即便是有產出的工作，鄭理同樣覺得沒有意義，在浩瀚宇宙中好不容易才誕生出來的智慧生命，不應該把生命花在這種枯燥的機械勞動中。

    需要讓智慧生命自己去尋找生命存在的意義。

    而不是把社會設計的重重關卡，即便跌跌撞撞的闖過了所有關卡，依然會有種人生虛度的感覺。

    對鄭理來說，獅城只是試驗田，最終要推廣到整個藍星。

    鄭理在magic.com這個域名下公開的ai框架，包括了全新的編程語言以及圍繞這個編程語言的開源包，也就是圍繞這個編程語言的工具。

    像python之所以在這幾年如此受歡迎，和python有著大量好用的工具包不無關係。

    這些封裝好的包，讓利用python語言編程的難度大幅度下降。

    梅林發布的m語言一公布，迅速引發了整個網際網路行業的地震。

    「太謙虛了，豈止是在某些方面優秀，是在所有方面都優秀。

    雖然我還沒搞懂，但是我總覺得這玩意比藍星現在的主流人工智慧框架要先進多了。」

    主要這玩意太專業了，太專業的東西跟主流群體註定是絕緣的。

    即便是專業的算法工程師，都需要一段時間的鑽研。

    網友們的議論大多停留在對於自己是否會失業的擔憂：

    「感覺梅林不是魔法師，而是程序員，各種想方設法的推動人工智慧的大規模落地。

    先是在獅城使用人工智慧取代人力，然後是發布開源的ai編程語言和框架。

    我嚴重懷疑魔法師使用魔法是不是就跟編程有點類似？」

    「梅林收了神通吧，我好不容易才找到工作，尼瑪不會又把我給優化了吧，我不想從微博畢業啊。

    這可是我好不容易才找到的理想工作。」

    發下面這條微博的是一個鑒黃師。

    確實存在這種職業，而且待遇還不錯。

    不過對於他來說，屬於是一語成讖了。

    這幫網際網路大廠們在梅林發布ai語言和配套的框架以及工具包之後，讓下面的算法工程師放下所有手上的活：

    「大家這段時間唯一的工作，就是把m語言以及m框架和配套的這一系列包，學會怎麼用。

    然後結合我們的工作，看有哪些地方可以利用m語言來進行重寫的。」

    其中最先被利用到的就是ai鑒黃。

    ai鑒黃一直都是內容安全的核心訴求，基本上從豬廠、鵝廠到微博、字節，全部都在研究這玩意。

    屬於經典的入門容易精通難。

    早期的鑒黃基本上是人工審核，屬於勞動密集型工種。

    後來上網人數多了，內容也多了，人工審核成本越來越高，因此採用ai+人工的方式鑒黃就成為了主流。

    ai+人工的方式一般是先通過機器過濾出大部分一定正常和一定有問題的圖像，剩下的再交給人工進行審核，這樣可以大幅度降低人力成本，而且機器識別效果越好，人工審核成本越低。

    ai鑒黃其實是比較寬泛的概念，可以是通過規則系統來實現，比如基於md5、基於用戶的ip等信息設置黑名單庫，直接基於規則進行攔截。

    大部分還是會採用算法模型，也就是用算法模型判斷一張圖像中是否包含sq信息，本質上就是圖像識別。

    圖像識別目前在部分任務上的效果甚至超越了人類。

    圖像識別中最常見的就是圖像分類算法，從alexnet到vgg，從resnet到densenet。

    目前的圖像分類算法可以較為準確地區分imagenet的1000類數據，鑒黃本身也是對輸入圖像做分類，因此採用圖像分類算法就是順其自然的事。

    而且目標檢測算法可以用來檢測sq圖像中的露點部位，也是比較可靠的手段。

    此外，還有基於業務層面構造的特徵和邏輯，比如是否有人、皮膚的面積等，用來輔助判斷，在一些情況下確實是有效的。

    ai鑒黃的難點主要在於不露點的軟sq，特徵小的sq、非通用sq以及卡通動漫sq等