互聯網上每天都會產生大量內容，對互聯網公司而言，內容類服務很可能因為監管人力問題而在審核方面出現風險。截止到今年5月，中國互聯網協會舉報中心接到網民舉報淫穢色情網站20114件次，12321舉報中心已要求應用商店下架處置了337款不良應用。

政府部門對互聯網公司的監管力度不斷加強，開發者為了規避風險需要花費大量審核人力。自建信息過濾功能或增加審核人員又會增加產品和服務外的支出，給前期開發造成額外壓力。

傳統的內容審核需要依賴大量的人工來實現。現有的信息過濾系統也大多停留在關鍵詞程序匹配層級。隨著讀圖時代的到來，信息的傳遞更多的是依賴于圖像和視頻，簡單的文字過濾并不能滿足內容審核的需求。

隨著計算機視覺(Computer Vision)技術在近幾年的突破式發展，基于深度學習的圖像識別技術開始成熟，使機器代替人工完成大部分的信息審核工作成為了可能。

然而，計算機視覺領域是技術含量非常高的領域，不僅在技術層面有著嚴苛要求，還需要大量的訓練數據的積累、復雜的圖像識別算法、昂貴的硬件系統和相應的工程化開發的支持。雖然Google、Facebook以及國內的百度都有自研的機器智能系統，但都沒有對外公開。

尤其對中小開發團隊或個人開發者而言，它們往往沒有人工智能方面的工程和技術能力，但又有處理大量圖片數據的需求，這個矛盾該怎么破?專注于圖像識別和視覺檢測的人工智能企業——圖普科技，則用他們的技術很好地解決了這個問題。

圖普科技基于深度學習理論，打造了業內首個內容審核云平臺。通過建立圖像識別云，通過針對目標特征專門訓練的素材庫和識別模型來甄別存在的違規圖片。以開放的云API平臺填補了市場空白，企業無需聘請人工智能識別的專家組建研發團隊，通過接入API調用識別服務即可。這在極大程度上降低了行業應用圖像識別服務的門檻，使得更多互聯網企業使用人工智能圖像識別技術成為了可能。

調用了圖普云API后，用戶登錄審核云平臺后可以復審圖片，使機器習得相關標準，返回越來越符合個性化標準的結果;同時，圖普開放了模型訓練接口，允許用戶重新定義的分類標準，通過數據標注完成對機器的訓練后，產出新的分類結果。

與傳統的人工審核方式相比，機器判別最大的問題在于“誤判高”。如何讓機器識別低于人工的誤判率，做到“0誤判”，是對機器可靠性的考驗。圖普科技采取的方式是對問題進行分割為確定的和不確定的兩部分，確定的部分交給機器，不確定的部分交給人工。對于機器確認部分的精確度是99.5%，超越了人工，可以完全替代人力無需復審。對于疑似部分機器則會根據可能性排序。疑似部分僅占總圖片量的5%-15%，這部分即使需要人力，也可以按照概率從高到低來審核，大大提高復審效率。

對于機器學習來講，影響其整體表現的主要取決于三個要素：算法、GPU的計算能力以及海量數據的訓練。教會計算機理解這個世界需要大量的圖像數據，圖普科技在做好算法和工程的同時，與國內頂尖云存儲供應商七牛云以及國內最大的即時通訊云服務商融云合作，并且已經接入迅雷、花瓣網、酷狗、比鄰等平臺，有了大量的樣本積累和實際應用基礎。目前，圖普科技的樣本數量已經過億，每周會對樣本庫做一次版本升級，將新識別出的樣本加入其中。隨著日益增長的數據庫，圖普的機器學習算法會更加準確。

目前，圖普科技已在多個領域打造了原創性的識別技術，包括色情圖像和視頻鑒別、小廣告過濾、場景與人物識別、暴恐內容過濾(即將上線)等。圖普機器人日處理圖片、視頻量可達億萬量級，幫助運營團隊節省超過90%的人力成本。

一直以來，人工智能被人們賦予了太多想象。隨著納米技術、生物技術等呈幾何級數加速發展，科幻電影中的情景已經離我們越來越近，人機互動、人機共存的時代已經全面來臨。正如著名的奇點大學校長雷·庫茲韋爾(Ray Kurzweil)所說，“那是一個人類與機器并存的時代，但機器要比人類出色許多，它們被賦予了強大的人工智能，足以承擔許多之前必須依賴人類去完成的任務?！?/p>

內容審核的云時代已經到來，我們正跨越人工智能的奇點，迎接著圖像識別技術給工作和生活帶來的改變。