直播带货红火的背后三无产品充斥、刷单刷流量频现

告诉你一个真实的市场

“山寨”“三无”产品充斥 “刷单”“刷流量”时有发生

实际上目前神经网络结构搜索技术已经在各个领域中崭露头角,如谷歌团队在Searching for Activation Functions【1】论文中通过对激活函数空间进行搜索发现了Swish函数,相对诸如Relu等传统人工设计的激活函数具有更快的收敛速度。而微软团队在WMT19机器翻译评测任务中同样也采用了其团队提出的NAO【2】方法来自动地对神经网络结构进行优化,在英语-芬兰语以及芬兰语-英语的任务上均取得了不俗的成绩。

连日来,本报连续报道电商平台直播带货的火爆状况。那么消费者在直播间买到的商品,质量安全是否过硬,售后的权益又能否得到保障呢?直播带货红火的背后,平台和主播该如何自律以及得到有效监管的问题,都成为消费者集中关注的焦点。

病例11,女,1993年出生。近期有哈尔滨旅行史。1月16日由哈尔滨市乘T244次列车(2车53号)至长春市。1月17日由长春市乘K1242次列车(5车83号)返回双辽市。住址为双辽市辽南街道民瑞小区。

雷锋网雷锋网雷锋网(公众号:雷锋网)

可以预见的是,深度学习&网络结构搜索的组合将是把研究人员从模型工程的泥淖中救起的稻草,我们也相信网络结构搜索技术会终将为机器学习完成这场从“人工”到“自动”的终局突围。

病例9,女,1934年出生。系2月2日吉林省通报的长春市确诊输入病例的母亲。住址为长春市宽城区北十条荣旺天下。

下图中为人脸识别任务中不同层的神经网络对图像信息的抽取,我们可以看到在学习过程中底层网络主要是对图像中局部纹理进行捕捉,而随着层数的递增,模型开始根据下层中收集到的纹理信息对人脸中的局部结构(如眼睛、耳朵等)进行建模,而顶层将综合上述局部特征对人脸在图像中的位置进行确定,最终达成人脸识别的目的。

如果我们将机器学习所处理的任务建模为一种从输入到输出的映射学习,那么在初代的机器学习算法中,我们不仅需要设计一种适用于当前任务的方法(如广泛使用的决策树、支持向量机等),同时还要为其提供人工设计的特征集合,在完成这些工作之后,才能使用数据对模型中的参数进行调优。

病例8,男,1973年出生。与长春市居然之家年会人员有密切接触史。住址为长春市九台区龙凤二期。

此外,对于前文提到的情感分析任务而言,同样是可以使用深度学习的方式对语言进行建模。相对基于传统机器学习算法的模型而言,深度学习的方式直接接收文本的输入,将词汇以高维向量的方式建模为词嵌入(word embedding)。这种方法利用高维空间对词汇中语义信息进行捕获,从而为下一步的情感分析提供了非常充足的信息。 

旅客服务中心实行一条龙服务,一站式解决所有问题,相比以往,免去了旅客在站厅、候车室、售票厅来回奔波之苦,为旅客乘车体验更美好。

人类对于自动化的追求从未停止,这一点从三次工业革命的目标即可看到端倪,它们无一不在为了将人们从繁复的工作中解放出来不懈努力。而对于机器学习任务而言,人们也依旧在不断地探索,希望能够让机器在无需人类过多干预的情况下,真正地替代人去完成更多的工作,而在这个过程中研究人员始终在不断尝试,努力做好这次从“人工”到“自动”的突围。

病例6,女,1953年出生。系病例5的母亲。1月16日与儿媳(病例4)去泰国旅行,1月23日乘9C8748次航班(11F)返回长春。住址为长春市高新区恒大绿洲。

随着深度学习技术的广泛普及,人们开始尝试将提取特征的过程交由模型来自动完成,通过数据驱动的方式减少传统方法中特征遗漏的问题。比如说对于图像处理任务而言,我们无需根据人工经验对图像中的局部特征进行设计,只需要直接将画面完整地送入模型中进行训练即可。

通俗来讲,它是一种对外部输入信息进行学习的数学模型或计算模型。它能够通过对自身内部结构的调整来拟合输入数据,凭借着算法广泛的通用性,其在语音、图像、自然语言处理等众多领域得到了广泛的应用。

2月4日0-24时,全省原有24例疑似病例转为确诊病例9例,排除疑似病例2例;新增疑似病例48例,其中3例转为确诊病例;现有疑似病例58例,已全部隔离治疗,目前正在进一步明确诊断。

病例1,男,1966年出生。近期有海南省、泰国旅居史。1月31日由海口市乘JD5841次航班(17D)返回长春市。住址为长春市高新区飞跃经典小区。

病例4,女,1982年出生。1月16日去泰国旅行,1月23日乘9C8748次航班(11C)返回长春。住址为长春市高新区恒大绿洲。

“价格确实比折扣店还便宜,但是尺码规格和正品却不太一样。”消费者刘先生告诉记者,他在某电商平台的直播间准备下单购买一款知名品牌运动鞋的时候发现,自己平时常穿的42.5码商家并不提供,而且可选的尺码全都是整数尺码,所有“半号”都没有。“专柜正品各种款式都是有’半号’的,所以感觉这个直播间卖的鞋还是让人有点不放心。”记者在采访中了解到,有不少消费者对直播带货渠道的商品心存疑虑。消费者王先生表示,他在电商平台直播时看到一种拼插玩具,从商标到包装盒,以及产品套装主题内容,都与某知名品牌极其相似,在直播界面上,甚至还有不太显眼的字幕显示与知名品牌积木颗粒兼容,“山寨”感特别明显。

以情感分析为例,我们可以向模型中输入词性、词频及其情感属性等信息,然后通过支持向量机的模型来对情感分析任务进行建模,其中词性、词频以及情感属性即为我们从句子中提取出的人工设计的模型特征,支持向量机则是我们选择来解决当前问题的机器学习算法。

本期我们主要对网络结构搜索任务的起源及其历史发展进行介绍,下一期我们将具体对该任务所使用的整体框架进行深入探讨。

直播带货 自律和监管不能缺位

机器学习方法的演化与变迁

同时,广州东站优化了购票方式,扩大电子客票实施范围,实现电子支付全覆盖。推出城际微信扫码乘车、畅通进站候乘通道。广州东站提供刷微信、支付宝、银联闪付、充值卡、现金购票、电子客票等六种服务,应该说,目前广州东站是全国购票方式最全最优的车站。(完)

雷锋网原创文章,。详情见转载须知。

微软团队在WMT19机器翻译评测任务中英语-芬兰语任务的提交信息

而对于目前的基于神经网络技术的各项任务而言,主要的过程依旧是由研究人员手动地探索新的网络结构,比如我们常见的循环神经网络(Recurrent neural network; RNN)、卷积神经网络(Convolutional Neural Network; CNN)等。但这样做实际上是一个非常系统工程的方式,我们把研究人员束缚在岗位上不断地去“设计”所谓的更好的结构,而模型的好与坏则往往取决于人对任务的理解以及模型设计上的想象力,整个过程需要研究人员对相关领域有着充分的认知,间接提高了从业人员的入门门槛,与此同时通过人工不断地对模型结构进行改良也非常耗费时间。

可以预计在不远的将来,随着科研人员的努力以及计算资源的进一步提升,网络结构搜索的技术将大幅降低模型结构的更迭所需要的时间周期,同时能够让研究人员有更多地精力去探索有趣的应用或讨论神经网络背后的可解释性。当然在这个过程中,我们需要审视这门技术的发展历史,同时对未来的发展趋势进行展望。

随着近年来计算机设备的算力以及存储能力逐年递增,人们逐渐开始去思考是否我们可以让计算机像学网络参数一样学习神经网络模型的结构?希望能通过这种方式将研究人员从模型结构设计者的位置上“解救”出来,于是就有了这样一个机器学习领域的研究分支——网络结构搜索(Neural Architecture Search; NAS)。

此外,记者了解到,从1月10日起,实施铁路出站旅客免安检换乘地铁方案。广州东站出站口至地铁I口设置为“只出不进”,地铁I口往广州东站方向为“只进不出”,选择铁路出行的旅客可无须安检直接进入地铁购票乘车。

深度学习&网络结构搜索

深度学习技术的到来使得原本由人工进行的特征提取过程交由机器自动完成,允许模型根据自身需求从原始数据中进行特征的捕获,通过这种数据驱动的方式有效降低了人工抽取所带来的信息丢失风险。但当我们回顾整个深度学习系统,实际上其依旧并非我们期望的完全自动化的过程,在模型结构的设计上仍然非常依赖行业专家面向任务对模型结构进行设计。

病例3,男,1969年出生。本人无外出史,其妻子近期去过泰国,现为疑似病例。住址为长春市高新区北湾新城。

可以看到网络结构搜索技术的使用已经为各项任务中模型结构的设计起到非常好的助力,那么其背后究竟使用了怎样的技术?如何能够让神经网络自动地对自身结构进行改良?虽然目前网络结构的搜索技术依旧方兴未艾,但已然存在很多来自工业界以及学术界的团队在不断努力探索更好的方法。

伴随着人工智能技术的飞速发展,语音识别、机器翻译等各项科技名词已不是传统意义上被企业家束之高阁的前景应用,更不是研究人员讳莫如深的复杂概念,它们已经伴随着大数据时代的来临走入了寻常人的身边。如今的生活中我们无处不在享受着人工智能技术带给我们的便利,从前在科幻电影《星际迷航》中使用的通用翻译器,已然成为了现在人们出行途中能够使用的小型翻译机。而拨开这些实际应用的面纱,它们背后所使用的技术往往是这些年来备受关注的神经网络模型。

病例10,女,1978年出生。系2月3日吉林省通报的参加长春市居然之家太阳城店长年会的确诊病例妻子。住址为长春市净月区净月街道财苑家园。

“原生态”产品是否可靠

电影《星际迷航》里科克船长和老骨头所使用的实时翻译设备

从上述例子中可以看到,深度学习技术在如今的机器学习领域已然达成诸多优异成绩,其中非常重要的一个贡献在于通过使用自动提取的方式对初始输入信息中的有效资讯进行捕获,大幅度降低了手动设计特征所带来的信息折损,为下游任务提供了更坚实的基础。

病例5,男,1980年出生。系病例4的丈夫,本人无外出史。住址为长春市高新区恒大绿洲。

我们可以看到,不管是输入的特征还是模型自身,均为研究人员归纳总结而得,这个过程就很容易造成对有效特征的忽视以及模型设计上的不合理,因此基于这种传统机器学习算法的情感分析任务在IMDB Movie Reviews【3】集合上的准确率一般很难超过92%(如斯坦福大学的工作Baselines and Bigrams: Simple, Good Sentiment and Topic Classification【4】,通过使用朴素贝叶斯的方法在IMDB Movie Reviews数据集上也仅达到了91.22%的准确率)。可以看到在机器学习技术的初期,整个系统尚且处于对“人工”高度依赖的时代。

病例7,女,2009年出生。系病例4和病例5的女儿。1月16日去泰国旅行,1月23日乘9C8748次航班(11E)返回长春。住址为长春市高新区恒大绿洲。

提醒广大群众,如您是从疫情发生省份返回人员,或者与以上确诊病例共同乘坐交通工具及同住一个小区有密切接触的人员,应主动到当地社区做好筛查登记,配合专业人员开展医学观察,一旦出现发热、咳嗽等急性呼吸道症状,请到当地定点医疗机构发热门诊就诊。

从“人工”到“自动”的突围

以机器翻译任务为例,研究人员在模型结构上的探索脚步从未停止,从最初基于RNN【6】对文本序列进行表示发展到之后注意力机制【7】的引入,乃至更近一段时间的基于CNN【8】的翻译系统以及目前备受关注的Transformer【9】系统,科研人员始终在不断地针对任务进行模型结构的设计与改良。但有了深度学习初期的发展,研究人员也期望着有朝一日能够让模型结构设计的过程同样不再过分依赖人工设计,能够采用同特征选择类似的方式自动进行学习,因此在深度学习方法的基础上,人们开始尝试网络结构搜索的方式来自动得到模型结构。

近期,我省确诊病例和疑似病例有逐渐增加的趋势,原输入性确诊病例的密切接触者发病增多,并呈现家庭聚集性。我省将进一步加大社区、村屯防控力度,严格落实隔离观察措施。提醒居家医学观察人员,务必落实自我隔离措施,避免感染亲人,防止家庭聚集性传播。

病例2,男,1979年出生。系辽宁省盘锦市确诊病例的密切接触者。1月20日参加长春市居然之家太阳城店吉林省店长年会。住址为长春市二道区力旺康城小区一期。

病例12,女,1979年出生。本人无外出史,其丈夫为武汉返吉人员。住址为公主岭市十屋镇双河村。

临近春节,电商年货大促活动中,很多来自乡村卖家的农产品很受欢迎。记者在多家平台的直播间都看到“农村自养土猪”“土鸡蛋”“农家腊肉”“自制蜂蜜”等产品备受追捧,但这些直接来自田间地头的所谓“原生态”农产品质量是否真的可靠,食品安全有没有保障呢?记者与一家专营“农村自养土猪”的主播沟通时了解到,直播间里销售的猪肉、猪肝、猪肺等等,竟然全都是未经检验检疫的。主播在直播过程中明确告诉记者说,如果想要经过检疫的猪肉,只能是去超市购买,他直播间销售的猪肉是“农家自养”,现宰现卖,没有检疫。此外,记者还看到一些主播推介的腊肉、蜂蜜、米酒等,看上去色香味俱佳,但制作过程以及配料、添加剂使用是否规范都无从得知。

纵观整个机器学习算法的发展过程,网络结构搜索任务的出现可以看作是历史的必然。无论是数据资源的累积还是计算能力的提升,无一不在催生着数据驱动下的网络结构设计。虽然目前的网络结构搜索技术尚且处于比较初级的阶段,其高资源消耗、模型结构不稳定等问题始终困扰着研究人员,但是其发展势头迅猛,在图像、自然语言处理等领域均开始崭露头角。

人脸识别任务中不同层对图像信息的提取差异

但受限于当时计算资源,针对神经网络的结构搜索的应用场景较少,因此这方面的工作并没有受到很多研究者的关注。而随着近些年来神经网络以及深度学习的技术的广泛应用,对于网络结构自学习的需求也越来越大,与此同时发展迅猛的半导体技术也使得设备的算力、存储能力大大提升,为网络结构搜索任务提供了必要的支持。

主播“自律”不能忽视

记者在采访中了解到,随着直播带货的愈发火爆,部分网红主播“价码”水涨船高,特别是在几大平台直播频道的“头部主播”,直播间带货的价格及主播佣金都已经相当可观。因此涉及到主播佣金收入高低的直播流量、转化率等数据都显得愈发重要。而据业内人士透露,为提高带货价格和主播佣金,销售“刷单”“刷流量”的情况时有发生。这对商家来说是数据不实,对消费者来说则在一定程度上构成了虚假宣传、误导消费,甚至是一种欺骗行为。这些都成了摆在消费者以及厂家、商家、平台、主播面前不得不面对的问题。而在直播带货相关法律法规尚不够完善的当下,平台和主播的“自律”就显得尤为重要。

You may also like :