网易伏羲AI虚拟人首席专家丁彧：数字人的未来是服务人类

网易伏羲首席AI虚拟人专家丁彧：数字虚拟人的前生今世与未来 （来源：视频综合）

更多精彩内容，请关注 《预见未来十年！2020网易未来大会》专题报道

杭州网讯12月18日-20日，2020网易未来大会在杭州盛大举行。大会以“洞觉 未见”为主题，汇聚了全球最强大脑，期盼以远见超越未见，去寻找打开未来的钥匙。

大会上，网易伏羲AI虚拟人首席专家丁彧博士发表了《数字人的前生今世与未来》主题演讲，分享了网易伏羲的数字人研究成果。在丁彧博士的带领下，现场嘉宾展开了一场关于未来的想象：如果数字人成为现实，世界将是怎样。

数字人，是基于数字成像技术的虚拟人。数字人的起源来自人类，只有理解了人类，数字人才可以复刻人类，富有像人类一样的能力——比如有说话语音的能力，讲话的时候有各种表情、肢体语言的能力。

今天，随着器械的制造、信息学、AI技术的蓬勃发展，人类已经可以开始数字化定量地对人类进行理解。这催生了数字人的诞生，数字人从此进入人类历史的舞台。

丁彧博士现场展示了网易伏羲的虚拟人技术。在视频中，数字人可以复现人类细腻的肢体表达。而在一组对比视频中，由人工智能技术算法产生的面部表情动画，已经与由动捕产生的画面十分接近。

运用网易伏羲的技术，由一句话生成动画的时间大概只要30-50毫秒。这背后的意义绝对不仅仅是降低了动画的生产成本，而是意味着一个数字人能够进行自主的表达，不再需要时间。这就为下一代的人机交互做好了准备。

最后，丁彧博士畅想了数字人发展所展现的广阔应用前景。未来，在高效的脑电信号交流的环境下，数字人能够完全复刻人类，比如可以复刻无数的“张桂梅”校长去解决教育资源不平等的问题。而AR、VR等技术也为虚拟人形象的生成提供无限的可能。

以下为网易伏羲AI虚拟人首席专家丁彧博士演讲的部分内容：

大家好，12月的杭州还是有些寒冷的，今天的主题是“洞见与未见”，让我们把脑洞打得更开一些，想象力更多一些。

我今天带来的话题是“数字人”。提到数字人，那它一定不是实体的机器人，而是基于数字成像技术的虚拟人。

数字人的前世，今生，和未来。

首先，让我们来开宗明义： 什么是数字人的前世，什么是数字人的今生，更重要的是，我们想知道未来的数字人是什么样子。

对人类的起源，人们一直以来有很多争论，但是数字人起源是非常清晰的，数字人的起源一定是人类。让我们定义成“数字人的前世就是理解人类”。只有理解了人类，搞懂了人类，那么数字人就可以复刻人类，这也是当今时代各个战线的科技工作者们正在努力的方向：我们希望数字人富有像人类一样的能力——比如有说话语音的能力，讲话的时候有各种表情、肢体语言的能力。

大家可以发挥想象力，尝试想想数字人的未来是什么。在这里，我首先做一个定义，当数字人的技术无限的强大，在那个时候，数字人的未来一定是无限地、充分地服务人类。

先讲讲数字人的前世。数字人的前世与理解人类有关。自人类诞生以来，人类从来没有停止过对人类自身的理解，包括亿万年来人类的起源问题。

在5000年前，在良渚古城向我们揭示了5000年前的人类，他们已经有了非常高效的社交能力。大家可以群聚在一起，以团队的方式完成大型的水利工程，这就说明人类的社交能力在人类生产、生活中至关重要，我想这也一定是数字人将来一定要具备的能力，具有数字社交能力。

时间再拉到文艺复兴19世纪上半叶，实验科学得到了大量发展。实验科学推进了人类对人类的理解。150年前，达尔文通过物证的方法论证了人类的起源，达尔文不仅仅论证了人类的起源，还有实验的方法研究了人类的社交行为，比如表情。为什么表情很重要呢？对于一个婴儿来说，在还没有学会说话的时候，已经会用表情与父母、与亲人产生社交行为。

图中的六幅图片，就是150年前达尔文研究人类的表情，他用电击的方式促进人类不同面部的肌肉，看一下肌肉怎么反应，以此获得人类如何通过面部的肌肉、面部的动作来表达情绪的。同时，除了表达以外，还有研究如何从对方面部肌肉中，感知和理解他的情绪和心理状态。

在过去150年当中，实验科学得到了巨大的发展，给心理学、社会学、行为学积累了大量的对人类定性理解的积累。

但是到了今天，随着器械的制造、信息学、AI技术的蓬勃发展，人类已经不再仅仅满足于定性的对人类理解，人类已经可以开始数字化定量地对人类进行理解。一旦可以定量，这时候数字人就诞生了，数字人就进入人类历史的舞台。

这是网易游戏制作的游戏视频，基于光学的“动捕”设备可以捕捉到人类细微骨骼的运动，我们把细腻肢体艺术表现，可以复刻在游戏的数字人当中。

大家可以看到，在这样一个数字世界中，不仅可以复现人类细腻的肢体表达，数字世界也同样逼真了。

在21世纪前20年，人工智能的技术得到蓬勃发展，在这个时候，人工智能技术已经赋予数字人一种能力，他们不再需要动捕的设备，不再需要手工的制作动画，它能够根据剧情的需要，根据内心表达的需要，能够自主产生面部的表情。

接下来的视频是配对的视频，这个数字人它们在说同样的话。左边这个由人工智能技术算法产生的面部表情的动画；右边是由动捕产生的，左边跟右边越接近，我们认为这个技术已经让面部表情的表达已经越逼真了。大家可以感受一下他们之间的相似性和差距。

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!