虛擬人盛宴亟待釜底加薪 人工智能技術(shù)頭角崢嶸

    北京冬奧會上，虛擬人熱度有點高。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)會場的實時氣象主播，也是一位AI虛擬主持人。

    “虛擬人的應(yīng)用場景很廣闊，未來其口碑和商業(yè)化雙重認證，都會給傳統(tǒng)的商業(yè)模式帶來變革。”風語筑副總經(jīng)理張樹玉表示，“樂觀預期，未來一年里，每個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。當數(shù)字經(jīng)濟浪潮來襲，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，動畫作品《超時空要塞》中的女主角林明美，憑借動人的歌聲與純真的人設(shè)走紅，成為全球首個虛擬歌手。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)用場景，本質(zhì)上是圍繞這兩個核心概念展開，“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)濟浪潮滾滾而來。

    “虛擬人至少要具備一個獨一無二的形象，還有一定的交互功能，后者就涉及自然語言學習等方面。”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，但是單個制作成本依然在百萬元級別。

    這么高的造價，虛擬人究竟貴在哪里？

    風語筑虛擬人項目負責人陳云翔解釋稱，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)，許多虛擬人為了達到更高的建模要求，頭發(fā)數(shù)量會達到20萬至30萬根。

    “我們之前一段動畫CG中，一個核心角色及其服裝的建模面數(shù)就達到400萬，精細到服飾上的水晶珠寶，這些不同立面還會與光影環(huán)境交互，運算量也隨之大幅增加。”疊紙科技相關(guān)負責人透露，公司一段2分鐘的CG動畫《雙城奇遇記》，最終耗時4個月才完成。

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

    為了應(yīng)對未來更大規(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。

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

    “替代真人”恐難實現(xiàn)

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

    清華大學新聞學院教授沈陽認為，這種擔憂有些多余。虛擬人要完全替代人，有賴于人工智能技術(shù)的進步，短期內(nèi)還不可能實現(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，虛擬人還遠遠無法比肩自然人，具體來看可以歸納為兩點：談吐與氣質(zhì)。

    作為人工智能領(lǐng)域的核心技術(shù)，自然語言學習一直是各大技術(shù)巨頭力求攻克的難點。經(jīng)過近10年發(fā)展，在機器學習已取得長足進步的今日，自然語言學習已初現(xiàn)曙光。顯卡龍頭英偉達的CEO黃仁勛在此前的一次演講中，推出了一個無所不知的“Q版黃仁勛”――Toy-Me。演示中，Toy-Me可實現(xiàn)和人的自然語言交流。

    “自然人之間的交流，話語間隔的推理時間基本在半秒以內(nèi)，這要求計算機在半秒內(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。英偉達披露，Toy-Me使用的預訓練自然語言處理模型Megatron530B，目前為業(yè)內(nèi)規(guī)模最大，通過達萬億參數(shù)級別的語言模型訓練，在11天時間里，讓AI實現(xiàn)GPT-3（第三代生成式預訓練）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，“這個級別的訓練成本接近500萬美元，其依托的語料數(shù)據(jù)接近300TB。”目前，國內(nèi)大部分虛擬人還不具備實時語言交互功能，相關(guān)技術(shù)還有很長的路要走。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)深度學習模擬，“氣質(zhì)”則完全無法用現(xiàn)有技術(shù)復刻，這也是許多游戲行業(yè)人士的共識。

    “‘暖暖’作為系列游戲的主角，對我們而言，更多時候是一個活生生的人，有著自己的思想和生活態(tài)度。”疊紙科技相關(guān)負責人表示，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于所處環(huán)境、所遇事件產(chǎn)生的想法和觀點，這些既跟角色設(shè)定有關(guān)，又必須考慮隨時出現(xiàn)的變量?？紤]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。