当然这也还算好的，无非就是缩写。除了缩写，还有一些只能强记的词语。比如养火（互发消息三天出现小火花，互发消息超过三十天出现大火花，养火就是经常联系的意思），欧洲（想要什么就得到什么的人）……
估计研究人员在录入数据时就阵亡了，毕竟这玩意看上去也不算有章可循。值得注意的是，当人们在说话的时候，如果省略一两个字不说，懂得的人自然也懂，但机器不一定能识别人们甚至为了混淆视听，会多语夹杂，这就给机器识别增添了难度。
这种输入标准的不统一，是导致语音识别错误率高的首要原因。我们常用的鼠标和键盘虽然看似简单，但它具备统一的输入标准和精准的视觉反馈这两点，而这正是语音识别技术不具备的，也是困扰现阶段AI鉴黄的一大挑战。
毫不意外，现阶段的声音鉴黄师依然是以人为主。早在互联网发展早期，黄色内容主要是图片和文字，靠人工就可以净化网络环境的目的，但是随着互联网带来的数据爆炸，人工已经远远不能胜任。
虽然声音鉴黄以人为本，但这并不意味着AI鉴黄师没有价值。它能在特定的场景实现鉴定也无疑算是一种进步，而现阶段它所呈现的问题，也无疑是技术发展过程中难以避免的阵痛。
全球经济学家和咨询公司的主流研究课题，总少不了人工智能会引发的失业规模，但是中国的互联网已经跑出了一条独特的路线，因此针对中国的研究少之又少。声音鉴黄师作为互联网发展过程中的独特产物，显然会存在相当长一段时间，而现行的人工智能鉴黄也多为辅助人。
一句正确但无用的话是，可以想见未来AI鉴黄会占据主流，但这个未来应该以哪个时间节点为基准，谁也无法预料。
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
