內(nèi)容生產(chǎn)背后的人工智能

漫步于盧浮宮無數(shù)畫作中，你是否期待一位畫師為你記錄下獨(dú)一無二的瞬間，給這個(gè)世界留下一份凝視與回眸？走進(jìn)國家圖書館浩瀚書海中，你是否期待有人陪你一同探索世界？意外闖進(jìn)J.K羅琳創(chuàng)建的魔法學(xué)校，你是否期待有人為你遞上魔杖讓所有平面之物躍然紙上？

隨著不斷迭代的算法和不斷增強(qiáng)的算力，最新的人工智能技術(shù)正悄然將這一切變成現(xiàn)實(shí)，這些建立在數(shù)學(xué)基礎(chǔ)上的抽象能力正成為人類擁有特殊技能的朋友，與我們共同追逐著未來的無限可能。

寫實(shí)派畫家——GAN

生成對抗網(wǎng)絡(luò)（GAN/Generative Adversarial Networks）就像這個(gè)時(shí)代的寫實(shí)派畫家，這位畫家的大腦和畫筆就是Generator和Discriminator兩個(gè)網(wǎng)絡(luò)。在實(shí)際使用過程中，我們提供真實(shí)輸入后，它會(huì)在Generator中生成假圖片并在Discriminator中和真圖做對比。起初，Discriminator很容易分辨真假圖片。但隨著Generator通過Discriminator的反饋不斷優(yōu)化生成的圖片，分辨難度不斷提升。最終，當(dāng)Discriminator沒辦法分辨真假時(shí)，假圖片就作為最終產(chǎn)物出現(xiàn)在了我們面前。

自誕生以來，生產(chǎn)對抗網(wǎng)絡(luò)就在鳥類、花卉等圖片的生成上不斷展現(xiàn)出驚人的能力，而其生成的足以亂真的人臉照片和根據(jù)文本描述生成的照片，已經(jīng)成為設(shè)計(jì)師必備的工具：前者可以作為素材庫讓設(shè)計(jì)師輕松積累素材，后者則能幫助設(shè)計(jì)師可以快速定向獲取設(shè)計(jì)靈感來源。

印象派畫家——VAE

除了“寫實(shí)派畫家”生成對抗網(wǎng)絡(luò)，人工智能領(lǐng)域也有“印象派畫家”——變分自編碼器（VAE，Variational Auto-encoder)。不同于生成對抗網(wǎng)絡(luò)，變分自編碼器在獲得輸入時(shí)會(huì)先用“取色器”（編碼器，encoder）提取畫面的重要信息，并以此為核心拓展范圍。例如，編碼器取“紅色”后會(huì)將該信息擴(kuò)大到“紅色系所有顏色”，再將這些擴(kuò)大后的信息作為生成元素，舉一反三生成更多新數(shù)據(jù)。

目前，這位AI時(shí)代的“梵高”已經(jīng)在包括圖像和音頻合成等領(lǐng)域找到了施展空間。由于舉一反三的屬性，變分自編碼器生成的新數(shù)據(jù)具有更好的擴(kuò)展性和多樣性，也更方便地設(shè)計(jì)師對這些數(shù)據(jù)做定向調(diào)整，從而將更符合預(yù)期的數(shù)據(jù)存入素材庫作為靈感來源。

語言課代表——BERT

如同機(jī)器將圖片依性質(zhì)拆解為RGB等數(shù)值后才能理解圖片一樣，BERT（Bidirectional Encoder Representations from Transformer）也依據(jù)對文本的拆解在紛繁的語言世界中找到了梳理脈絡(luò)、理解奧秘的方法。

我們可以將BERT理解為做英語試卷的考生，第一道題“MLM（MASKED LANGUAGE MODEL）”類似完形填空，我們給BERT的語料庫會(huì)隨機(jī)遮擋15%的詞語，讓BERT根據(jù)上下文猜測空缺部分從而訓(xùn)練其了解不同語境下的詞語運(yùn)用，進(jìn)而更準(zhǔn)確的對語義做出理解。第二道題“NSP(NEST SENTENCE PREDICTION)”會(huì)給到成組的句子，讓BERT判斷兩個(gè)句子是否連續(xù)以及句子間的關(guān)系。有了這些基本能力后，我們只要增加輸出層訓(xùn)練就能將BERT應(yīng)用到不同場景。

目前，誕生不到五年的BERT已經(jīng)可以和閱讀理解、搜索與信息檢索結(jié)合起來，幫助設(shè)計(jì)師將多輪對話等場景變成現(xiàn)實(shí)。除此之外，BERT還能利用其理解學(xué)習(xí)能力在長文本中提取出重點(diǎn)內(nèi)容信息，讓人們可以更高效地理解文本。

讓二維變立體的神奇魔杖——NeRF

在更高維度上應(yīng)用人工智能技術(shù)的努力從未停止，神經(jīng)輻射場（NeRF，Neural Radiance Fields）的脫穎而出因此并不意外。神經(jīng)輻射場能將圖像分為3個(gè)空間位置向量和2個(gè)相機(jī)觀測向量，在此基礎(chǔ)上輸出體密度(volume density,可以理解為透明度)和基于觀測角度的物體空間點(diǎn)色彩，完成從“空間點(diǎn)位置+觀測角度”到“空間點(diǎn)色彩+體密度”的映射。

在三維空間重建二維圖像具有廣闊應(yīng)用前景。它能幫我們準(zhǔn)確快速建立數(shù)字人體，從而成為數(shù)字人領(lǐng)域重要的建模工具；它也能運(yùn)用到自動(dòng)駕駛行業(yè)，讓現(xiàn)實(shí)路況和虛擬情況實(shí)時(shí)融合，為自動(dòng)駕駛提供天氣和雨雪等場景數(shù)據(jù)，讓設(shè)計(jì)師圍繞人車交互進(jìn)行更準(zhǔn)確的設(shè)計(jì)思考。

技術(shù)從不抽象，它們總能直觀地刺激我們的感官、激發(fā)我們的想象力。伴隨著代碼的迭代，技術(shù)終將以更加具象的形式成為我們的朋友。我們也將與它一同探索未知并闡述理解、思考藝術(shù)并定格瞬間，突破邊界并一同走進(jìn)那個(gè)虛實(shí)融合且醞釀著無數(shù)可能的“魔法世界”。