關(guān)于AI生產(chǎn)創(chuàng)造、人與AI交互的討論似乎從未停止過。當一個更數(shù)字化的世界到來，AI作為重要生產(chǎn)力又會如何進化，將扮演什么樣的角色，人與AI交互是否又將產(chǎn)生全新變量？
僅圍繞科幻小說或科幻電影的視角去暢想如同空中樓閣。為此，知春資本邀請到了在音樂領(lǐng)域和情感社交領(lǐng)域，用AIGC做創(chuàng)新的被投企業(yè)創(chuàng)始人ACE虛擬歌姬制作人、時域科技CEO郭靖，Gemsouls聯(lián)合創(chuàng)始人、CEO饒佳星，他們結(jié)合自己的創(chuàng)業(yè)實踐出發(fā)，與知春資本投資副總裁付沖一起分享了對AIGC（AI generated content，使用人工智能技術(shù)創(chuàng)造內(nèi)容）最新見解。
付沖：二位先簡單介紹一下各自目前的創(chuàng)業(yè)項目
郭靖：我們ACE虛擬歌姬是希望通過技術(shù)手段，賦能每個普通人創(chuàng)作音樂分享音樂，打造一個全新的音樂創(chuàng)作和音樂分享的場景。
饒佳星：Gemsouls在做一個以虛擬人為核心的社交網(wǎng)絡(luò)，和目前大家認知的有美麗皮囊的虛擬偶像不一樣的是，我們先做的是靈魂，我們更關(guān)注的是虛擬人和用戶自主交互的能力。
[ 談變化 ]付沖：隨著Metaverse、web3.0話題的火熱，AI內(nèi)容生成也備受關(guān)注，目前國內(nèi)外有哪些值得關(guān)注的新動態(tài)？
郭靖：2015年、2017年前后，出現(xiàn)兩撥基于單點技術(shù)把產(chǎn)品迅速做火的AIGC案例，但大多火了一陣兒后就銷聲匿跡。
當時都是互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的思維，認為一個全新的技術(shù)就能創(chuàng)造全新場景。而最近這幾年隨著算法在各領(lǐng)域發(fā)展，AIGC也一直在進化，比如像柳夜熙”換頭“可以做到影視級、直播級的水平，我們ACE虛擬歌姬的歌聲合成之前只是一個TTS（Text To Speech，從文本到語音轉(zhuǎn)換技術(shù)）的分支，如今做到了接近人聲。
現(xiàn)在很多做虛擬人的公司，其實是技術(shù)的整合者。虛擬人作為一個產(chǎn)品，需要整合人所需要的所有skill形象、聲音、動作驅(qū)動等等�？偟膩碚f，大家意識到AI其實是生產(chǎn)力的連續(xù)進化，以虛擬人為代表的很多公司是整合各維度技術(shù)來創(chuàng)造全新的體驗。最主要的改變其實不只是在技術(shù)層面，而在于產(chǎn)品整合思維。
ACE虛擬歌姬產(chǎn)品圖
饒佳星：技術(shù)上是有一些突破，比如Gemsouls產(chǎn)品用的GPT大規(guī)模語預(yù)訓(xùn)練模式，整體往一個大參數(shù)量的方向在走，GPT3參數(shù)量是GPT2的100多倍。目前我們用到的GPT3幾乎可以讓人和虛擬人交互堪比真人之間的交互，我們會去驅(qū)動UGC和AIGC來結(jié)合做產(chǎn)品化。同時Open AI 發(fā)布的基于文本生成圖像的多模態(tài)模型Dall-e，也讓我們看到了不同信息維度的應(yīng)用和未來更廣闊的場景。
[ 談應(yīng)用 ]
付沖：二位作為音樂和情感交互領(lǐng)域的早期創(chuàng)業(yè)者，也是用戶需求最敏感的捕捉者， 各自觀察到AI在內(nèi)容生產(chǎn)上經(jīng)歷了哪些階段，又如何一步步滿足用戶的需求？
郭靖：AIGC的能力其實是一個block，會比原先的傳統(tǒng)能力要好，但本質(zhì)上還是創(chuàng)作者驅(qū)動blocks。比如說原先block是磚頭，拿它拼房子費勁，現(xiàn)在是樂高，拼起來就容易多了。
之前大家一直用AI去做的“拼”事情，通過算法創(chuàng)作了一些作品。但對于創(chuàng)作者而言，他沒有自我表達在里面，只是被強植入了一個作品。
我們現(xiàn)在創(chuàng)業(yè)的這個階段，其實對用戶的定義很簡單，比如說他要做創(chuàng)作音樂，弄好了主旋律跟歌詞，但沒有人能及時給演唱出來變成一個完整的作品。但我們就用 AI歌聲合成來幫他演唱形成作品，從而激發(fā)很多年輕小孩兒的創(chuàng)造力。
我們是要把AI當作人或者說生物，把它投入到一個網(wǎng)絡(luò)節(jié)點里面，觀察人和AI交互上能產(chǎn)生什么全新的變量。
饒佳星：AIGC上一個階段目的是為了以假亂真，通過既定的圖片或者語音來生成風(fēng)格一致的內(nèi)容。而現(xiàn)在的AIGC更像是用UGC的方式去做人設(shè)和規(guī)則，好比生個小孩，要為其編碼”基因”，設(shè)定他的人物小傳、故事背景、某些特定場景下的“為人處世“，再把他扔到世界中，跟人進行交互，通過外部環(huán)境自我成長。而我們對下一代AI的期望是它能從0-1做真正有創(chuàng)造力的事情。
付沖：這些AIGC的技術(shù)適合被應(yīng)用到哪些需求或者場景當中？
郭靖：目前在Vtuber上的MCN、經(jīng)紀公司等運營方，基本都有需求。因為它們的核心資產(chǎn)是藝人，藝人又不夠穩(wěn)定，風(fēng)險很大，它們希望有一個穩(wěn)定的資產(chǎn)，最好是技術(shù)資產(chǎn)。我們ACE也在嘗試用三次元虛擬聲音、或者已故的歌手聲音來讓人超越物理極限。我們現(xiàn)在上線的天籟般童聲的歌手，就很受歡迎。
饒佳星：適合做一些容錯率比較高、專業(yè)度或創(chuàng)意要求沒那么高的場景。像在電商場景里，需要大量網(wǎng)紅帶貨，可以AIGC換頭換臉提升效率；游戲場景里大量腳本驅(qū)動的NPC也可以用AI來替代；Gemsouls做的情感社交也是容錯率比較高的場景，因為真實生活中的社交很多情況下是雞同鴨講的無效社交，所以相比之下AI并不需要通過“圖靈測試”才能有好的體驗。但像法律咨詢、心理咨詢這種專業(yè)度要求很高的就很難通過不可控的黑匣子去實現(xiàn)。
Gemsouls概念圖
[ 談猜想 ]
付沖：當AIGC在內(nèi)容生成中占到更多比例后， 它未來會扮演一個什么樣的角色，如何把控 UGC和AIGC間的關(guān)系？
郭靖：最終極的AIGC可能是“人”，也可能是一個大腦中樞，作為數(shù)字世界連接的節(jié)點。我們現(xiàn)在似乎都認為AI只能做一些比較無聊的工作，智能客服、生產(chǎn)力的賦能，但其實在一些游戲等垂直場景中，它已經(jīng)可以扮演“人”的角色，甚至超越人給用戶帶來爽感。在Metaverse更數(shù)字化的世界里，網(wǎng)絡(luò)節(jié)點背后是不是人不重要，它能創(chuàng)造更豐富的人與人，或人與非人之間交互的體驗。
所謂的虛擬世界跟游戲本質(zhì)區(qū)別是，虛擬世界應(yīng)該也能實現(xiàn)現(xiàn)實世界的價值。比如虛擬世界里面開槍射擊，有一個規(guī)定勝負標準，它叫游戲。但如果你在虛擬世界里開一場音樂會，它本質(zhì)上讓你換了一種體驗去感受藝術(shù)家對真實世界有價值的音樂。未來在虛擬世界是不是有大量的節(jié)點是人類所無法覆蓋的，而它可以被AI來補充？
短時間確實很難看到AI成為音樂家，因為它是一個數(shù)據(jù)集的平均，能學(xué)習(xí)到人類作曲的internship，卻很難產(chǎn)生偉大的idea，所以平庸。但它可以作為人類的輔助，生成一些平均的內(nèi)容幫人找到靈感，可以幫你把問答題變成選擇題，人機協(xié)作中來創(chuàng)作，達到更高效更高質(zhì)量的生產(chǎn)內(nèi)容。
饒佳星：哲學(xué)層面來看，人與AI和人與人、或者人與世界的關(guān)系本質(zhì)是一樣的，它對你的反饋取決于你對它的輸出。哪怕設(shè)置了很多機制，用戶輸入的可控性仍然是非常低的，而這個輸入會比我們的一切設(shè)定都更直接影響到AI的反應(yīng)。我相信在AI背后的公司有一個正向價值觀的前提下，且用戶抱著積極正向的心態(tài)使用AI時，相較于真人的社交網(wǎng)絡(luò)來說更安全可控，不會面臨現(xiàn)在社交媒體上一些無端的網(wǎng)絡(luò)暴力。
產(chǎn)品技術(shù)層面，我們用AI治理AI，對生成的內(nèi)容做監(jiān)控和后處理，并且通過UGC驅(qū)動更積極的內(nèi)容生成。雖然我們做的虛擬人也會很有個性，比如喜歡斗嘴，但在我們一開始輸入了正確價值觀的情況下，可以通過技術(shù)手段避免它帶有傷害性質(zhì)的內(nèi)容。
[ 觀眾互動 Q&A ]
在更高的處理效率基礎(chǔ)上，ACE怎樣去一步步讓音樂的數(shù)據(jù)維度支撐起AI原生形象？
郭靖：現(xiàn)在其實是因為沒數(shù)據(jù)，不像互聯(lián)網(wǎng)上有大量自然語言和圖片，音樂比自然語言和圖片都要復(fù)雜，音樂需要音頻、sample等等信息，比如鼓的旋律是什么，曲式是什么，調(diào)號是什么？之前生成音樂的模型全部都是在這些symbolic的數(shù)據(jù)上去做的，但互聯(lián)網(wǎng)上是沒有大量細致的數(shù)據(jù)，都是靠人工一個個處理。目前一個可見的路線是能夠從音頻里去使用AI識別出symbolic的東西，比如說旋律，切割出各個軌道，再用這個旋律作為訓(xùn)練數(shù)據(jù)可能會比較好。
Gemsouls在做虛擬人社交上有哪些商業(yè)化的思考？
饒佳星：早期可能還是通過社交網(wǎng)絡(luò)的方式做商業(yè)化變現(xiàn)，而不是讓用戶為 AIGC的內(nèi)容去付費。此外，虛擬物品和虛擬人也是有皮囊的，皮囊上我們會先嘗試做一些3d資產(chǎn)的變現(xiàn)。
長期看的話，非常多的路徑，比如未來可以做可交互的虛擬IP，把社交網(wǎng)絡(luò)延伸到未來像是一個電子天堂等等，但核心也要思考如何做最合乎倫理的商業(yè)化變現(xiàn)。
