三种AI技术帮你判别谁才是真正的工藤新一

 

作者：包包大人  数据建模工程师

 

前言

 

2019年，《名侦探柯南：绀青之拳》上映，内地票房1.66亿，成柯南剧场版内地票房历史最高。“新兰”关键词三冲微博热搜，画面是这样的。

 

 

满屏都是甜甜甜。新兰两人“聚少离多”，小编不禁着急起来，毛利兰何时才能真正认清“真爱就在眼前呢”？在过去的900多集中，小兰多次怀疑过柯南就是新一，却又遗憾错失真相。作为柯南粉，小编在回顾柯南电视剧及剧场版的各大经典场景时，总结了三套AI技术，能从细节入手，快速整理线索，帮助判别小学生柯南就是新一本人，而假扮新一的怪盗基德不是新一。一起来看看吧。

 

一、关系型数据的清晰展示：图数据库

 

柯南全集涉及几千个人物，关系错综复杂，即使是老粉也难免遗忘各种细节，更不用提小兰当局者迷。该如何理清二次元世界中的关系网络呢？首选当然是图数据库。小兰使用这一工具能够更快、更清晰地洞察周围人物的社交关系，以便自己早些掌握新一消失前后身边关系网的变化情况，从而找出新一的下落。

 

图数据库并非展示图像的数据库，而是将实体间的关系以“节点”和“边”形式展现，让使用者能够快速、清晰地了解实体间的相互关系。如下图所示的一个图结构：顶点可以是一种实体，例如一个人；边关系规定了实体间的联系情况和连接属性，即“顶点A与顶点B以何种方式相连”。以人物为例，边连接的属性可以是共同去过一家餐厅、相互认识、具有共同的线上行为模式等等。

 

图一：图结构

 

大数据应用中，图的应用可能涉及亿级别的存储和万级别的界面显示，需要前后端产品联动才能完成即时提数的产品功能。在传统行列式存储表中，一行通常代表一个实体，列向量表示特征集合。如果我们想存储角色的性别、职业，传统数据库将以如下形式入库：

 

表一. 传统数据库入库形式

	角色	性别	职业
1	工藤新一	男	高中生
2	柯南	男	小学生
.....

 

不同于传统数据库，图数据库更为注重关系的展示，故我们将边连接单独保存在一张表中（表二）。此外，我们还需将每一实体节点保存在节点属性表中，其入库形式可以与表一保持一致。

 

表二. 边连接入库形式

	角色1	角色2	边属性
1	工藤新一	柯南	？？
2	工藤新一	小兰	同学
.....

 

当我们完成边的定义后，人物关系得以清晰展示。我们可以尝试通过梳理剧情，逐步将人物关系入库。例如在96集《走投无路的名侦探 连续两大杀人事件》中，小兰帮熟睡中的柯南摘掉了眼镜，发现他的长相与小时候的新一一模一样，使得小兰不由怀疑起柯南的身份。当小兰把柯南领到新一家门口逼他招供时，新一妈妈有希子及时出现，帮柯南隐瞒了身份。有希子解释说：新一和柯南是亲戚啦，天天和新一在一起玩才会神态如此相像。由此我们可以定义出：有希子、柯南、新一为相互熟知的关系。

 

 

在192集《危命的复活》中，柯南面临生死危险，需要同样的血型才能救活，小兰在此时确定自己与柯南、新一三人血型一致。

 

 

在398集《奇妙一家的委托》中，小兰在柯南手机中，发现了自己发给新一的短信。由此可以了解到新一与柯南持有同一部手机。

 

 

将种种关系入库后，我们可以得到这样一个清晰的图谱展示：

 

图二：人物关系图

 

除了这一优势，图数据库更具有高效筛选和指标计算的功能。小兰如需快速梳理柯南与新一的重叠关系，可以以其名为主键，在全库中进行筛选，得到相关边连接，了解两者与亲属朋友的直接关系，而不必探究他人的动态情况。

 

指标计算相关模块利用各种图计算的方法，对图结构进行挖掘探索，进而发现关于实体的特殊行为特征，以帮助数据洞察。在图二的结构中，我们可以通过计算发现柯南与新一的邻接节点群组高度重合，同属于一个社群。同时，两者节点的入度（入度指一个节点在图中作为边连接的终点的次数，表示节点在图结构中的重要程度）非常高，同为全局的核心人物。在现实应用中，这些图计算方法能够帮助营销、风控人员快速发现重点需要关注的目标对象，及时采取行动。

 

二、规则引擎与自动化建模流程

 

人的容貌可能会发生改变，但许多行为模式依旧不变。在剧集中，柯南的饮食习惯、推理逻辑、行事风格等等特征，都在提示小兰，新一近在眼前。如果小兰掌握了端-端机器学习服务，便能从大量特征中提取出有效信息，自动完成发现目标对象的目的。

 

端-端机器学习服务的入模方法主要包括两种：规则引擎、自动建模。自动化建模指客户提供样本，自动为客户进行特征筛选、机器学习模型的构建、效果评估的过程（图三）。

 

图三：AutoML自动建模流程

 

规则引擎指为客户提供的定制规则构建与模型建立的接口。技术人员通过构建逻辑判断层次，定制提数建模流程完成整个逻辑判断链路。图四描述了一个风控规则引擎的构建流程。

 

图四：风控规则引擎构建流程

 

 

三、深度学习AI识别

 

除了上文提及的社交模式、个体行为判别的方式，小兰还可以依托深度学习方法，通过生物体识别的技术，找出新一。在剧场版3 《世纪末的魔术师》中，怪盗基德扮成了新一，与柯南同时出现，打消了小兰的疑虑。

 

 

在现实生活中，当两个人的面部特征近乎一致时，该如何识别目标对象呢？相比DNA与人脸识别，声纹识别和步态识别成本更低。声纹识别是根据说话人的声波特性进行身份辨识的服务，广泛应用于智能家居、智慧建筑等领域。

 

步态识别是一种新型的生物特征识别技术，它通过相机记录人的行走动作，利用躯干变化模式做单体判断，从而快速准确地在人群中进行身份识别。步态识别具有非接触远距离和不容易伪装的优点。

 

总结

 

数据库帮助关系洞察，规则引擎与自动化建模工具AutoML构建端-端筛查方案，AI深度学习助力精准识别。在新的一年中，小编希望青山大大能够尽快填补“死神小学生”的剧情坑，让小兰与新一能够早日相认，也期待更多AI新技术能够运用于各行各业，为其提供定制化的大数据解决方案。