真正的數(shù)字人，離誕生還差一個(gè)通用人工智能

人類在疫情期間，對(duì)技術(shù)產(chǎn)生了感情。

人類彼此之間變得隔膜，不信任，但是加深了對(duì)技術(shù)的依賴；有些人對(duì)技術(shù)如此地信任，以至于激進(jìn)地想建立起完全自治的數(shù)字世界。

或者說(shuō)顛倒虛擬與現(xiàn)實(shí)。數(shù)字世界才是真實(shí)的、美好的。

數(shù)字人（Digital People）開始涌入元宇宙。他們也被稱為虛擬人，以數(shù)字形式存在，往往栩栩如生，甚至能讓真實(shí)人類感覺到情緒與人格。他們成為了連接人與機(jī)器的互動(dòng)界面。

發(fā)達(dá)和即將發(fā)達(dá)的經(jīng)濟(jì)體，普遍面臨人口崩潰，但機(jī)器人和數(shù)字人開始被接生和豢養(yǎng)。

創(chuàng)造他們的初創(chuàng)企業(yè)，正在受到風(fēng)險(xiǎn)資本的追捧。軟銀愿景基金領(lǐng)投了新西蘭初創(chuàng)公司靈魂機(jī)器（SoulMachines）的B1輪，金額高達(dá)7000萬(wàn)美元；次世文化獲得了紅杉中國(guó)的獨(dú)家投資，其半年來(lái)的第三輪融資。

數(shù)字人大量誕生，背后是元宇宙的熱炒，更重要的是底層技術(shù)的進(jìn)步與商業(yè)化場(chǎng)景的落地。去年1月初，百度研究院預(yù)測(cè)稱，結(jié)合知識(shí)圖譜和深度學(xué)習(xí)，以及3D 建模、情緒識(shí)別、智能推薦等技術(shù)，數(shù)字人將在2021年大量出現(xiàn)，并在服務(wù)行業(yè)大放異彩。

剛剛閉幕的冬奧會(huì)，就采用了手語(yǔ)播報(bào)數(shù)字人。燃麥科技推出的數(shù)字偶像AYAYI，不僅以數(shù)字員工身份入職阿里，還拿下了LV、歐萊雅、保時(shí)捷等品牌的代言。數(shù)字人首先是數(shù)字喉舌。

（數(shù)字手語(yǔ)播報(bào)員翻譯測(cè)試，來(lái)源：央視）

另一大場(chǎng)景則是客戶服務(wù)。靈魂機(jī)器試圖在日益數(shù)字化的服務(wù)行業(yè)中，提供能夠與人類用戶情景化互動(dòng)的數(shù)字勞動(dòng)力。該公司發(fā)布了一份白皮書，提到新冠疫情以來(lái)，C端用戶需求更多更好的遠(yuǎn)程教育和零接觸服務(wù)，B端客戶則希望既能提供差異化服務(wù)，增加用戶黏性并提升轉(zhuǎn)化率，但同時(shí)又希望能降低成本。

與頻繁占線的人工服務(wù)不同，數(shù)字勞動(dòng)力可以起早貪黑地干活，在絕大多數(shù)智能設(shè)備上，以多種語(yǔ)言提供規(guī)模化的一對(duì)一服務(wù)。Gartner稱，在2021年，全球15%的客服交互由人工智能處理，比2017年增加了4倍。與基于文本或音頻的人工智能客服，數(shù)字人在互動(dòng)中展示的面部表情與肢體動(dòng)作更具親和力。

靈魂機(jī)器已經(jīng)攬獲了多家客戶，并初步驗(yàn)證了其商業(yè)價(jià)值。雀巢、西太平洋銀行與世界衛(wèi)生組織等，已經(jīng)通過(guò)該公司的技術(shù)創(chuàng)建了數(shù)字人。靈魂機(jī)器稱，一位能與年輕女性交流的皮膚問(wèn)題的數(shù)字護(hù)膚顧問(wèn)（不用分成的數(shù)字李佳琦？），讓該網(wǎng)站的轉(zhuǎn)化率提高了4.6倍。

數(shù)字人的基因，需要多模態(tài)算法，也就是同時(shí)處理或輸出聽覺、視覺與知識(shí)邏輯等相關(guān)的信息。人物建模與互動(dòng)表達(dá)，需要CGI（計(jì)算機(jī)生成圖像）、自然語(yǔ)言處理與語(yǔ)音合成的支持；對(duì)互動(dòng)內(nèi)容的捕捉，需要計(jì)算機(jī)視覺與語(yǔ)音識(shí)別技術(shù)。

當(dāng)用戶與數(shù)字人互動(dòng)時(shí)，前者的面部表情與情緒反應(yīng)，都會(huì)在脫敏的前提下收集起來(lái)，用于訓(xùn)練與優(yōu)化算法，變成數(shù)字人的“靈魂“。

靈魂機(jī)器引入了認(rèn)知科學(xué)與神經(jīng)科學(xué)，幫助算法理解真實(shí)人類的聲音語(yǔ)調(diào)、節(jié)奏和面部表情變化的含義。

人類急不可待地想擁有這些永不躺平的數(shù)字人。盡管諸多數(shù)字人技術(shù)初創(chuàng)公司，紛紛勾勒出了其技術(shù)框架與商業(yè)模式，但這項(xiàng)技術(shù)還需要很長(zhǎng)一段路要走。為了衡量技術(shù)進(jìn)展，靈魂機(jī)器參照自動(dòng)駕駛技術(shù)L0-L5的分級(jí)模式，將數(shù)字人技術(shù)根據(jù)人類介入程度與系統(tǒng)互動(dòng)性，分為L(zhǎng)0-L5等階段。

L0級(jí)被稱為無(wú)自主動(dòng)畫，由人類提前錄制，系統(tǒng)再向用戶重復(fù)播放公司提供的腳本。L1級(jí)的動(dòng)畫，類似電影《阿凡達(dá)》，虛擬人物的肢體語(yǔ)言來(lái)源于對(duì)真實(shí)演員表演動(dòng)作的捕捉，這套動(dòng)作預(yù)先針對(duì)某個(gè)特定問(wèn)題設(shè)計(jì)，系統(tǒng)根據(jù)用戶選定的問(wèn)題呈現(xiàn)動(dòng)畫。L2級(jí)的動(dòng)畫，不再需要真實(shí)演員，而由算法根據(jù)指定腳本生成，但用戶互動(dòng)仍較為受限。

上述三個(gè)級(jí)別，動(dòng)畫呈現(xiàn)與人機(jī)交互都提前預(yù)設(shè)，人類主導(dǎo)。目前市場(chǎng)上的數(shù)字人技術(shù)應(yīng)用場(chǎng)景，多數(shù)都劃入了為L(zhǎng)0至L2級(jí)。

實(shí)際上，這就是目前自動(dòng)駕駛所達(dá)到的水平。

L3至L5級(jí)是實(shí)時(shí)的、動(dòng)態(tài)生成的、內(nèi)容感知的動(dòng)畫。隨著級(jí)別的提升，對(duì)系統(tǒng)自由度的要求會(huì)更高。靈魂機(jī)器認(rèn)為自己目前處于L3級(jí)別，也就是指導(dǎo)性動(dòng)畫。這個(gè)級(jí)別的動(dòng)畫由算法自動(dòng)生成，人類定義動(dòng)畫內(nèi)容的范圍，但不預(yù)設(shè)具體問(wèn)題；系統(tǒng)能向人類報(bào)告用戶互動(dòng)中出現(xiàn)的異常。這個(gè)級(jí)別的產(chǎn)品，類似于數(shù)字客服，在互動(dòng)中為用戶提供標(biāo)準(zhǔn)化的咨詢服務(wù)。

L4級(jí)被視為目標(biāo)導(dǎo)向的動(dòng)畫，L5級(jí)被視為價(jià)值導(dǎo)向的動(dòng)畫。前者的產(chǎn)品形態(tài)更類似于數(shù)字金融投顧，系統(tǒng)要在互動(dòng)中學(xué)習(xí)，為客戶實(shí)現(xiàn)投資目標(biāo)；后者則更類似于偏遠(yuǎn)地區(qū)的數(shù)字醫(yī)護(hù)人員，系統(tǒng)要嘗試自主學(xué)習(xí)，完全根據(jù)患者輸入給出個(gè)性化醫(yī)護(hù)建議。

L4與L5目前尚無(wú)公司能夠?qū)崿F(xiàn)，它們有賴于通用人工智能技術(shù)（AGI）的進(jìn)步。狹義人工智能，只能完成特定任務(wù)，解決特定問(wèn)題，通用人工智能類似人類，能夠處理全局性任務(wù)。但這項(xiàng)技術(shù)在Garnter技術(shù)成熟度曲線上，尚處于起步階段。

在元宇宙中，很多應(yīng)用場(chǎng)景所提供的客戶服務(wù)，可以由數(shù)字勞動(dòng)力來(lái)完成，而不需要真實(shí)人類的數(shù)字分身來(lái)扮演。這些數(shù)字勞動(dòng)力足夠自主，不斷與真實(shí)人類互動(dòng)，推動(dòng)AGI技術(shù)的進(jìn)步。

靈魂機(jī)器自稱是AGI技術(shù)公司，并堅(jiān)信這就是未來(lái)。

▽

重磅報(bào)告《看DAO 2022》

▽

關(guān)鍵詞： 真正的數(shù)字人 離誕生還差一個(gè)通用人工智能 新冠疫情