硅基智能创始人司马华鹏：所有使用AI的人，应该专注到人类特有的东西

“大(dà)家好，我是刘强东，今天是(shì)不是看起来有些(xiē)不同？很久(jiǔ)没直(zhí)播，还有些许紧张……话不多(duō)说，老刘的数字直播(bō)带货现在开始。”4月(yuè)16日，京东创始人刘强东在京东平台开启数字(zì)人直播。

“东哥”数字人直播(bō)，迅速引(yǐn)起广泛关注，数(shù)字人替代真人直播的时代来临了吗？

4月18日，数字人(rén)头部厂商硅基智能创始人司马华鹏接受了《每日经济新闻》记者的专访。司马华鹏表示：“刘强(qiáng)东这次(cì)数字人直播，对我(wǒ)们行业是非常大的品(pǐn)牌宣传。他使用（数(shù)字人直播），说明这个行业得到了一次非常重(zhòng)要的认可。”

对于AI的使用，司马华鹏建议：“未(wèi)来所有使用 AI的人，应该专注到人类特有的(de)东西，比如创意，比如有温度的东西。”

拆解数字人技术

“数字人刘强东(dōng)”是(shì)否有(yǒu)硅(guī)基智能技术的(de)支持？司马(mǎ)华鹏表示：“我们不太方便对外公(gōng)开，但这些技术(shù)最早的开创(chuàng)者肯定是我们。我们在(zài)整个（数字人）直播上大(dà)概有40多(duō)项发明专利，在申请的也有几十项。现在行业内有很多在使用我们的技(jì)术授权，也有(yǒu)很多在使用(yòng)硅基智能的API（应用程序编程接口）。”

“东哥(gē)”数字人究竟是如何打造出来的？司马华鹏介绍(shào)：“它（数字人(rén)）这些内(nèi)容是用AI渲染出来的。如果现在想做东哥同款，你需(xū)要提(tí)供几分钟的视频(pín)。然后我们(men)会将其训练成一个数字人模型(xíng)。这个数字(zì)人模型背后，将由(yóu)大模型驱(qū)动它。定时(shí)去上(shàng)一些产(chǎn)品、定时回复一些客户需求、定时作一些记录，这些都是事先做好的剧本，这些剧本实质由大模型(xíng)驱动(dòng)，比较接近(jìn)于人类的行为和反馈。”

那么，除了上述(shù)AI渲染技术外，数字人直播还(hái)需要哪些技术(shù)支持？司马华鹏称：“我们(men)的大模型是多模态的，是文本生(shēng)成、声音生成(chéng)和(hé)数字人(rén)生(shēng)成的结合。其实很多人在反馈(kuì)，他（刘强东(dōng)）声音和节奏感与他原来(lái)讲话不太一(yī)样。这很可能克隆(lóng)的是平时的语速，但是直播（过程中），一个用户停留(liú)时长(zhǎng)是比较短的，你(nǐ)必(bì)须在很短时(shí)间(jiān)内把大量的信(xìn)息披露出(chū)来，所(suǒ)以必须把声音放得快一些。”

对于语音合成技术，司(sī)马华鹏表示：“我(wǒ)们全部技术都是自己的。从目前端到端的生(shēng)成来(lái)讲，（语音合(hé)成）已经是一个非常成熟的技术。”

数字人形象、语音合成(chéng)，都是外在展现(xiàn)形式(shì)，数(shù)字人(rén)直播内容仍旧离不开文本。对于文本，司马(mǎ)华鹏称(chēng)：“文本大模型方面(miàn)，我们基本(běn)上都是原创的技术，最近‘炎帝’大模型刚刚(gāng)通过网信办的备案。”

能否替代真人直播(bō)？

目前，大家看到的直播带货，很可能就是数字人。司马华鹏介绍：“我(wǒ)们在2021年开创AIGC直播的大方向，（刘强东数字人）基本(běn)上(shàng)是我们2023年(nián)产品能够呈现出来的效果，这样的直播间我们已经卖掉(diào)了上万(wàn)个，京(jīng)东、淘宝、抖音、快手和视频号平台都有。”

真人直播(bō)会(huì)面临(lín)各种复(fù)杂场景，特别是情感交流，数字人可以做到吗？司马华鹏表示：“我(wǒ)们在看东哥直播的时候，会不会(huì)把他（数字人）当作真正(zhèng)的东哥(gē)来看(kàn)，这是决定数字人(rén)智能化程度的重要标志。从开播到现在，行业有非(fēi)常多的评(píng)价，大家觉得还是能看到一些(xiē)机械(xiè)的(de)痕迹。”<科技与生活论文0; line-height: 24px;'>科技与生活论文/p>

“这个（数字(zì)人）行业发展的核心就是‘看不出来’。”司马华鹏强调。

其认为：“我们现在(zài)也有大量的直播间，效果(guǒ)比这个（刘强东(dōng)数字人）要好很(hěn)多。如果他这个直播不是在自家平台，而是在其他平台(tái)，很容(róng)易被机器识别出来，很快就会被限流(liú)。”

因此，在司马华鹏看来，数字人行业的核心是让整个直(zhí)播间(jiān)符合图灵测试。对于数字人行业的发展，其认为：“（该领域(yù)）图(tú)灵测(cè)试(shì)1.0是分不(bù)清（是人类(lèi)还是(shì)AI）；图灵测试2.0则是双向(xiàng)情感交(jiāo)互；图灵测试3.0就是‘死生相契’，未来我们与AI之间，可能是Soul Mate（心灵伴侣）的关系，它是(shì)你非常重要的助手、朋友(yǒu)，也可能是你(nǐ)亲密的合作伙伴。”

目前，很多问答式大模(mó)型(xíng)主要给受众提供专业类辅助(zhù)，但若诉诸情感，是否兼具图像、声音和文本(běn)的多模态大模型更具优(yōu)势(shì)？对此，司马华(huá)鹏表示(shì)认可。“人类大脑的设计中，90%以上是针(zhēn)对图形，所以(yǐ)我们说有图有真相。基于文本，产生的是想象力，（阅读文本）的能力确实非常重要，但对大部分人(rén)而言，（自己的大(dà)脑）生(shēng)成图片(piàn)，然后再想象出一个空间，还原(yuán)出(chū)这个东西，是非常(cháng)累的。因此，多模态(tài)或者视频化交互能力，能够大大降低我们之间信息沟通对应的脑力消耗(hào)。”

对于未来AI电商的(de)形态，司马华鹏认为，未来更大的价(jià)值是专业性。比如说，假(jiǎ)设我们在食品领域有一个很(hěn)好的AI专家，它可以从数据、算法的角度(dù)给我们(men)提供很多(duō)的专业内容。这样的专家，它带来的影响力会超过现有的人类专家，这会带来真正的、更好的电商交易。

其进一步解释称：“人类在做很多行为的时候，有一定的偏颇或者偏见，或者带有一定的商业(yè)目的。而以数字和算法驱动的AI专家，会成为我们(men)的朋友、我们的伙伴(bàn)，很有可能成为AI电商未(wèi)来的主流。现在这些成本还比较高，只是出现(xiàn)在奢侈品领域。我希望未来每一(yī)类小产品(pǐn)上，都有这样一个专家顾问，来给我们提供非常好的(de)沟通交流方式。这是(shì)AI电商未来非常重要的一部分。”

未经允许不得转载：中国书画艺术科技与生活论文