Facebook挑战赛：利用AI检测恶意图文，还有很长的路要走

科技行者 5月15日 北京消息：

▲ 图：Facebook认为，要确认「恶意图文」，就需要计算出“无害短语”和“无害图像”之间的交集函数。Facebook用人工示例来说明这个问题的本质所在。

恶意图文（Meme，又译迷因或模因），是一种基于宗教或种族等特征的、用于贬低他人的文字和图像组合。Facebook认为，恶意图文对于机器学习程序而言是一个有趣的挑战，机器学习在短时间内还找不到完美的解决方法。而Facebook最新研究表明——深度学习的人工智能形式在“检测”恶意模因的能力方面远远落后于人类。

Facebook本周公布的一篇题为《恶意模因挑战：在多模式模因中检测仇恨言论（The Hateful Memes Challenge: Detecting Hate Speech in Multimodal Memes）》的研究论文，文章搜集了网上（包括Facebook上）的10,000个恶意模因，建了个示例数据集，作者比较了各种最先进的深度学习模型检测及人类检测结果。

论文的主要结论是：“还有很大的改进空间”。作者发表博文《Hateful Memes Challenge and Data Set》（https://ai.facebook.com/hatefulmemes）概述了这项研究。另外几个Facebook研究人员发表的另一篇博文《AI advances to better detect hate speech》（https://ai.facebook.com/blog/ai-advances-to-better-detect-hate-speech）广泛地探讨了AI检测仇恨言论的话题。

他们就这个有趣的机器学习课题发表博文，是因为「恶意图文检测」只是作者提出的“多模式”学习的一个示例。科学家研究的多模式，就是结合各种机器学习程序，处理两种或多种信号。博文里的例子则是对文本和图像的处理。

作者在博文里提到，臭鼬图片本身没什么恶意，文字“喜欢你的味道”本身也没有恶意，但将二者结合起来就“恶意”了。因此，计算机程序不一定能用一个函数计算出文字和图像的交集函数，该交集是一种诽谤或其他仇恨言论。

他们做的测试非常简单。作者从不同地方（包括Facebook）收集了100万个模因样本，他们移除了任何违反Facebook服务条款的模因，例如含色情内容的模因，结果剩下162,000个模因。然后，他们重新将文本复制到一张新图片上，重新创建了模因，新图片来源是与库存图片授权公司Getty Images合作获得的。这样做是为了消除原始模因创建方式中的特质，这种特质可能会扭曲测试结果。

然后，他们让人工审核人员判断这些模因是否内含“恶意”，一旦有多数人对同一个模因意见相同，就留下这个模因，最后得到10,000个模因，这10,000个模因是机器学习的训练和测试数据集。他们还纳入了“混杂因素”， 混杂因素指那些意思反过来的模因，就是原本是“恶意”的模因，然后转换成“赞赏”或“恭维”的模因。作者写道，这样做是为了扰乱机器学习系统里可能存在的“偏见”，“偏见”会令机器学习系统轻松地评估模因的恶意程度。

文章没有列举模因的实际例子，文章认为这样做不适合重新定位内容，那些希望了解模因的人可以下载数据库（https://github.com/facebookresearch/mmf/commit/ef04cc2de0cf58e3e31c662ed49f679d876cf9a3）。相反，作者使用的图文是暗示性复制品，例如本文上图里的模因，那个文本是“喜欢你今天的味道”的臭鼬图片。

然后，一个人类“专家”复核者需猜测面前每个模因的恶意度，每个模因在这里成了该测试的人类基准。不同的机器学习计算机程序，都必须做同样的事，计算恶意度。

人类在估测“模因”恶意度的平均准确度得分为84.7（满分为100），最佳的深度学习模型得分仅为64.73。

模因数据可以从网络下载，是Facebook《模因挑战赛》用的模因数据集，《模因挑战赛》模因数据集有点仿ImageNet数据集的意思，ImageNet数据集几年前推动了图像识别的发展。Facebook通过托管在线挑战的合作公司DrivenData，为参加挑战赛人士提供了总计100,000美元的奖励， 一等奖50,000美元。

Facebook表示，挑战赛会是今年NeurIPS AI会议的挑战之一。有关录入日期等数据可从DataDriven的网站上获得（https://www.drivendata.org/competitions/64/hatefulmemes/?fbclid=IwAR2NFrckKiT9yiQbARrK7AD2g_Cq_HTCm7J-kuOI9PEEfk1YHK3uCq5ILNI）。用于挑战赛评估参赛程序的模因示例，是未在模因数据集里出现的模因。

文章里提到的测试里目前得分最高的模型是ViLBERT和Visual BERT，ViLBERT是佐治亚理工学院的Jiasen Lu及其同事是去年提出的（https://arxiv.org/pdf/1908.02265.pdf），ViLBERT模型技术将视觉和语言处理结合在一起；Visual BERT（https://arxiv.org/pdf/1908.03557.pdf）的作者是UCLA的Liunian Harold Li及其同事，也是去年提出的。

▲ 图：不同的深度学习模型计算模因“恶意”度以及人类估测“恶意”度的结果。性能最佳的模型是ViLBERT和Visual BERT，两个模型都是基于 “融合”文本和图像处理开发的。

可以从名字看出来，两个模型都是从谷歌的BERT系统派生出来的，而BERT系统则是基于“Transformer”方法进行语言建模。Kiela及其Facebook同事在测试中发现，在推导一个模因的恶意度方面，这些视觉语言联合体，比那些只看模因文本的模型要好。例如，与VisualBERT的64.73分相比，纯BERT模型的得分仅为59.2。

笔者用电子邮件向文章作者提了几个问题。其中的一个问题是“人类注释者是什么人？”，由于文章作者在文中提到了“人类注释者承担了构建模因数据集及提供基线人类评分的任务”。Facebook拒绝置评。

第二个问题是“Facebook上的仇恨言论问题的严重程度”。这项工作的出发点是利用人工智能清理社交媒体上的仇恨言论，所以就要知道Facebook是不是需要定期删除仇恨言论，或是到目前为止一共删了多少仇恨言论，这一点很重要。Facebook也拒绝置评。

文章的第一作者Kiela倒是回答了笔者提出的几个重要技术问题。其中一个技术问题是，“这些尖端模型（如Visual BERT）要缩小与人类的差距，还缺什么东西？”

Kiela在给笔者的电子邮件里表示，“假若我们知道缺的是什么，要修补人工智能与人类之间的差距就容易了。总的来说，我们需要在改进多模式的理解和推理方面做工作。”

他表示，“我们知道人工智能基准在推动该领域的发展可以起重要作用。我们的文章，试图推动该研究方向上更多的工作，以及在我们取得的任何进展时提供具体的衡量方式。”

笔者还在电邮里问到“Facebook在利用现有模型处理仇恨言论方面的进展”。Kiela在回邮里表示，Facebook现在用的模型与纯文本BERT模型很接近，是Facebook最近发明的，名为RoBERTa和XLM-R（https://www.zdnet.com/article/facebooks-latest-giant-language-ai-hits-computing-wall-at-500-nvidia-gpus/），两个模型都是非常大的自然语言处理程序。Kiela在电邮里强调，RoBERTa和XLM-R仍然是“单模模型”，因此两个模型都是仅处理文本，不是处理图像的程序，因此，两个模型用于处理多模模型时的性能还存在差距。

笔者还问到一些有关数据集的问题，那个数据集一开始含一百万个示例模因，最终的数据集缩减到10,000个示例。笔者问，为什么是这两个数字？当然，两个数字都似乎是任意的，而且数据集最后只有10,000个样本，似乎很小的数字。

Kiela在电子邮件中告诉笔者，“我们用了许多图像缩减到一万个样本的数据集，这个故事是要说明，我们花了很大的心思设计该数据集。通常，人工智能数据集（尤其是单模人工智能数据集）比这个数据集更好一些，因此我们觉得有必须向人工智能社区解释一下，为什么该数据集相对较小。”

Kiela 表示，“原因是我们用了训练有素的注释者，我们非常谨慎地确保，其他人可以将数据集用于研究目的，而且我们对数据集进行了大量过滤处理，以确保数据集的高质量。”

▲ 图：Facebook示意图：组合多种信号类型进行多模式机器学习的说明。

由于这项研究强调“多模式”方法在深度学习中的重要性，因此笔者最后问了“当今哪种模型最能代表这方面未来的研究方向”。Kiela告诉笔者，朝着ViLBERT及“多模双变换器”方向看。Facebook的Dhruv Batra和Devi Parikh参与了ViLBERT的研发。Kiela和同事研发了多模双变换器，是去年发表的（https://arxiv.org/pdf/1909.02950.pdf）。

ViLBERT和其他多模式人工智能程序的示例代码，可以在Facebook AI的 “ MMF”网站（https://mmf.readthedocs.io/en/latest/）上找到，示例代码内置了各种用PyTorch实现的功能。

从这里开始将如何进一步发展，取决于业界的科学家是否觉得Facebook挑战有其价值，以及对应的数据集是否足以为引导新方法的开发提高基准。

Facebook的想法倒是对到点子上，从总体上解决仇恨言论问题需要自动化，原因是，靠人类构建的数据集本身无法从总体上解决仇恨言论问题。

正如Kiela和同事所说的那样，“靠人类检查每个数据点，无法应付恶意内容的处理。”