BIGCHINA：认识元宇宙技术的一个框架( 二 ) 本文摘自《元宇宙漫游指南》

如果说，以VR、AR为代表的交互技术是人们进入元宇宙的门户，那么人工智能技术就是让整个虚拟世界能够和人互动起来的发动机。
我们将“人工智能”理解为让智能体（agent）在复杂条件下达成目标的能力。从历史上看，人们尝试过很多方法来实现人工智能。例如，早期人们曾经尝试从神经科学入手，模拟人脑的运作来达成人工智能。而在最近，机器学习（machinelearning）已经成为人工智能的主流方法。
所谓机器学习，就是通过对大量数据的分析，让计算机在没有预先进行明确编程的前提下拥有学习的能力，找到处理问题的方法。比如，如果我们想训练计算机具有识别出图片中的猫的能力，就可以找来一堆动物图片“喂”给机器，让它“学习” 。
当然， “学习”的方法可以有很多种。传统上，我们会更多采用一种被称为监督式学习的方法：把那些有猫的图片找出来，然后对猫的特征进行标识，比如，有大眼睛、圆脸、胖爪子等……等计算机学习了大量的图片后，就会知道具有这些特征的动物就叫做猫。
不过，这种训练的方式显然十分费时费力，仅仅对数据标识就要花费大量的人力物力。因此，现在一种被称为“深度学习”（deeplearning）的无监督学习方法就变得更为流行了。
所谓深度学习，是一种模仿人脑思维过程的方法，它利用多层神经网络进行学习，通过组合低层特征形成更加抽象的高层表示属性类别或特征，最后作出综合判断。回想一下我们学会认识猫的过程，并没有人找很多猫来进行标注，让我们学习，我们只是看多了，就自然而然地知道什么是猫了。把这个“自然而然”的过程进行解剖，我们其实是通过对猫的大量观测，在大脑中总结出了很多关于猫的特征，然后把这些特征结合起来，就能判断看到的动物是不是猫。类似地，深度学习也是通过对大量样本的学习，逐步总结出一些判断动物是不是猫的总要特征，然后根据这些特征来进行判断。

文章图片

文章图片

用深度学习教计算机识别一只猫
在大数据条件下，相比于传统的机器学习，这种学习方法的效率优势十分明显，在识别物体方面，它基本上可以达到和人工识别一样的精确度。不过，有利必有弊。在可解释性上，深度学习却具有明显的短板——我们虽然知道计算机能从图中识别出一只猫，但却很难知道它是凭借什么标准来实现这一点的。
在现阶段，人工智能在元宇宙的应用主要有三个方面：实时场景和数字孪生体制造、虚拟人的智能化，以及数字化身的个性化。
在元宇宙中，用户的位置会是随时变换的。与之对应的，虚拟场景也就要随之变换，以保证其与用户的互动。在这个过程中，大量的图形、阴影变化，都需要人工智能来实时作出判断。
所谓数字孪生，是对物理实体或系统具有高度完整性，并可以与物理世界保持交互作用的数字克隆体，它们可以在元宇宙里用来对物理实体进行实时处理。
在元宇宙中，除了人的数字化身之外，还会有很多作为“气氛组”存在的虚拟人NPC 。就像在电影《失控玩家》里一样，这些NPC需要有一定和人进行交互的能力，以满足人们与之进行互动的需要。而要实现这些NPC的智能化，就需要应用人工智能技术。
为了大幅提升虚拟人NPC的训练效果，经常会用到强化学习。这种学习方法让智能体在复杂的环境中不断试错，并根据返回结果的正误来给予“奖励”或“处罚” ，借助这种思路，就可以在很短时间内让它们的AI水平有很大的提升。现在，强化学习已经被广泛运用于电脑游戏，相信在未来的元宇宙当中，这种学习方法也会得到比较多的应用。