杜絕恐怖主義內容流竄，Google靠機器學習辨識YouTube影音|數位時代 BusinessNext

杜絕恐怖主義內容流竄，Google靠機器學習辨識YouTube影音

Google現在正利用機器學習辨識YouTube中出現的恐怖主義與暴力極端主義等內容。這個人工智慧機制的引進，不僅牽涉到國家安全等政治外交層面，也和Google廣告商業模式息息相關。

成效：在使用者檢舉前就先下架

Google三月爆發AT&T、可口可樂、百事可樂、沃爾瑪、星巴克與GM等上百個大品牌撤銷YouTube和Google廣告聯播網廣告事件。原因在於這些公司的廣告內容出現在YouTube中的恐怖主義與暴力極端主義內容中，讓閱聽眾將兩者連結起來，影響品牌形象。

而YouTube的這項「漏洞」也成為一些新創的切入點，這些新創強調可以客製化地把廣告和合適的影音內容相連結，因此不會和恐怖主義與暴力極端主義的內容一起出現。

如台灣創意引晴就研發的影音內容辨識系統，不僅提供「人物」辨識，也提供手機與轎車「物件」，以及公園等「場景」等影像辨識服務。讓廣告主可「事先」知道該公司廣告會出現在什麼畫面上，避免因為「盲投」出現危機。

不過，現在Google正努力解決這個問題。Google開始應用機器學習技術識別暴力極端主義相關內容，YouTube小組審核了超過100萬部影片，希望能夠透過為系統提供大量的訓練實例，讓機器學習的應用效益達到最佳化。

Google最新提供的數據指出，直至今年九月的數據顯示，在因為含有暴力極端主義內容而強制下架的違規影片中，有超過八成的影片是在使用者提出檢舉前，而且跟八月相比，提升了8%，成效有明顯的成長。

教導機器辨識人類「行為」挑戰性大

這和現在已經應用在iphone X的人臉辨識系統差異很大。人臉辨識是針對人類臉孔，而針對恐怖主義內容，除了物品也需要針對人類的「行為」辨識。

而Google研究團隊目前正利用原子視覺化動作數據學習模式（Atomic Visual Actions,AVA），辨識人類的走路、爬山、說話與跳舞等行為內容。這牽涉到人類本身行為的姿態、人與人、人與物等三大「行為」分類。

更具挑戰的，是影片內容會受背景與語言字幕等不同脈絡有不同涵義，就像我們的語言文字。

像是一段恐怖攻擊事件的真實影片若是由BBC平台傳送，可能是對此行為的一個譴責性新聞報導，但若是被不同的平台，配上不同的前後脈絡，則可能轉變為對恐怖攻擊的讚揚。

人工專家審查仍至關重要

Google無法只等待人工智慧技術的進步，嚇阻恐怖主義影音內容散播，必須要短時間內就能有效的解決方案。因此雖然Google大喊AI First，但引入機器學習並不代表短期內機器將大量取代人工的內容審查，人類專家仍然具有重要角色。

這點我們可以從，Google合作的外部審查專業機構，將從63家再增加50家，將近一倍的數量增加看出端倪。

Google在部落格中也指出，「機器可以幫助識別有問題的視頻，但『人類專家』仍然在關於暴力宣傳與宗教或新聞價值的言論之間的細微決定中發揮作用。」

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。