前文：

鎧俠·未來記憶系列｜人工智能篇——NVIDIA與鎧俠共同探討人工智能的未來（一）

鎧俠·未來記憶系列｜人工智能篇——NVIDIA與鎧俠共同探討人工智能的未來（二）

KIOXIA x NVIDIA

人們正在逐漸接受最新的技術(shù)，“數(shù)字孿生”和“元宇宙”等術(shù)語已滲透到日常對話之中。引領(lǐng)人工智能技術(shù)發(fā)展前沿的鎧俠員工折原良平和NVIDIA的井﨑武士都在關(guān)注哪些技術(shù)，他們?nèi)绾握雇磥?？鎧俠和 NVIDIA 未來合作的可能性又有哪些？

不斷擴展的先進技術(shù)視野

鎧俠的折原良平和NVIDIA的井﨑武士是人工智能和深度學(xué)習(xí)領(lǐng)域的研發(fā)先鋒。接下來的對話中，他們討論了人工智能在社會中的實際應(yīng)用，以及其在元宇宙中的可能性，加速呈現(xiàn)了現(xiàn)實感十足的近未來社會。

折原：我們在“TEZUKA 2020”中使用了生成對抗網(wǎng)絡(luò)（GAN）——一種以生成圖像和其他媒體的能力而聞名的深度學(xué)習(xí)模型。起初對于我們工程師來說，能夠生成圖像就足夠了，但隨著時間的推移，我們希望對所創(chuàng)建的內(nèi)容進行更精確的控制。NVIDIA的Style GAN就是針對這一問題的技術(shù)。最近的研究集中在將GAN技術(shù)與自然語言處理（NLP）相結(jié)合，以更好地控制生成類的人工智能 ，我覺得這很有意思。

井﨑：你的意思是根據(jù)文字描述制作圖像嗎？

折原：沒錯。你可以在下達指令時使用自然語言，比如“把這張圖片的這部分改成這樣”。

井﨑：這要歸功于我們過去幾年中在自然語言處理方面取得的巨大進步。自從主要用于自然語言處理 （NLP）領(lǐng)域的Transformer模型開發(fā)以來，語言識別和語言詮釋都得到了很大的改進。我們將其應(yīng)用于圖像識別，并整合到生成類網(wǎng)絡(luò)中，這是個不斷進化的領(lǐng)域。

折原：在深度學(xué)習(xí)的早期，流程是將在圖像識別中得到驗證的方法帶到自然語言處理中。而Transformer模型則相反——在自然語言處理中表現(xiàn)良好的方法被應(yīng)用到了圖像識別中。我認(rèn)為有這種交互的流程非常有意思。

井﨑：說到語言處理，GPT-3 是另一個在自然語言處理中使用 Transformer 模型的例子。GPT-3 是一種文本生成語言模型，可以讓人工智能撰寫博客和新聞文稿。使用該模型可以讓動畫人物以自然的方式執(zhí)行動作并與人交談，也就是智能對話機器人。這種應(yīng)用的例子會越來越多。

人工智能還可運用在哪些場景

Q?──您提到了新聞報道。您還為人工智能設(shè)想了哪些其他日常應(yīng)用？

井﨑：我想大多數(shù)人都熟悉聊天機器人的例子，它正在取代呼叫中心。許多金融機構(gòu)已經(jīng)在使用基于人工智能技術(shù)的聊天機器人，各種云服務(wù)公司都在提供軟件即服務(wù)（SaaS）。但我認(rèn)為該領(lǐng)域還將變得更加智能，比如從人的聲音中讀取情緒并做出相應(yīng)的反應(yīng)。用不了多久，它們的準(zhǔn)確性就會更高，也就可以更自然、更準(zhǔn)確地與人類互動。

另一個例子是零售環(huán)境中的虛擬銷售人員。顧客在液晶屏上搜索產(chǎn)品，虛擬銷售人員將能夠正確地理解顧客的需求，并將顧客引導(dǎo)到商店中相應(yīng)產(chǎn)品的位置。與人類銷售員不同，這些虛擬店員是連接在網(wǎng)絡(luò)上的，因此可以隨時為顧客進行個性化的商品推薦。這種應(yīng)用會越來越廣泛。

折原：除此之外，如果將圖像和聲音的識別能力結(jié)合起來，交流會變得更加自然和人性化。

井﨑：沒錯。如果加上手勢識別就會更逼真了。從一個人的面部表情中讀取他們的情緒，通過結(jié)合語音和圖像來進行更順暢的交流，創(chuàng)建一個所謂多模式系統(tǒng)。

折原：最近越來越多的公司舉行虛擬遠(yuǎn)程會議，但人們不喜歡遠(yuǎn)程會議，因為人類交流的一半以上是非語言（nonverbal）信息，而這些信息很難通過遠(yuǎn)程會議傳達到。多模式系統(tǒng)將改善這個問題。

我還有一個有趣的經(jīng)歷。我在法國參加會議時想要預(yù)定一家餐廳，我用英文寫了一封郵件，然后使用谷歌翻譯轉(zhuǎn)換成法語發(fā)了過去。當(dāng)我到了餐廳才發(fā)現(xiàn)工作人員不會說任何英語，所以我被迫用蹩腳的法語交流。結(jié)果在我用餐時，服務(wù)員給我遞來了一張紙條，上面寫著“您用法語給我們寫了封郵件，有想說的話就請寫下來吧?！币簿褪钦f，谷歌翻譯已經(jīng)通過了圖靈測試。

井﨑：最近谷歌翻譯的準(zhǔn)確度有所提高，已經(jīng)達到了可以直接復(fù)制粘貼的水平。就像你說的圖靈測試，谷歌翻譯已經(jīng)到了可以以假亂真冒充人類的程度了。

隨著科技發(fā)展人工智能將大顯身手

Q?──請從先進技術(shù)角度介紹一下GauGAN。

井﨑：GAN的熱潮大約是在兩年前，當(dāng)時GAN相關(guān)的論文一篇又一篇的發(fā)表。在那之后稍微平靜了一點，但許多新的GAN算法仍在開發(fā)中。在NVIDIA，我們發(fā)表了一篇關(guān)于GauGAN的論文，它是這樣一個模型：用戶繪制圖形，并對某些區(qū)域進行指定，比如指定為巖石或天空；該模型將根據(jù)這些指定創(chuàng)建一個逼真的圖像?，F(xiàn)在新的算法GauGAN2正在不斷進化中。在“TEZUKA 2020”項目中，我們使用的是StyleGAN來創(chuàng)建角色，該模式現(xiàn)在還可以創(chuàng)作周圍的背景。人工智能的創(chuàng)意領(lǐng)域正在不斷擴大。

最近，我一直在關(guān)注神經(jīng)輻射場（NeRF）算法，它可以將二維圖像轉(zhuǎn)換為高精度 3D 圖像。在平面圖像的基礎(chǔ)上重構(gòu)三維圖像，并且可以改變或者移動視角。將創(chuàng)作空間增加到三個維度，人工智能就可以運用到更多的領(lǐng)域，有更多的使用方式。

Q?──隨著元宇宙的不斷發(fā)展，會出現(xiàn)更多人工智能在三維空間中的創(chuàng)作嗎？

井﨑：NVIDIA有一個名為Omniverse的平臺，這是一個為三維設(shè)計協(xié)作，和虛擬空間中的實時模擬而開發(fā)的平臺。這是一個協(xié)作環(huán)境，可以讓位于不同地點，使用不同三維設(shè)計應(yīng)用程序，以及不同設(shè)備的設(shè)計師進行實時協(xié)作。

例如，通過創(chuàng)建工廠自動化機器和運輸機器人的物理模型，可以模擬工廠的運營，從而優(yōu)化移動路線、裝配線安排和人員分配。在Omniverse上還可以實現(xiàn)多人協(xié)作編輯，比如構(gòu)建工廠建筑的虛擬模型，并模擬其在真實世界中稼動的場景：包括日照條件以及周圍環(huán)境的模擬，以此檢驗工廠是否能在真實環(huán)境中正常運作。今后這種應(yīng)用方式會不斷增加。

辦公桌電腦上的獨立工作環(huán)境，將轉(zhuǎn)變?yōu)樘摂M空間中的協(xié)同創(chuàng)作。

折原：聽井崎先生說完，我意識到這些最新的技術(shù)在程序中已逐步實現(xiàn)，我作為一個程序員，創(chuàng)作和精通的也只是程序；而程序和軟件世界中的新技術(shù)借助元宇宙可以擴展到設(shè)計領(lǐng)域以及其他與有形事物相關(guān)的領(lǐng)域。

井﨑：編程，尤其是開發(fā)工具正在穩(wěn)步發(fā)展。有些人是硬編碼的，而另一些人則是使用無代碼和低代碼等工具構(gòu)建的。我認(rèn)為這種各個層次協(xié)同創(chuàng)造的環(huán)境會不斷擴大。

以前的程序只有程序員才能看懂，現(xiàn)在也都平民化了，甚至達到外行也可以使用的水平，那么做出來的程序就會因此改變，進而導(dǎo)致更大的多樣化。

折原：編程被民主化了。

井﨑：沒錯，就是這個意思。

后篇：

鎧俠·未來記憶系列｜人工智能篇——NVIDIA與鎧俠共同探討人工智能的未來（四）