扎克伯格：AI技术才是AR和VR的万物之源
hi188｜编辑
在去年一连串的轰炸之下，“元宇宙”这个词终于被“用滥了”。
当Meta提出全面转型元宇宙时，就已经骗过了不少人。而当那些追随者纷纷晒出自己所谓的“元宇宙”产品时，Meta再一次拿技术实力打了它们的脸。
充分结合了AI技术，将是未来AR/VR发展的重要一环，这一点我们在Quest 2、以及Workrooms等产品上已经看到。包括Quest 2的定位追踪，手势识别，桌面和沙发追踪，键盘追踪等都不离不开AI技术的加入。
这一次，Meta打算进一步发挥AI的作用，让AI技术生成你想要的虚拟场景，“你说出来，机器就做出来”，给了一众BUG多、审美怪的”元宇宙“怪咖当头一棒。
不仅如此，这项研究基础“基于AI的语言和机器翻译模型”也将被用于更多场景。在今天的AI技术论坛（Inside the Lab）上，Meta向外界展示包括：Builder Bot、基于LASER语言工具包的多语言翻译模型、语音助理AI模型Project CAIRaoke、成立人工智能学习联盟，免费在线提供课程。
同时，Meta熟悉AI科学家杨立昆也分享了打造具备生物级别思考能力的AI模型愿景，通过自主智能架构，让AI模拟世界的运作方式，接近人类智能水平，简直不可思议。
当然，我们在本文中将重点来说一下Builder Bot和多语言翻译模型。
1，理想化的三维场景创建模型
众所周知，目前的VR设计平台一个重点就是虚拟场景的丰富性，其中包括头部VR社交平台已经允许用户自定义虚拟场景，这是保持多样性的重要一步。
对于大多数而言，在三维场景中（例如佩戴VR条件下）创作并非易事，不仅效率低下，而且难以达到理想的状态。当然，我们知道很多的虚拟场景基本上也都是在2D屏幕下，通过专业设计师或准专业人士（爱好者等等）来开发的。
所以，对于Meta这样的企业也一直在思考，VR和AR中的便捷性如何体现。
AI或许是最好的方案。就像是如今AI创作画作一样，将AI技术延伸到三维场景中，你指出要说出你想要的场景，Builder Bot就能帮你实现。
从上面的视频也能看出，扎克伯格的整个演示视频基本十分流畅，机器能够听懂创作者意图并且给出基本合理的场景，很难挑出其中的瑕疵。
扎克伯格表示：AI是元宇宙的关键技术之一。正如AI、机器学习等技术在其它领域的应用，在虚拟场景中它可以用来帮助我们很好地理解上下文，甚至像人类一样理解和预测我们想要做什么。这一趋势，未来会更为明显。
2，人工智能学习联盟
在介绍翻译系统之前，我们先来看一下Meta的人工智能学习联盟。
扎克伯格举例表示：目前的AI系统多收到过监督学习训练，也就是说，如果想让系统知道这张照片中是一只猫，就需要明确告诉它，并且拿出几万张猫的图片进行标注，让系统进行监督学习。这些系统有着不错的效果，尤其是用于图像和视频领域，但前提是需要进行大量数据标注的学习过程。
因为在虚拟的三维场景中，环境复杂多变，就像现实环境一样，几乎很难用传统的数据标记法进行监督式学习，因此也就无法支撑自由、随意互动的元宇宙生态。
Meta首席AI科学家杨立昆，也是2018年图灵奖得主，他认为：“自监督学习”可以提供真正的接近人类思维的AI系统。感兴趣的朋友，也建议读一下杨立昆的《科学之路》这本书。
自监督学习的优势在于无需给出数据标注，模型可以从无标注的数据中自我学习，是一种理想的机器学习模型。
目前Meta已经联合13所大学组成联盟，组成了有史以来最大的自我监督学习数据集，目前积累了几千小时的第一人称视频，大家可用于研究在虚拟空间中的任何工作。
3，多语言翻译系统
虽然现在翻译软件已经能够很好的应用到文本中来，YouTube视频也支持提取英文并进行翻译，但是在三维场景中存在同样的问题。
如同我们日常生活，在虚拟场景中与任何人交流时并不会看到文字或字幕，即便是外国人。因此，常规的翻译方案并不适用于三维场景。
扎克伯格表示：目前全球仍有近一半人群无法在互联网上使用自己的语言，例如在中非和西非地区有几百万人的语言在互联网并不流行，只能访问英文或其它语言。
另一个现实是，即便目前最主流的机器学习翻译模型，也只能通过英语作为中转语言，即：将A语言翻译为英文，再将英文翻译为B语言。
而这就会给翻译增加一些噪点和不确定性。为此，Meta推出了开源AI翻译模型：LASER语言工具包。
LASER特点是可以将任何句子转换为其它语言，省去了英文中转步骤，例如A语言可以直接翻译为B语言。
目前，已经支持100多种语言的翻译，并且进行了1400小时的法语、德语、西班牙语、英语之间确定性的语音对齐。这其中的难点包括：口语到书面语的表达形式不同，尤其是少见的没有书面习惯的语言。
为此，Meta也正在开发一套语音到语音翻译系统，即可以实现：A语言的人说话，B语言的人直接收听翻译后的语音。Meta表示：这种方法已经被证明比常规单独语音识别+机器翻译的合成模型要更快。
当然，这类语音到语音的翻译系统，更是为了今后的AR眼镜所准备，届时一套接近人类翻译水平的实时翻译眼镜就。
除此之外，Meta还公布了CAIRaoke，这是一套专为AR虚拟助手开发的AI对话模型，目的是让机器人聊天助手更好的理解你的说话内容，可以更好与你对话，在三维场景中互动。
（ END）
——青亭网