé)人薛暉透露，這套系統(tǒng)的樣本數(shù)據(jù)總量相當(dāng)于186個(gè)中國國家圖書館藏量，僅累積的打假圖片樣本量就超過137億張，用0.3毫米的標(biāo)準(zhǔn)相紙打印疊加后高達(dá)4110千米，是世界最高建筑迪拜塔的4964倍，約等于464個(gè)珠穆朗瑪峰。

驚人的效果背后是阿里在安全場景里不斷進(jìn)化技術(shù)力量所鍛造的“安全AI”風(fēng)控體系。

安全AI如何服務(wù)知識(shí)產(chǎn)權(quán)保護(hù)？

所謂安全AI，是指安全場景中進(jìn)化出的AI，擁有更強(qiáng)、更多元化的能力；與當(dāng)前通用AI的理念不同，阿里安全更注重在業(yè)務(wù)安全領(lǐng)域垂直縱深的技術(shù)積淀，開發(fā)出適應(yīng)更多安全場景的新一代AI，讓傳統(tǒng)的安全問題找到新的AI解法。阿里在今年年初提出這一全新理念，稱其將成為未來網(wǎng)絡(luò)安全問題的核心解法。

據(jù)悉，阿里知產(chǎn)科技大腦的秘密在于四大智能核心引擎，涵蓋阿里上百項(xiàng)自主研發(fā)的安全AI技術(shù)。分而解之，涉及感知引擎、認(rèn)知引擎、決策引擎和計(jì)算引擎。

實(shí)際也是通用人工智能（AGI）必不可少的四大引擎，只是阿里垂直為打假服務(wù)。

從項(xiàng)目申報(bào)說明里，也能尋得宏觀架構(gòu)脈絡(luò)。

感知引擎：核心技術(shù)是計(jì)算機(jī)視覺技術(shù)及語音識(shí)別技術(shù)，是整個(gè)系統(tǒng)的感官系統(tǒng)，是對(duì)象識(shí)別的基礎(chǔ)，為形成后續(xù)一系列處理動(dòng)作邁出第一步。

包括，用于開店身份認(rèn)證環(huán)節(jié)的人臉識(shí)別、聲紋識(shí)別、活體檢測等生物識(shí)別技術(shù)；用于開店資質(zhì)核驗(yàn)環(huán)節(jié)的證件識(shí)別、篡改檢測技術(shù)；用于線上商品識(shí)別的商標(biāo)檢測、物體檢測、光學(xué)字符識(shí)別技術(shù)；用于營銷環(huán)節(jié)檢測的廣告圖片分析和視頻直播監(jiān)測技術(shù)，以及用于原創(chuàng)作品保護(hù)的多媒體檢索和圖像水印技術(shù)等。

正是“感官系統(tǒng)”精準(zhǔn)的語音、圖像、音頻、視頻感知能力，整個(gè)系統(tǒng)才能在數(shù)億復(fù)雜數(shù)據(jù)中準(zhǔn)確識(shí)別出需要保護(hù)和防御的對(duì)象，進(jìn)行下一步處理。

認(rèn)知引擎：核心技術(shù)是自然語言處理技術(shù)

認(rèn)知引擎是系統(tǒng)的“翻譯官”，讓機(jī)器懂得文字的意思、人類聲音的含義，以及人們動(dòng)作的性質(zhì)，從而判斷善意惡意、危險(xiǎn)安全。

具體包括針對(duì)海量商品結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)構(gòu)建的知識(shí)圖譜技術(shù)；面向海外電商的多語言分析和機(jī)器翻譯技術(shù)，針對(duì)外部反饋的評(píng)價(jià)、輿情進(jìn)行識(shí)別的語義分析技術(shù)；以及融合多模態(tài)信息，對(duì)商品的全面認(rèn)知和理解的技術(shù)。

第三，決策引擎：核心技術(shù)包括深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)兩塊，用來解決現(xiàn)實(shí)中的復(fù)雜決策問題。

它是系統(tǒng)的“軍師”，決定了系統(tǒng)該如何動(dòng)作，如何更合理有效地作出最佳應(yīng)對(duì)。例如當(dāng)面臨商家實(shí)時(shí)博弈、信息內(nèi)容的變異，以及黑產(chǎn)的惡意攻擊時(shí)，在全局視角下做出更有利的決策。

最后還有計(jì)算引擎，包括實(shí)時(shí)指標(biāo)計(jì)算系統(tǒng)、分布式異構(gòu)計(jì)算系統(tǒng)、和大規(guī)模圖神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

這是打假AI大腦的發(fā)動(dòng)機(jī)，它強(qiáng)大的性能保證了系統(tǒng)在數(shù)千并發(fā)、數(shù)十億數(shù)據(jù)面前坦然自若、精準(zhǔn)高效。

計(jì)算引擎背后，支撐的是阿里云機(jī)器學(xué)習(xí)平臺(tái) – PAI 3.0。

它可以實(shí)現(xiàn)單任務(wù)支持上千worker并發(fā)訓(xùn)練，并支持5k+超大規(guī)模異構(gòu)計(jì)算集群，保證全天候監(jiān)控?cái)?shù)十億商品異常情況，以及對(duì)經(jīng)營者行為的全方位監(jiān)督。

臺(tái)上一分鐘，技術(shù)20年功

值得一提的是，四大引擎架構(gòu)宏觀，但背后每一項(xiàng)技術(shù)積累，都是工程師們?nèi)找箍喙Φ慕Y(jié)果。

值得一提的是，打假AI大腦是阿里安全“安全AI”落地應(yīng)用場景之一。阿里在高風(fēng)險(xiǎn)、強(qiáng)對(duì)抗的場景中不斷進(jìn)化AI的力量，通過小樣本學(xué)習(xí)、多模態(tài)、自監(jiān)督學(xué)習(xí)等新技術(shù)的持續(xù)應(yīng)用，在內(nèi)容安全、新零售安全、交易安全等百余場景中持續(xù)應(yīng)用，其凝聚著阿里安全圖靈實(shí)驗(yàn)室在AI領(lǐng)域超過10年的技術(shù)積淀，實(shí)現(xiàn)水滴石穿。

從最近阿里安全圖靈實(shí)驗(yàn)室在人工智能頂會(huì)的論文中，不難發(fā)現(xiàn)其功力所在。

這是阿里發(fā)表于ECCV Workshop 2018的論文，核心分享了其在視頻分析領(lǐng)域的技術(shù)進(jìn)展。

也是阿里從視頻中識(shí)假打假，保護(hù)原創(chuàng)的秘訣所在。

當(dāng)前業(yè)內(nèi)通行的視頻分析，往往先預(yù)訓(xùn)練CNN網(wǎng)絡(luò)提取特征分類，其后采用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN、LSTM）進(jìn)行序列建模。

但視頻的特征序列一般較長，且含有多級(jí)結(jié)構(gòu)（hierarchical data structure），即一個(gè)視頻包含幀、鏡頭、場景、事件等。

而且?guī)c幀、鏡頭與鏡頭間的關(guān)系十分復(fù)雜，不僅僅是前后幀的順序關(guān)系，通過一般的序列建模方法，RNN無法表達(dá)如此復(fù)雜的關(guān)系，建模效果較差。

因此阿里研究團(tuán)隊(duì)通過深度卷積圖神經(jīng)網(wǎng)絡(luò)（DCGN）對(duì)視頻的幀、鏡頭、事件進(jìn)行多級(jí)的建模，逐漸地從幀級(jí)、鏡頭級(jí)，一直到視頻級(jí)進(jìn)行抽象，從而獲得視頻全局的表達(dá)，進(jìn)而進(jìn)行分類：

最后方法在youtube8m數(shù)據(jù)集上驗(yàn)證后，效果相對(duì)其他經(jīng)典的序列建模方法，都有提升。

論文傳送門：https://arxiv.org/abs/1906.00377

還有自然語言處理領(lǐng)域的進(jìn)展，同樣是知產(chǎn)保護(hù)科技大腦的關(guān)鍵技術(shù)。

阿里安全圖靈實(shí)驗(yàn)室入選IJCAI 2019的文章，主題是面向?qū)ο蟮那楦蟹治觯饕繕?biāo)是挖掘出評(píng)論對(duì)象，同時(shí)判斷情感表達(dá)的極性。

一般而言，很多對(duì)于商品質(zhì)量描述的蛛絲馬跡，會(huì)隱藏在用戶對(duì)商品的評(píng)論中，卻很難從商品本身中發(fā)現(xiàn)問題，這也是NLP技術(shù)能夠施展拳腳的場景。

論文中提出的方法，通俗來說是利用全局信息、結(jié)合上下文語境去識(shí)別情感對(duì)象，而不再是預(yù)測每個(gè)字對(duì)應(yīng)的序列標(biāo)簽。

這種方法基于詞塊方法，提出更簡單高效的聯(lián)合模型，同時(shí)抽取情感表達(dá)對(duì)象以及判斷其情感極性。

具體步驟上，首先對(duì)評(píng)論語句中的所有候選詞塊進(jìn)行向量表示，然后提出了一種基于詞塊的注意力機(jī)制來預(yù)測詞塊對(duì)應(yīng)的標(biāo)簽和極性。

最后公開數(shù)據(jù)集評(píng)測對(duì)比后，證明比現(xiàn)有方法表現(xiàn)更好。