《电商法》实施“后时代”：广度学习助力AI，踢出刷单“鬼手”

科技日报记者 张佳星

然而有媒体报道，刷单平台已成“江湖”，一些平台被查之后会直接“变身”，换个名字继续提供刷单服务，尽管多次曝光，每天仍有60万刷手待命。能不能通过技术来甄别出哪些是数据集中的假消息？

“一个饭店菜品或者服务并不好，但是可能会找一些人来写网评，说饭店的菜好，服务也好，这个情况下，人工智能能不能不单单看网页内容，而是有判断地‘踢出’不可信评价呢？”日前，在清华校友三创论坛上，清华大学数据科学研究院院长俞士纶表示，广度学习可以在在不同关联之间做分析，把信息联系到一起帮助判断。

相对于广度学习，人们对深度学习的算法并不陌生。深度学习的架构更像神经网络，它是以分层的方式模拟大脑神经元的活动，给机器的数据是一组相对独立的观测结果，让机器对单个事件深入研究、归纳总结，并做出准确的预测。它的训练基于一组大型数据集。

广度计算则会相互关联。“比如说一个网页，事实上也会连到别的网页上，这种关联就可以给我们一些资讯，因为通常是相同题材的网页才会连在一起，如果我们把这些资讯连在一起的话就可以做另一个维度的分析，这就是广度学习。”俞士纶说。

如果把AI比作人，那么深度学习让AI成为专才，但是很可能眼界狭窄，成为容易被骗的“高知”；而广度学习让AI成为通才，即便是刷手的“江湖”也能揪出“鬼手”。

“做广度学习的第一步就是要决定哪些数据云是有关的。有关的数据云我们就会把它们连在一起。”俞士纶说，事实上在大数据时代，很多时候不会只有一个数据云，很可能有一大堆相关的数据云。

同样一个东西会有好几种不同的数据云描述它，这就好比人在社会中的角色，可以是顾客、员工、乘客等等……“就像网页不仅有文本的资料还有图象的资料，还有连接的资料，这些资料都是跟这个网页有关系，可以把它们连接在一起。”俞士纶说。

而与之相对应的深度学习模型下，AI在选取数据时只会选择与自己的任务相关的方面，例如推测一个人对哪些电影感兴趣。深度学习是通过分析一群对同一个电影给出同样分数的人，他们还喜欢哪些电影，然后对个体进行推荐。

“我们还可以用到电影之间哪些是朋友关系的角度、用除了电影分数之外的其他规则划分组织，这样推荐比只考虑打分将更加精致，把各种资讯合在一起就是广度计算。”俞士纶说。

合在一起，并不是“一群羊加一群羊，变成另一群羊”，而是有序地、有关联地联合。

俞士纶用最普及的社交网络举例：脸书是一种社交网络，推特也是一种社交网络，还有找工作的网络，参加业余爱好的网络等，“每个人还可以有很多不同的名字、不同的网络还有不同的功能，所以要决定通过哪些资讯连接。”俞士纶说。

同一个人的话，映射的坐标就应该相似或重合，当对一个个体有了一个坐标作为标尺，就可以将与之相关的分析联合起来，但问题是怎么把这个坐标找出来？俞士纶解释，“我们要根据前面讲的这些资讯来把坐标找出来，就是把这个关系反映在（意志）网络上。”

例如有些人用相同的名字，他们就是连在一起，而那些没有对应的人所以我们要用数据挖掘找出来他们可能对应的。这就好比有一大团错综复杂的关联，通过找到一个“线头”，根据数据挖掘、按图索骥就可以理出头绪。

“一个人（A）可以跟另一个人（B）连在一起，因为A跟帖B，帖子里面会有很多信息，例如时间地点，这样就可以找到两个人之间的关系，我们根据每个关系画一张图，就可以从这些图里面确定不同的坐标，而有两个不同的社交网络就可以通过这种方式“立足于”共同的坐标，进而帮助我们来挖掘。”俞士纶说。

广度计算可以弥补深度计算在一些应用上的短板。例如决定化学药物对于那种疾病有效，现行的方法是通过显而易见的结构分析，但事实上有很多药品成分和化学结构不同却有相同的效果，通过广度计算就可以寻找它们之间的关系。

广度计算让AI拥有了对于虚假网评一定程度的判断能力。“虚假网评单单看网页内容是很难决定的，它的问题在于是否与事实相抵触，所以当AI能够找一些别的联系看网评与事实之间的关系以及是否有偏差，就可以帮助决定。”俞士纶说。

通过广度计算，一个“怀揣鬼胎”的刷屏手的有违真心的、虚假的描述，将变成能够计算的数学问题，而用理性手段藐视感性问题，之后的事情就是AI最擅长的高速计算了。

来源：科技日报  文中图片来自网络

编辑：刘义阳

审核：王小龙