來自浙江的小峰自幼雙目失明，2015年在淘寶開了一家專賣電子產品的店鋪。通過“手耳并用”的方式，小峰可以和明眼人一樣，毫無障礙地和眾多買家進行溝通交流。
這一切得益于OCR（光學字符識別）技術。在阿里達摩院讀光OCR團隊的努力下，數十萬盲人登陸淘寶時，只要手指劃過相關頁面和商品，手機就會準確地讀出的信息 。
OCR技術的應用并不止于為視障人群修建“盲道”，小峰和數以百萬計的商家每天會在淘寶發布超過1億張商品圖片。
廣告發布是否違規？商品圖片是否侵權？在每天為海量圖片“把脈”的過程中，鍛造了讀光OCR強大的能力，這項原本只專注于商品治理的安全技術，逐漸進化為不同行業提供人工智能服務的全能識圖產品。
不久前，阿里達摩院和阿里安全成立聯合實驗室，意味著“讀光”這一高精尖技術將在更多場景落地，而在“新基建”快速發展的當下，數字技術將展示出前所未有的普惠性。
每天為數億張圖片把脈
每天在淘寶新增的商品圖片達數億張。
如果用相紙把這些圖片打印出來，假設每張相紙厚度為0.2毫米，摞在一起的厚度超過20公里。
從這些圖片中找出違規發布的商品和信息，依靠人的肉眼，即使每秒鐘能查看一張圖片，24小時內看完這些商品圖，需要1158人團隊不間斷持續作業才能完成。
在商品圖片內容豐富、場景復雜多樣的狀況下，讀光OCR技術的出現大大提高了平臺治理的效率。
讀光OCR團隊負責人、高級算法專家永攀介紹說，“讀光”的前身是成立于2011年的“圖像把脈團隊”。
圖片說明：部分讀光OCR團隊成員合影
彼時，淘寶商品主要信息傳遞方式是圖片，消費者搜索任何商品，映入眼簾的是首先是各個搜索結果的商品主圖，這張圖片傳遞的信息可以在很大程度上影響用戶的購買判斷。
當圖片成為搶奪消費者注意力最直接的手段，很商家把商品主圖和呈現文字做得異常夸張，就像電線桿上的“牛皮蘚”廣告。
為了改善淘寶的商品呈現，“圖像把脈團隊”上線治理“牛皮癬”的專項技術，判斷商品圖片中的文字以及整體圖片是否違規。
對圖片的識別、判定的意義并不只是是否美觀和夸張。更重要的是，通過對商品發布圖片的審核，可以及時發現銷售假貨侵權產品的商家。
今年2月2日，身在重慶的永攀在藥店買口罩時，發現線下要點的口罩已經被搶購一空。永攀很快意識到，大量口罩購買需求涌入線上，很多不法商家也可能會趁機混水摸魚。
與此同時，淘寶、天貓成立了“保衛口罩小分隊”，他們的任務就是守住口罩商品上線的關口。
這一天，讀光OCR團隊緊急優化技術，確保有貨源的商家能發布商品的同時，讓疑似假冒偽劣的商品無法上線。
“由于口罩以前是個小眾產品，突然爆發的需求和商品發布量，讓圖片掃描以及識別的工作量非常大。”永攀回憶說，這一仗把能調用的全部服務器都用上了。有了每天檢測數億張圖片的磨礪，讀光OCR在口罩保衛戰這一役圓滿的完成了任務。
在阿里安全圖靈實驗室負責人薛暉看來，讀光OCR技術在知識產權保護領域的應用，不僅可以對商品發布進行檢測，配合其他技術的應用，還能對制售假分子予以限制。
一名曾因店鋪售假被淘寶關店，為再上淘寶開店，偽造了8次假身份，連戶籍地址都配套換了8次。但每次都被系統識別攔截，無緣再上淘寶的他，終于選擇放棄。
從管理到服務的有溫度治理
2015年9月1日，新廣告法開始執行，這為“讀光團隊”帶來了巨大的挑戰。
新廣告法禁用“最佳”、“最優秀”、“世界級”、“獨家”、“史上第一”等多種“極限詞”表達。
淘寶的存量商品超過了15億個，每個商品平均有17張描述圖片，90%的商品描述都在圖片中。由于很多商家并不具備專業知識，根本無法判斷自己是否違反了廣告法。
很多商家違法了但卻不自知，不但面臨處罰，還會遭遇惡意索賠團伙的敲詐勒索。
阿里安全在集團內部拉幾支團隊一起PK解決方案，最終“讀光團隊”接下了這個難題。
永攀回憶說，當時統計發現，淘寶存量商品圖多達數百億張，圖片上的文本內容非常復雜，常用字體就有100多種，還有一些非常個性藝術創造的字體。此外，圖片中經常會有各種透明半透明的背景，識別難度很高。
為了實現高效提速，“讀光團隊”做出了有別于市面通用的解決方案。
如果說外界當時處理一張主圖需要3到5秒，處理復雜圖需要1分鐘的話，“讀光團隊”提出的解決方案可將識別圖片的平均時間降到0.25到0.3秒。產品上線后，所有違規圖片可以在24小時內被處理。
一年之內，“讀光團隊”將技術能力進化到了實時處理，讓商家發布的違規圖片根本無法上線。
“當我們的安全技術能力從單純的管控變成風險服務，可以幫助到那些無意犯錯的商家，讓違反廣告法的圖片在沒有產生任何影響的情況下就被攔截下線。”永攀說，通過技術打擊作惡的壞人，而讓無意犯錯的商家“少踩坑”，這是“有溫度治理”的應有之義。
為數十萬盲人修建網絡盲道
在數字經濟時代，依托人工智能技術的治理模式和經驗，不僅在解決商業問題上發揮作用，創造新的商業機遇，在參與社會治理和解決各類社會問題上，提供了更多的想象空間，為社會創造更多新價值。
從2011年開始，“讀光團隊”為視障群體提供文字識別服務。不過，很多盲人朋友反饋依然存在理解障礙和錯誤的情況。
永攀解釋說，淘寶的圖片版式包括了廣告圖、商品圖、表格圖、圖文注解圖等，不同頁面的閱讀方式差異很大，絕不僅是把所有文字從左到右、從上到下閱讀一遍這么簡單。這就需要研究將文字以合理的順序進行組織后，為視障人士閱讀，幫助他們正常理解。
團隊一邊與浙江大學、中國殘聯合作，共同研究商品圖片無法被視力殘疾人閱讀的問題，一邊邀請盲人測試者參與研發。
2019年，“讀光團隊”開始研發和落地版式分析和閱讀順序的深度學習技術，盲人商家小峰參加了無障礙工作組的測試，并以團隊成員的身份參與到優化讀光OCR的文本語序識別算法的工作中。
“對普通人來說，新興互聯網技術的發展很多時候發揮著錦上添花的作用，但對盲人而言，具備著雪中送炭的意義，實實在在的幫助我們回歸社會、融入社會、參與社會。”小峰感慨。
圖片說明：借助手機旁白功能，視障者用耳朵購物
截至2019年，數十萬視障人士因為“讀光”團隊的努力，在淘寶享受著足不出戶，購遍全球的互聯網新生活。2019年雙11期間，淘寶對“盲道”進行升級后，視障人士在實現無障礙購物的基礎上，首次可以用手機在雙11參加游戲互動體驗，并得到更多實惠。
在數字時代主動尋找未來的光
2019年底，阿里達摩院與阿里安全成立聯合實驗室，讀光團隊與阿里安全圖靈實驗室實現了“握手”。
事實上，在日常平臺治理的業務中，兩個團隊早已并肩戰斗多年，聯合實驗室的負責人薛暉與永攀更是老相識了。
圖片說明：永攀（左）與薛暉（右）在阿里
兩人同畢業于浙江大學光電系，永攀是薛暉隔壁實驗室的師妹，永攀所在的實驗室為嫦娥四號探測器提供了的相機光學技術，讓嫦娥四號向地球順利傳回世界上第一張近距離拍攝的月背影圖像。
在隔壁實驗室技術“上了天”的時候，薛暉正在阿里安全死磕AI圖像識別技術，將其落地應用在線下新零售場景中，兩人開玩笑地說這樣的場景恰好印證了人工智能“上天入地”的說法。
如今，兩人的愿景是讓高精尖的視覺技術在更多場景中落地。
“這個聯合實驗室要在數字化浪潮下，開拓‘AI+辦公’、‘AI+教育’等新模式，為新基建鑄就城墻；在技術上要以建設高效、通用、安全的OCR系統為抓手，聚焦小樣本學習、遷移學習與領域自適應、模型可解釋性研究、對抗魯棒性等課題，探索下一代人工智能技術，為新基建構建安全的技術底座，這也是阿里提出的新一代安全架構的核心理念。”薛暉為團隊規劃出了大的方向，接下來團隊的重點將聚焦在圖片、視頻治理和辦公數智化兩個方面。
薛暉說，人們在日常看到的是清朗網絡空間，這背后其實是安全算法團隊與違法違規圖片視頻的持續對抗。而OCR技術具有非常強的辦公屬性，如財務票據報銷、文件電子化、證件審核等，未來的辦公數智化解決方案可以輻射金融、司法、教育、醫療等行業，將人們從機械的、重復性的工作中解脫出來。
“我們想要兩條線推進，為OCR技術找到對業務、社會真正有價值的新方向。”永攀說，疫情中興起的非接觸式會議和教學已經證明，AI技術已經改變了傳統的內容生成方式。
這也是“合并”賦予讀光OCR團隊的新意義：不僅要讀光、追光，更要在數字時代主動尋找未來的光。
京公網安備 11010502049343號