虛擬人盛宴亟待釜底加薪 人工智能技術(shù)頭角崢嶸

    北京冬奧會(huì)上，虛擬人熱度有點(diǎn)高。開賽前夕，央視首位AI手語主播正式亮相，為聽障人士提供專業(yè)賽事解說。近日，有觀眾發(fā)現(xiàn)會(huì)場(chǎng)的實(shí)時(shí)氣象主播，也是一位AI虛擬主持人。

    “虛擬人的應(yīng)用場(chǎng)景很廣闊，未來其口碑和商業(yè)化雙重認(rèn)證，都會(huì)給傳統(tǒng)的商業(yè)模式帶來變革。”風(fēng)語筑副總經(jīng)理張樹玉表示，“樂觀預(yù)期，未來一年里，每個(gè)人都可能在虛擬世界擁有自己的數(shù)字身份。”

    近日，上海證券報(bào)記者走訪多家虛擬人相關(guān)企業(yè)了解到，虛擬人頻繁上鏡的背后，是人工智能產(chǎn)業(yè)多年發(fā)展的水到渠成。當(dāng)數(shù)字經(jīng)濟(jì)浪潮來襲，不斷拓展商用邊界的人工智能技術(shù)已然嶄露頭角。

    硬核技術(shù)“畫皮畫骨”

    在技術(shù)層面，虛擬人并不是新鮮事物。1982年，動(dòng)畫作品《超時(shí)空要塞》中的女主角林明美，憑借動(dòng)人的歌聲與純真的人設(shè)走紅，成為全球首個(gè)虛擬歌手。如今，隨著人工智能技術(shù)不斷迭代，虛擬人正從平面動(dòng)畫走向廣闊天地。

    “解構(gòu)虛擬人的概念可以發(fā)現(xiàn)，它的核心在于身份和資產(chǎn)。”民生證券元宇宙首席分析師馬天詣表示，虛擬人的各種應(yīng)用場(chǎng)景，本質(zhì)上是圍繞這兩個(gè)核心概念展開，“具體可以分為三種，第一種是真人的分身，比如明星的虛擬形象；第二種是大眾重構(gòu)的虛擬身份，比如大家各種游戲里的角色；第三種是作為一種商業(yè)資產(chǎn)的虛擬偶像。”

    萬變不離其宗，人工智能技術(shù)毫無疑問是支撐起虛擬人發(fā)展的關(guān)鍵，背后是新一輪數(shù)字經(jīng)濟(jì)浪潮滾滾而來。

    “虛擬人至少要具備一個(gè)獨(dú)一無二的形象，還有一定的交互功能，后者就涉及自然語言學(xué)習(xí)等方面。”一位業(yè)內(nèi)人士透露，盡管經(jīng)歷了近40年的迭代，虛擬人的制作成本不斷下降，但是單個(gè)制作成本依然在百萬元級(jí)別。

    這么高的造價(jià)，虛擬人究竟貴在哪里？

    風(fēng)語筑虛擬人項(xiàng)目負(fù)責(zé)人陳云翔解釋稱，人物需要大量的毛發(fā)建模，這背后是算力渲染支持。正常成年人一般有10萬根左右的頭發(fā)，許多虛擬人為了達(dá)到更高的建模要求，頭發(fā)數(shù)量會(huì)達(dá)到20萬至30萬根。

    “我們之前一段動(dòng)畫CG中，一個(gè)核心角色及其服裝的建模面數(shù)就達(dá)到400萬，精細(xì)到服飾上的水晶珠寶，這些不同立面還會(huì)與光影環(huán)境交互，運(yùn)算量也隨之大幅增加。”疊紙科技相關(guān)負(fù)責(zé)人透露，公司一段2分鐘的CG動(dòng)畫《雙城奇遇記》，最終耗時(shí)4個(gè)月才完成。

    此外，動(dòng)作捕捉也是技術(shù)難點(diǎn)，一位業(yè)內(nèi)人士表示，由于人眼可以在毫秒級(jí)別的動(dòng)作中，判斷出對(duì)象是否為真人，因此虛擬人的動(dòng)作要足夠自然流暢，才能“騙”過人眼。這些都需要強(qiáng)勁的硬件設(shè)備、優(yōu)異的人工智能算法。

    為了應(yīng)對(duì)未來更大規(guī)模的虛擬人創(chuàng)造，讓人工智能“更聰明”也是行業(yè)需要解決的核心問題。

    一個(gè)典型的例子便是虛擬人“捏臉”。“好看是一個(gè)很主觀的事情，很難直接告訴人工智能如何去做。”談到自動(dòng)生成外貌，網(wǎng)易瑤臺(tái)工程師晚豐表示，目前人工智能訓(xùn)練中主要手段仍是特征量化，在大量訓(xùn)練之后，美術(shù)的意見依然至關(guān)重要。“比如，我們將面部的一處細(xì)節(jié)調(diào)整幅度設(shè)定為1至11，人工智能就會(huì)隨機(jī)在區(qū)間調(diào)整，但它是不會(huì)考慮整體氣質(zhì)的問題，因?yàn)闅赓|(zhì)無法量化。”

    “替代真人”恐難實(shí)現(xiàn)

    今年初，萬科首位虛擬人員工“崔筱盼”獲評(píng)2021年萬科年度最佳新人獎(jiǎng)的消息，一度引發(fā)熱議，也讓部分網(wǎng)友擔(dān)心，未來虛擬人是否取代人類的工作。

    清華大學(xué)新聞學(xué)院教授沈陽認(rèn)為，這種擔(dān)憂有些多余。虛擬人要完全替代人，有賴于人工智能技術(shù)的進(jìn)步，短期內(nèi)還不可能實(shí)現(xiàn)，至少還要幾十年。

    畫衣畫皮難畫骨，即使在“人工智能”火爆的今日，虛擬人還遠(yuǎn)遠(yuǎn)無法比肩自然人，具體來看可以歸納為兩點(diǎn)：談吐與氣質(zhì)。

    作為人工智能領(lǐng)域的核心技術(shù)，自然語言學(xué)習(xí)一直是各大技術(shù)巨頭力求攻克的難點(diǎn)。經(jīng)過近10年發(fā)展，在機(jī)器學(xué)習(xí)已取得長(zhǎng)足進(jìn)步的今日，自然語言學(xué)習(xí)已初現(xiàn)曙光。顯卡龍頭英偉達(dá)的CEO黃仁勛在此前的一次演講中，推出了一個(gè)無所不知的“Q版黃仁勛”――Toy-Me。演示中，Toy-Me可實(shí)現(xiàn)和人的自然語言交流。

    “自然人之間的交流，話語間隔的推理時(shí)間基本在半秒以內(nèi)，這要求計(jì)算機(jī)在半秒內(nèi)理解自然語義，然后生成最為合適的回答。”前述業(yè)內(nèi)人士表示，這要求虛擬人有巨大的語料庫(kù)。英偉達(dá)披露，Toy-Me使用的預(yù)訓(xùn)練自然語言處理模型Megatron530B，目前為業(yè)內(nèi)規(guī)模最大，通過達(dá)萬億參數(shù)級(jí)別的語言模型訓(xùn)練，在11天時(shí)間里，讓AI實(shí)現(xiàn)GPT-3（第三代生成式預(yù)訓(xùn)練）的水平。

    該業(yè)內(nèi)人士表示，這種技術(shù)距離商業(yè)化依然遙遠(yuǎn)，“這個(gè)級(jí)別的訓(xùn)練成本接近500萬美元，其依托的語料數(shù)據(jù)接近300TB。”目前，國(guó)內(nèi)大部分虛擬人還不具備實(shí)時(shí)語言交互功能，相關(guān)技術(shù)還有很長(zhǎng)的路要走。各類虛擬人更接近于影視工業(yè)化的創(chuàng)作小樣，依托的還是已有的影視技術(shù)。

    如果說“談吐”還能通過大數(shù)據(jù)深度學(xué)習(xí)模擬，“氣質(zhì)”則完全無法用現(xiàn)有技術(shù)復(fù)刻，這也是許多游戲行業(yè)人士的共識(shí)。

    “‘暖暖’作為系列游戲的主角，對(duì)我們而言，更多時(shí)候是一個(gè)活生生的人，有著自己的思想和生活態(tài)度。”疊紙科技相關(guān)負(fù)責(zé)人表示，從游戲開發(fā)的角度看，這些角色的內(nèi)在氣質(zhì)需要文案師精心把控。在他看來，交互的背后是人物對(duì)于所處環(huán)境、所遇事件產(chǎn)生的想法和觀點(diǎn)，這些既跟角色設(shè)定有關(guān)，又必須考慮隨時(shí)出現(xiàn)的變量。考慮到這些因素，盡管“暖暖”已經(jīng)擁有了不亞于任何虛擬人的3D形象，甚至還有自己的CG短片、MV歌曲，但疊紙科技AI技術(shù)的產(chǎn)出應(yīng)用短期內(nèi)還處于探索階段。