來源：劉國輝 AIM人工智能學(xué)院
[導(dǎo)讀：近日，前沿技術(shù)情報所最新發(fā)布的文章，全方位展現(xiàn)中國虛擬數(shù)字人當(dāng)下的發(fā)展圖景、應(yīng)用現(xiàn)狀、優(yōu)勢與瓶頸。本文為節(jié)選縮減版，為您暢享未來。]
三星旗下STAR Labs展示了其設(shè)計的虛擬數(shù)字人NEON，受到高度關(guān)注。這些虛擬數(shù)字人與真人的外在表現(xiàn)無異，竟然是AI學(xué)習(xí)的結(jié)果。據(jù)介紹，NEON具備共情能力，能夠真正理解人類的想法。通過機器學(xué)習(xí)累計的數(shù)據(jù)和能力，他們會進化得更像現(xiàn)實生活中的演員、發(fā)言人、電視主播等。
不過，NEON學(xué)得最好的還是人類的表情動作，至于說智能化水平，就一言難盡了。NEON首席執(zhí)行官Pranav Mistry第一次現(xiàn)場展示時，甚至出現(xiàn)了數(shù)次宕機，以至于演示無法繼續(xù)。而在國內(nèi)，已有不少公司就在做虛擬數(shù)字人了，甚至在全國的疫情防控方面，也有了虛擬數(shù)字人的身影。
為什么我們需要研發(fā)看起來跟真人沒啥區(qū)別的虛擬數(shù)字人呢？
虛擬數(shù)字人應(yīng)用五花八門
國內(nèi)已經(jīng)開始使用虛擬數(shù)字人的領(lǐng)域：
有銀行在網(wǎng)點設(shè)置大屏，屏里的數(shù)字人做導(dǎo)向、咨詢的工作，有點像數(shù)字化的大堂經(jīng)理；
銀行APP也打算用數(shù)字人來承擔(dān)理財顧問的角色；
線上泛娛樂是一塊重要市場，想必大家已經(jīng)上見過一些虛擬主持人，百度、科大訊飛、搜狗、創(chuàng)業(yè)公司如魔琺科技等都推出過類似產(chǎn)品。
虛擬數(shù)字人目前在功能上略顯稚嫩，但不能以現(xiàn)在的能力來評判未來，數(shù)字人不僅帶來一種新的界面，更是帶來一種新的交互方式。虛擬數(shù)字人看上去就是用三維視覺感知、3D建模等技術(shù)塑造出比較逼真的形象，用語音識別、語音合成、自然語言處理等技術(shù)讓數(shù)字人初步具備一些交互能力。
在應(yīng)用上，虛擬數(shù)字人有線上線下之分：
在線下，虛擬數(shù)字人可以在政府部門、醫(yī)院、銀行、消費場所等場景里提供簡單的客服功能；在線上，虛擬數(shù)字人還有個典型的場景是泛娛樂，如虛擬主持人、主播、模特等。虛擬數(shù)字人第一個市場一定是泛娛樂，以數(shù)字人為依托生產(chǎn)內(nèi)容，比如進行虛擬直播、短視頻、綜藝秀等，所有的內(nèi)容是導(dǎo)演策劃好的，不需要全智能。此外，數(shù)字人在線上還可以提供一種新的交互方式，以前是人與網(wǎng)站、APP界面交互，此后，用戶可以直接跟數(shù)字人交互?；蚴窃诜簥蕵坊蛘呓逃葓鼍皝硖峁┮粋€擬人的形象，代替真人來表演或者教學(xué)。
當(dāng)然，現(xiàn)在數(shù)字人的交互也還很機械：以北京互聯(lián)網(wǎng)法院為例，依然是用戶查找各種版面尋找需要的信息，雖然有數(shù)字人，也只是按照預(yù)設(shè)程序來播放。比如想要了解著作權(quán)信息，點擊之后由數(shù)字人在視頻中講解。
哪些領(lǐng)域更適合落地？
虛擬數(shù)字人是一項新興技術(shù)，商業(yè)模式還在探索之中。比較明確的是虛擬數(shù)字人可在手機、智能家居等場景下成為每個人專屬虛擬助手以及情感陪伴，也可以在企業(yè)成為虛擬數(shù)字員工，幫助企業(yè)升級智能化無人辦公，還可以成為新聞、游戲解說、網(wǎng)紅等虛擬主播。
虛擬數(shù)字人在泛娛樂領(lǐng)域需求會比較明確。利用虛擬數(shù)字人可以解決影視和游戲、短視頻等內(nèi)容制作中效率低、產(chǎn)能低、質(zhì)量低的痛點，至今這些領(lǐng)域在國內(nèi)基本仍屬于勞動密集型的手工作坊制作。其次，增量市場比如虛擬直播和虛擬偶像，可以連續(xù)直播、連續(xù)表演，這個事情，泛娛樂領(lǐng)域的大公司都想做。在其他領(lǐng)域，虛擬數(shù)字人主要解決降本增效的問題。全智能虛擬數(shù)字人不是要去替代人，也不一定要做得比人好，它更多是解決有限人力，以及人不能24×7工作的問題。另外，全智能虛擬數(shù)字人可以把以前的語音客服進行升級，從語音交互升級成多模態(tài)交互。
判斷哪些領(lǐng)域會適合虛擬數(shù)字人的應(yīng)用，可以從三個角度去考量：對交互的需求、對形象的需求、對體驗的需求。某些行業(yè)特別適合圖文并茂跟用戶交互信息的，而且需要的信息量沒有那么大，不是十輪、二十輪那種對話，都可以用虛擬數(shù)字人來提供服務(wù)。
重內(nèi)容輕交互的領(lǐng)域是最先應(yīng)用的一類，像虛擬老師大部分時間在講課。泛娛樂領(lǐng)域的虛擬數(shù)字人大部分時間在表演，交互很少，應(yīng)用起來會更早期；另一類是不需要很強的知識庫，比如一家公司以前介紹自己更多是通過官網(wǎng)，現(xiàn)在可以有虛擬數(shù)字人圖文并茂解釋。
對于專業(yè)性比較強的領(lǐng)域，或者通用的領(lǐng)域，虛擬數(shù)字人的應(yīng)用可能不會那么樂觀。越是專業(yè)、通用、強交互的場景，在當(dāng)下的技術(shù)條件下，越不適合做虛擬數(shù)字人。
虛擬數(shù)字人面臨的拷問
現(xiàn)在虛擬數(shù)字人應(yīng)用正在起步，三星、百度、騰訊等大廠都有產(chǎn)品問世，應(yīng)用也在一點點落地，顯示這個新興領(lǐng)域正在受到越來越多的關(guān)注，但虛擬數(shù)字人想要大行其道，還有經(jīng)過幾番試煉。
落地場景一定需要形象嗎？
首先，虛擬數(shù)字人背后是AI，真的需要做出一個真人的形象嗎？以虛擬老師為例，有一個數(shù)字形象來播放課程，跟沒有數(shù)字形象的視頻相比，對教學(xué)效果有什么效率提升嗎？
這涉及到項目落地的必要性問題。從客戶的角度看，你的產(chǎn)品可能對我有一定價值，但我對你的產(chǎn)品沒有達到非用不可的程度，這時候落地就比較難，即使能落地，產(chǎn)品也賣不上價。
沒有一個交互的提升是必須的，一種新應(yīng)用要替代原有方式，必須能做到一旦有了這個交互后，用戶不愿意回到原來的方式。那么，數(shù)字人怎么跟所有的圖文信息、數(shù)字答疑、視頻結(jié)合起來，讓用戶感到這種提供信息的方式是最方便的，這是業(yè)界需要解決的問題。
綜合來看，虛擬數(shù)字人的交互相比原有的APP交互是否更舒服更順暢，還有待于市場檢驗。畢竟，人們對現(xiàn)有的交互方式黏性很高，想要替換是比較難的。就像人們已經(jīng)熟悉了二維碼支付，現(xiàn)在讓人去體驗刷臉支付，即使是微信支付寶這樣的重量級玩家去推，也顯得很難。想要替換原有的交互方式，虛擬數(shù)字人就要顯示出更明顯的價值來，吸引客戶來付費。這當(dāng)然要技術(shù)的進步，更重要的是產(chǎn)品能夠更貼近客戶的場景。
寫實是數(shù)字人的趨勢嗎？
其次，就算在一些場景需要一個虛擬形象，但是這個虛擬形象一定是要跟真人一樣寫實嗎，有無必要？
虛擬數(shù)字人往往主打真實形象的概念，數(shù)字人的形象確實也比一般的動畫作品更真實，但跟真人的形象相比還是有差別，真人的眼睛是非常靈動的，而虛擬數(shù)字人看起來速率比較慢，面部表情也沒有真人那么豐富。其他的肢體動作跟真人比也比較遲緩。這個事情分兩個點：一是角色效果會越來越好，它是一個技術(shù)加藝術(shù)的過程，不是技術(shù)做的特別好了，藝術(shù)馬上就做好了；二是超寫實是不是要跟真人一樣，也不一定，取決于應(yīng)用場景。
需要高度智能化嗎？
未來數(shù)字人的產(chǎn)品趨勢是什么，是繼續(xù)做一個簡單的客服，還是通過持續(xù)的學(xué)習(xí)有更強的智能性？
AI虛擬數(shù)字人的智能化，需要具備多輪對話的能力，以及各個行業(yè)的知識圖譜，形成一個龐大的智能知識庫，并具備學(xué)習(xí)能力，這樣才能解決各種專業(yè)的行業(yè)問題。
AI虛擬數(shù)字人在應(yīng)用落地過程中，需要一個強大的AI后臺大腦，以及觸摸、語音、傳感器等多模態(tài)交互融合，以達到適用于各種場景下的擬人化交互，幫助人類解決各種問題。然而，虛擬數(shù)字人想做到如此，還有很長的路要走。
虛擬數(shù)字人適合所有場景嗎？
目前看來，并非所有的網(wǎng)站、APP都適合用數(shù)字人來做交互，數(shù)字人還是更適用于用戶有明確需求的場景。比如用戶想了解某APP應(yīng)用，可以讓一個虛擬數(shù)字人掌握了APP的全部公開資料后，形成知識庫，再根據(jù)用戶的提問去做回答。但對于一個沒有明確閱讀需求的用戶來講，面對虛擬數(shù)字人，可能沒有問題去提。但這個人是可以在漫無目的地在APP上看一些文章的。另外，不是每個用戶都喜歡用語音來控制，也不是每個場景都適合用語音，像辦公室、會議室等場景，用語音驅(qū)動虛擬數(shù)字人，可能不太合適。
未來，我們會在越來越多的場景里看到虛擬數(shù)字人，虛擬數(shù)字人會與AI一起，成為技術(shù)落地的一環(huán)。起初數(shù)字人會比較簡單，承載已經(jīng)預(yù)設(shè)好的內(nèi)容，比如在很多場合做客服的工作，或者在娛樂領(lǐng)域代替真人表演；如果AI能力進步，在自然語言處理、知識圖譜等方面越來越強，虛擬數(shù)字人會有更好的交互體驗，以及在專業(yè)領(lǐng)域形成比較強的替代能力。虛擬數(shù)字人未來做到怎樣，其實還是要看AI能做成什么樣。
[資料來源] 虎嗅Pro
