反“低俗”從互聯網興起之初就是全球努力的關注點，但是即便是現在利用靈犬反低俗等app智能軟件，也只能說是在一定程度上讓互聯網環境較之以前大有改觀，而且反低俗的同時又不可避免地殺掉一些正常“細胞”。因爲低俗與否在一定程度上是很難界定的。
這裏我首先從界定的角度來仔細分析一下：
話不多說上圖，但需要先制作一下打上馬賽克，其實這真是正常的圖片，但如果不打上馬賽克，估計平台會自動識別那是低俗，你也就看不到我的這篇文章了。估計有過發文體驗的朋友一定會感同身受。
藝術也得這樣掩蓋，光馬賽克無法通過，影響您的體驗抱歉
機器的智能學習判斷爲網絡反低俗提供了更大可能
爲了深入了解靈犬反低俗app的發展曆程，我在網絡上查找了大量資料：
第一版靈犬，采用的是詞向量與CNN技術。詞向量是讓詞蘊含語義信息；CNN是卷曲神經網絡的縮寫，這種技術架構性能好、速度快。
第二版靈犬，用的是LSTM和 Attention技術。LSTM是“長短期記憶”的縮寫，這種神經網絡可以很好地對序列進行建模，對長句的識別非常好。Attention是注意力機制，可以結合詞與詞之間的信息，對句子有更全面的了解。
最新的版本，用的技術是Bert技術與半監督技術，Bert是當前最先進的自然語言理解技術，是這個領域進展的集大成者。Bert開展了新的更大規模的網絡結構，並且使用半監督學習技術，可以利用天然的超大規模的語料庫進行訓練，使得對語義的刻畫更精准。
靈犬運用的解決方案，不僅是“機器學習”，而且是機器“深度學習”。深度學習有三個要素：一是數據量，二是算力，三是模型。靈犬也在利用分布式訓練算法以及GPU訓練集群，加速模型的訓練和調試，利用模型壓縮技術，提升模型的預測速度。
但越來越先進的技術並不能完全取代人工鑒別。因爲機器模塊僅僅是判斷你設定的條件，一旦有類似正常圖片的介入，機器就會毫不猶豫地將其判定爲“低俗”，所以人工鑒別的參與就顯得極爲重要了。否則就極易産生誤傷的情況。不信，請看下圖，讓機器判斷肯定是果斷，但肯定會誤傷。
世界名畫對不起，我必須得把你塗掉，否則無法通過啊
據說Facebook 曾經因爲“裸露”，誤傷了一張著名的越戰新聞照片，照片裏一位小女孩遭到汽油彈炸傷、渾身赤裸奔跑。再比如很多塑像存在“露點”，但其實是名勝古迹；芭蕾舞蹈圖片，以機器的視角來看，它很類似于裙底偷拍。
在八十年代早期，鄧麗君的歌曲曾被認爲是“靡靡之音”。1982年，人民音樂出版社出版了《怎樣鑒別黃色歌曲》，裏面就批判了鄧麗君歌曲。但時至今日，鄧麗君演唱的歌曲，已經成爲了華語經典歌曲的一部分。
建議大家在發文前仔細檢查，以免反工。