原标题：声音鉴黄师饱受摧残，AI声音鉴黄师为何没帮上忙？
文|雷宇
来源|智能相对论（aixdlun）
人民对性的态度向来很奇怪，父母和长辈期待子女能无师自通，教育者三缄其口，最后少男少女通过其他渠道实现了对性的初级摸索，当然这个摸索过程就很曲折了，文字，图片，视频和音频遍地开花，“学习资料”越来越方便传播。
食也性也，但传播色情内容却有极大的负外部效应，懵懂少男少女极易受其蛊惑，鉴黄师的重要性可想而知。在苹果商店的社交App中，有超过1/10的应用主打声音社交功能，由此催生出了一个新兴职业——声音鉴黄师。声音鉴黄师是一个让身心饱受摧残的职业，一位女性声音鉴黄师称，“一个人平均一天需要鉴定4000条信息，24小时轮班监控，各种荤段子、暧昧语音，有时（听到）恶心想吐。”
声音鉴黄师是一份不足以为外人道也的工作
由于这份工作实在是太过于枯燥，很多男生都受不了，因此声音鉴黄师多为女性且离职率高。一般枯燥且重复率高的工作都是AI的拿手好戏，那么AI有没有办法实现声音鉴黄呢？
声音鉴黄之殇，AI难以克服鸡尾酒效应
视频，图片和语音是色情内容常见的三种形式，多数公司的鉴黄都是立足于视频和图片，比如阿里的阿里绿网、腾讯的万象优图等等。有人可能会疑问，这几年科大讯飞、百度、腾讯等公司先后对外公布语音识别准确率均达到“97%”，那为什么在AI语音鉴黄上那么难？
这是因为社交平台的语音环境十分复杂，机器很难从庞大杂乱的语音中揪出涉黄涉暴人员，而这就不得不提鸡尾酒效应了。所谓鸡尾酒效应是指，在鸡尾酒会嘈杂的人群中，尽管周围噪声很大，两人可以顺利交谈，你们似乎听不到谈话内容以外的各种噪音。这是因为我们的大脑对声音都进行了某种程度的预判，然后才决定听或不听。
用特瑞斯曼的注意衰减理论来解释就是，当人的听觉注意集中于某一事物时，意识将一些无关声音刺激排除在外，而无意识却监察外界的刺激，一旦一些特殊的刺激与己有关，就能立即引起注意的现象。
但是机器却不具备这样意识和无意识，因此难以实现在嘈杂环境下的语音识别，这样看来AI语音鉴黄貌似已经走进了死胡同。
实际上，已有公司在解决鸡尾酒效应上做出了努力。今年4 月，Google曾在博客上发文称，谷歌研究人员开发出了一种 学习系统，可识别和分离出嘈杂环境中的个体声音。
图片来自网易科技
研究人员从YouTube上10万段“讲座和谈话”视频中提取了近2000小时的视频片段，然后混合音频与人工背景噪声，创造“鸡尾酒派对”。训练技术人员将混合音频进行拆分，谷歌的系统能够分辨出哪个音频源在给定的时间内属于哪张人脸，并为每个扬声器创建单独的语音轨迹。
但Google的技术集中在视频处理上，主要是对数段声音的分离，而人工声音鉴黄仅仅依靠声音，有所不同。前不久，阿里AI语音反垃圾服务上线公测，它可以通过声纹识别技术，识别语音中存在的涉黄、广告等违规信息，不管是中日英俄等语言，还是东北，四川，广东的方言，甚至连无意义的呻吟声都可以轻松判别。
具体办法是，对那些有语义的内容，系统先将语音识别转成文字，然后再将这些文字跟文本反垃圾模型或关键词库比对，判断是否涉黄，对那些无语义的声音，通过声纹也能识别出来。但有一点值得注意的是，在语音识别的过程中，识别是哪种语言比内容更难，机器翻译也存在这样的问题，因此还需要大量数据来进行训练学习。
做好嘈杂环境的语音识别，难点是如何将杂音与人声分离。但对于声音鉴黄而言，一开始并不知道哪一个音源涉黄，很难说谁是噪音，这需要机器具有全局观。而上面提到的技术，声音分离或者将语音识别转成文字都只是基本，由于尚未在语音复杂的环境下试验过，因此这个结果嘛……退一万步讲，社交黑话也并不是那么好破译的。
社交黑话难解，语音识别障碍重重
时代要抛弃你，它只会让你看不懂，而我们也不能指望人工智能听懂。
就像你爹妈当初看不懂你的那句签名：”ァ亊實證明，鱤綪桱淂起fеηɡ雨，却桱囨起平啖；伖綪桱淂起平啖，却桱囨起fеηɡ雨。ヤ”（没乱码），新一代社交黑话崛起一般人也很难看懂，比如XSWL（笑死我了，相当于一连串哈哈哈），NSS（暖说说，指帮点赞评论转发说说，增进感情），CQY（处Q友的缩写，想在QQ上找朋友的意思）。
当然这也还算好的，无非就是缩写。除了缩写，还有一些只能强记的词语。比如养火（互发消息三天出现小火花，互发消息超过三十天出现大火花，养火就是经常联系的意思），欧洲（想要什么就得到什么的人）……
估计研究人员在录入数据时就阵亡了，毕竟这玩意看上去也不算有章可循。值得注意的是，当人们在说话的时候，如果省略一两个字不说，懂得的人自然也懂，但机器不一定能识别人们甚至为了混淆视听，会多语夹杂，这就给机器识别增添了难度。
这种输入标准的不统一，是导致语音识别错误率高的首要原因。我们常用的鼠标和键盘虽然看似简单，但它具备统一的输入标准和精准的视觉反馈这两点，而这正是语音识别技术不具备的，也是困扰现阶段AI鉴黄的一大挑战。
毫不意外，现阶段的声音鉴黄师依然是以人为主。早在互联网发展早期，黄色内容主要是图片和文字，靠人工就可以净化网络环境的目的，但是随着互联网带来的数据爆炸，人工已经远远不能胜任。
虽然声音鉴黄以人为本，但这并不意味着AI鉴黄师没有价值。它能在特定的场景实现鉴定也无疑算是一种进步，而现阶段它所呈现的问题，也无疑是技术发展过程中难以避免的阵痛。
全球经济学家和咨询公司的主流研究课题，总少不了人工智能会引发的失业规模，但是中国的互联网已经跑出了一条独特的路线，因此针对中国的研究少之又少。声音鉴黄师作为互联网发展过程中的独特产物，显然会存在相当长一段时间，而现行的人工智能鉴黄也多为辅助人。
一句正确但无用的话是，可以想见未来AI鉴黄会占据主流，但这个未来应该以哪个时间节点为基准，谁也无法预料。
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
