5G时代下， AI作为一种在内容服务产业重要的技术手段，正在随着数字内容的生产、制作、分发方式的升级不断取得突破性进展。近日，金山云首席算法工程师苏驰博士受邀出席infocomm人工智能论坛，结合金山云在内容服务领域的实践经验，对金山云金睛如何发挥AI技术能力，高效解决内容服务方面的问题发表了主题演讲。
苏驰认为，虽然AI在提高人工图片审核效率、准确度方面有着得天独厚的优势，但在内容服务场景中应用还处在行业前沿。一方面是AI厂商对企业内容服务的需求把握不足，另一方面是AI算法在实际落地中还存在一定的技术挑战。不过，金山云通过发挥在大数据和资源方面的优势，结合AI在图像分类和视频理解上的关键技术，率先推出了金山云金睛一站式内容服务平台。它克服了AI算法面临的一系列难题，在有效满足内容服务场景的同时，对提高监管效率和企业运营效率，加速内容服务产业的升级发挥重要作用。
金山云首席算法工程师苏驰博士在infocomm会议现场演讲
基于AI的“安全+理解”两大方案解决内容服务核心问题
苏驰认为，内容服务产业有两大核心需求，一是内容安全，二是内容理解。前者是内容生产企业的生死线，是国家监管红线。而内容理解上的技术突破，则可以帮助企业更全面系统地了解自身和用户产生的数据，从而提高内容运营和管理水平。
在内容安全方面，传统方式是采用人工审核，效率低下，并且不容易及时发现伪装的多媒体内容）。金山云一站式安全解决方案融合了云计算和AI能力，可对包括文本、语音、图片和视频等多媒体内容进行监管。 比如，在文字方面，针对直播弹幕、UGC评论、网络文学等多种网络文字传播场景，金山云金睛可以基于语义分析和深度识别引擎，进行多重防护，准确识别垃圾文本；在图片方面，金山云金睛可对超过80种低俗场景、1200个以上敏感人物和多达200种以上的违规场景进行识别和审核,并且，基于OCR识别，金睛可以通过文字检测，再通过文字识别算法把敏感词过滤，将违规与否的信息反馈给客户。
此外，金山云金睛还可应用到更广阔的场景中，以直播场景中主播为例，除了有人脸识别外，还提供基于声纹识别和音转文两种模式的音频监管服务。目前，这些包括标签、内容识别、图片编辑在内的服务，形成了一套从识别到送审的智慧广电方案。 “AI很显然提高了人工审核的效率，但是我们也会根据客户需求，以人机协同的方式进一步提高效率。”苏驰表示。
如果说内容安全解决了企业的基本安全乃至生存问题，那内容理解则涵盖了更广泛的应用场景，可以助力企业的进一步发展。 目前，金山云金睛可以对直播、游戏、秀尝短视频中的内容进行理解，判断出关键事件，视频类型、风格、场景并识别视频中的物体等，从而帮助内容生产企业提升内容分发管理效率，便于个性化推荐和精准的广告推荐。
“图像分类+视频理解”升级AI能力打造内容服务关键技术
众所周知，AI可以在内容识别、内容理解上带来比人工审核更高的效率。但在实际应用过程中，AI算法常会遇到一些现实存在的问题影响其在内容服务领域作用的发挥。比如，在图像分类时，AI算法会遇到数据非均衡、标签规则不统一、场景千变万化、类型复杂多样等难题；在视频理解中，单模态理解会带来相似图像造成误判、脱离场景判断内容、单感官认知等问题。为此，金山云推出图像分类和多模态信息融合的视频理解关键技术，帮助AI更好的应用在内容服务领域。
苏驰介绍到，金山云图像分类服务中，通过采用级联模型进行逐层过滤的方式，解决了轻网络和复杂网络环境下，计算速度和处理效果不一致带来的数据非均衡问题；与此同时，采用底层细粒度标签进行预测，上层动态可调整标签映射规则的方式，解决了由于客户对图像的评判规则的差异及场景不同带来的标签不统一问题。
“显然，不同于静态图像，我们的生活是现实世界中一系列随着时间变化的动态事件组成的）。就好像一个视频不仅是一系列孤立的静态图像帧组成的，它是有时序的，是有上下文信息的，还有音频，甚至还有文字”苏驰说道。“基于此，金山云金睛在单模态识别的基础上，将视频理解技术升级为多模态融合理解技术。
据了解，多模态融合理解技术是金睛AI算法团队通过训练超千万个高质量的短视频，得到的具有很强的泛化能力的内容理解模型和背后的金山云金睛时序算法专利。它可以对视频内容进行精准的场景识别、对象跟踪、行为理解、图文联想等。在视频内容的生产过程中，它可以实现智能BGM功能，根据视频内容自动推荐背景音乐，还可支持视频特效功能，指定视频场景或者动作，给出视频特效等。
核心需求的把握，关键技术的研发，高精度的识别率，全维度的解决方案，以及海量数据库、针对各个客户的个性化分析和定制能力，使得金山云金睛一站式内容服务平台可以全方面满足客户需求。苏驰表示，金山云金睛是目前行业中为数不多的，将AI技术实现落地的企业。未来，金山云金睛将持续强化AI和大数据等新技术的融合，提升服务水平，借助高科技力量，助力内容服务企业加速升级，全面拥抱5G时代！
