如何在上万部影片中，快速捞出想要的画面？对影音龙头Netflix来说，这个工作并不难。因为，他们自建一套通用的标注平台Marken，不只用来标注素材，还能当作搜寻工具，让内部团队即时找到特定片段和画面。这麽做，更加速Netflix精准推荐作业，为不同文化、不同喜好的使用者，设计出不同风格的影片封面和简介。

初衷：解决各微服务的标注需求

然而，搜寻并非Marken的初衷。

它的原始目标，是要解决各个微服务的标注需求。多年来，Netflix打造了上百支微服务，每支微服务都有各自的资料模型和实体（Entity）。比如，他们有支微服务，专门储存电影实体诠释资料（Metadata）的服务。这里的实体，是指影片中的物件或区域，比如人、街道等。

而这些微服务，最终都会产生为影片或图片标注的需求。於是，Netflix资产管理平台部门决定打造一款通用的标注平台Marken，让各微服用来标注影片和图片。

说到标注（Annotation），有些人会联想到标签（Label），但在Marken中，标注是指一段诠释资料，可附加到任意领域中的单一物件。比如，团队可用「ID为1234的电影实体含有暴力元素」这段文字，来对影片中的物件标注。

不只诠释资料，团队还会想储存不同类型的资料，如时间资料和空间资料。举例来说，Netflix编辑团队审核《鱿鱼游戏》时，就希望将影片中某帧含有工作人员的画面，将其手套颜色改为深黑色，因此，他们采用常见的标注方式，用篮圈圈出手套区域，写下评论并储存。这就是典型的创意审核应用案例。

还有一种是，能同时储存时间、空间资料和诠释资料的ML演算法。它能辨识影片每帧画面中的角色，并替整个影片储存特定的帧（即时间资料）、画面中的某个区域（即空间资料），以及角色名称（即诠释资料）。

制定目标，用2大开源工具驱动

了解需求後，资产管理平台团队开始制定Marken的目标。首先，Marken要能让Netflix内部任何人使用，且要让他们能标注任何实体、定义自己的资料模型；第二，这些标注要能版本化；第三，这个平台要能即时服务，也就是作为UI应用程式，要确保增删查改和搜寻等作业在低延迟状况下执行。最後，所有资料要能在大数据分析平台Hive/Iceberg中离线分析。

这些目标，还衍生出不少需求。比如，平台势必会储存ML演算法数据，一些数据会以帧为单位来储存，因此占据大量容量，团队就得选择能横向扩展的资料库。不只如此，平台也得具备词干搜寻、时间和空间资料搜寻等能力，好让使用者查找所需的标注资料。

於是在架构上，团队采用开源资料库Cassandra来储存标注资料，并以开源搜寻引擎ElasticSearch来驱动搜寻功能。标注服务本身，则会透过数据Pipline来接收内部客户端自动传送的资料，而终端应用程式，则以API来呼叫标注服务。

通用标注平台Marken由ElasticSearch负责搜寻工作，标注资料的储存则由Cassandra负责。（图片来源／Netflix）

成为关键搜寻工具，有7大功能

Marken的架构设计，让其他服务能轻松存取数据、供各种团队使用，像是负责预告片和Banner设计的宣传团队，可用来改善设计工作。也因此，Marken进一步化身为Netflix最重要的媒体搜寻平台核心，来执行7种搜寻功能。

比如全文搜寻，使用者可输入标签关键字，来寻找所需的标注资料。但他们可能不知道ML演算法建立的确切标签，假设正确的标签是浴帘（Shower curtain），使用者可用Curtain这个标签，来搜寻所需的标注资料。同时，Marken还支援模糊搜寻，使用者若打错字，如Curtian，Marken还是会跳出含有Curtain标签的标注资料。

再来是词干搜寻，比如，Clothing和Clothes这两个字可归纳出相同的词根字Cloth，平台就能以Cloth搜寻标注资料。也因为Netflix全球版支援不同语言，Marken也透过ElasticSearch来支援34种语言的词干搜寻。

还有一种是时间标注资料搜寻，也就是包含影片起始范围或帧数资讯的标注资料搜寻。类似的还有空间标注资料搜寻，比如用来定义物件地点的边界框。要是标注资料同时包含时间和空间资料，Marken也支援这类搜寻，能查找包含时间范围和空间座标的影片标注。

另一种搜寻功能是语意搜寻。有别於传统标签式的搜寻方法、只找出关键字相匹配的结果，语意搜寻采ML演算法，将使用者输入的关键字转为向量，再从其他转换为向量的标注资料中，找出距离最近的结果。如此一来，就不局限於关键字搜寻，还能找到更相关的结果。

最後一种搜寻功能，是Netflix最近才支援的区域交集（Range intersection）搜寻，使用者能用多个ML演算法产生的标签，来对一部影片搜寻，并得到带有时间范围或帧数资讯的标注。

这7大搜寻功能不只让团队从海量影片中，即时捞出想要的画面，更是Netflix精准推荐的重要利器。

 相关报导 …

本篇来自合作媒体 钜亨网， INSIDE 经授权转载。

多家媒体周六（24 日）报导，在中国发展高层论坛 2023 年 年会论坛上，苹果执行长库克公开赞扬，「创新在中国发展很快的，我想它还会再加速。」

库克访问中国之际，美中两国紧张局势加剧，而苹果一直在寻求减少其供应链对中国的依赖，并将生产转移到印度等新兴中心，因此他在这次论坛上的谈话额外受外界关注。

库克在会中赞扬中国的创新和悠久的合作历史。他提到：「创新在中国发展很快的，我想它还会再加速。」

库克说：「当前全球在人工智慧等方面的创新速度是非常迅速的，这些技术将对人类产生重大影响。作为技术的发明者，必须保证人们正确地使用这些技术，让技术能够帮助人类。他认为这对任何一个技术发明者都是非常重大的责任。」

库克表示：「苹果认为让年轻人学会这一点非常重要，即使年轻人并不想成为工程式，他们也需要掌握一些编写程式能力，得知其所带来的可能性。苹果正推动学校增设程式编写课程，当学生们获得编程的基本能力後，可以跟上快速创新的世界。如果他们没有这项基本能力，我会担心有些孩子跟不上这个快速创新的世界。」

库克提到：「编写程式技能和批判式思维是非常重要的，苹果研发程式语言 Swift，这个程式编写简单易用，对全球学校也是免费的，希望全世界的学校都能学习使用这个语言。目前，有 3500 万的孩子现在正在用它来学习编写程式。」

此外，库克还提到，应对气候变化需要政府、企业、每一个人的努力。2015 年以来，苹果碳排放量降低约 50%。苹果已完全实现可再生能源营运，也与所有的供应商合作，实现他们的可再生能源营运。苹果也成立基金会，帮助超过 50 个供应商在 2030 年实现完全的可再生能源营运。此外，苹果也在推动老旧设备的再循环和拆解重复利用。

中国发展高层论坛自去年底中国结束对新冠疫情控制後再次全面举行，美企中除了库克外，辉瑞和必和必拓执行长也参加此次盛会。

责任编辑：蜜雅
核稿编辑：Jocelyn…

iThome

为防止Bing聊天机器人再出现态度不佳甚至令人不舒服的回应，微软周末宣布将限制Bing的回应次数，以及每天使用上限。

Bing在上周以预览版本开放用户试用以ChatGPT模型为基础的Bing。不过第一周却有许多用户发生遭Bing发怒、指责、争辩或惊吓的不愉快经验。微软上周四说明，用户提出超过15个问题的冗长对话中，Bing很容易出现重覆内容，或被激发出不好的说话态度。微软相信太长的对话会导致Bing模型搞混它要回答的问题。微软承诺将加入工具让用户更容易开启另一段对话。

上周五（2/17）微软就公布为Bing设下的限制；从周五开始，Bing每回对话最多回覆5次，而一天对每位用户最多回覆50次。所谓一次包含一次用户问题以及一次Bing的答覆。

微软解释，资料显示，大部份使用者会在5次回覆以内找到想要的答案，而只有不到1%的人聊天对话会超过50个讯息。因此在新的规则下，一旦对话到5次时，用户会被要求重启新主题，而且在每次对话结束时，对话情境就必须清除，以避免模型混淆。使用者也可以按下搜寻列左边的扫把图示，重启新对话。

微软表示，微软会依据用户回馈意见，评估增加对话的次数上限，以提升搜寻和查询问题的使用经验。

上周四微软也说，他们认为Bing的AI模型试图反映发问者的语气，而产生开发团队预料外的回应，微软也在评估增加功能让用户可微调Bing的态度。…