在去年一連串的轟炸之下，“元宇宙”這個詞終于被“用濫了”。

當Meta提出全面轉(zhuǎn)型元宇宙時，就已經(jīng)騙過了不少人。而當那些追隨者紛紛曬出自己所謂的“元宇宙”產(chǎn)品時，Meta再一次拿技術(shù)實力打了它們的臉。

充分結(jié)合了AI技術(shù)，將是未來AR/VR發(fā)展的重要一環(huán)，這一點我們在Quest 2、以及Workrooms等產(chǎn)品上已經(jīng)看到。包括Quest 2的定位追蹤，手勢識別，桌面和沙發(fā)追蹤，鍵盤追蹤等都不離不開AI技術(shù)的加入。

這一次，Meta打算進一步發(fā)揮AI的作用，讓AI技術(shù)生成你想要的虛擬場景，“你說出來，機器就做出來”，給了一眾BUG多、審美怪的”元宇宙“怪咖當頭一棒。

不僅如此，這項研究基礎(chǔ)“基于AI的語言和機器翻譯模型”也將被用于更多場景。在今天的AI技術(shù)論壇（Inside the Lab）上，Meta向外界展示包括：Builder Bot、基于LASER語言工具包的多語言翻譯模型、語音助理AI模型Project CAIRaoke、成立人工智能學(xué)習(xí)聯(lián)盟，免費在線提供課程。

同時，Meta熟悉AI科學(xué)家楊立昆也分享了打造具備生物級別思考能力的AI模型愿景，通過自主智能架構(gòu)，讓AI模擬世界的運作方式，接近人類智能水平，簡直不可思議。

當然，我們在本文中將重點來說一下Builder Bot和多語言翻譯模型。

1，理想化的三維場景創(chuàng)建模型

眾所周知，目前的VR設(shè)計平臺一個重點就是虛擬場景的豐富性，其中包括頭部VR社交平臺已經(jīng)允許用戶自定義虛擬場景，這是保持多樣性的重要一步。

對于大多數(shù)而言，在三維場景中（例如佩戴VR條件下）創(chuàng)作并非易事，不僅效率低下，而且難以達到理想的狀態(tài)。當然，我們知道很多的虛擬場景基本上也都是在2D屏幕下，通過專業(yè)設(shè)計師或準專業(yè)人士（愛好者等等）來開發(fā)的。

所以，對于Meta這樣的企業(yè)也一直在思考，VR和AR中的便捷性如何體現(xiàn)。

AI或許是最好的方案。就像是如今AI創(chuàng)作畫作一樣，將AI技術(shù)延伸到三維場景中，你指出要說出你想要的場景，Builder Bot就能幫你實現(xiàn)。

從上面的視頻也能看出，扎克伯格的整個演示視頻基本十分流暢，機器能夠聽懂創(chuàng)作者意圖并且給出基本合理的場景，很難挑出其中的瑕疵。

扎克伯格表示：AI是元宇宙的關(guān)鍵技術(shù)之一。正如AI、機器學(xué)習(xí)等技術(shù)在其它領(lǐng)域的應(yīng)用，在虛擬場景中它可以用來幫助我們很好地理解上下文，甚至像人類一樣理解和預(yù)測我們想要做什么。這一趨勢，未來會更為明顯。

2，人工智能學(xué)習(xí)聯(lián)盟

在介紹翻譯系統(tǒng)之前，我們先來看一下Meta的人工智能學(xué)習(xí)聯(lián)盟。

扎克伯格舉例表示：目前的AI系統(tǒng)多收到過監(jiān)督學(xué)習(xí)訓(xùn)練，也就是說，如果想讓系統(tǒng)知道這張照片中是一只貓，就需要明確告訴它，并且拿出幾萬張貓的圖片進行標注，讓系統(tǒng)進行監(jiān)督學(xué)習(xí)。這些系統(tǒng)有著不錯的效果，尤其是用于圖像和視頻領(lǐng)域，但前提是需要進行大量數(shù)據(jù)標注的學(xué)習(xí)過程。

因為在虛擬的三維場景中，環(huán)境復(fù)雜多變，就像現(xiàn)實環(huán)境一樣，幾乎很難用傳統(tǒng)的數(shù)據(jù)標記法進行監(jiān)督式學(xué)習(xí)，因此也就無法支撐自由、隨意互動的元宇宙生態(tài)。

Meta首席AI科學(xué)家楊立昆，也是2018年圖靈獎得主，他認為：“自監(jiān)督學(xué)習(xí)”可以提供真正的接近人類思維的AI系統(tǒng)。感興趣的朋友，也建議讀一下楊立昆的《科學(xué)之路》這本書。

自監(jiān)督學(xué)習(xí)的優(yōu)勢在于無需給出數(shù)據(jù)標注，模型可以從無標注的數(shù)據(jù)中自我學(xué)習(xí)，是一種理想的機器學(xué)習(xí)模型。

目前Meta已經(jīng)聯(lián)合13所大學(xué)組成聯(lián)盟，組成了有史以來最大的自我監(jiān)督學(xué)習(xí)數(shù)據(jù)集，目前積累了幾千小時的第一人稱視頻，大家可用于研究在虛擬空間中的任何工作。

3，多語言翻譯系統(tǒng)

雖然現(xiàn)在翻譯軟件已經(jīng)能夠很好的應(yīng)用到文本中來，YouTube視頻也支持提取英文并進行翻譯，但是在三維場景中存在同樣的問題。

如同我們?nèi)粘Ｉ?，在虛擬場景中與任何人交流時并不會看到文字或字幕，即便是外國人。因此，常規(guī)的翻譯方案并不適用于三維場景。

扎克伯格表示：目前全球仍有近一半人群無法在互聯(lián)網(wǎng)上使用自己的語言，例如在中非和西非地區(qū)有幾百萬人的語言在互聯(lián)網(wǎng)并不流行，只能訪問英文或其它語言。

另一個現(xiàn)實是，即便目前最主流的機器學(xué)習(xí)翻譯模型，也只能通過英語作為中轉(zhuǎn)語言，即：將A語言翻譯為英文，再將英文翻譯為B語言。

而這就會給翻譯增加一些噪點和不確定性。為此，Meta推出了開源AI翻譯模型：LASER語言工具包。

LASER特點是可以將任何句子轉(zhuǎn)換為其它語言，省去了英文中轉(zhuǎn)步驟，例如A語言可以直接翻譯為B語言。

目前，已經(jīng)支持100多種語言的翻譯，并且進行了1400小時的法語、德語、西班牙語、英語之間確定性的語音對齊。這其中的難點包括：口語到書面語的表達形式不同，尤其是少見的沒有書面習(xí)慣的語言。

為此，Meta也正在開發(fā)一套語音到語音翻譯系統(tǒng)，即可以實現(xiàn)：A語言的人說話，B語言的人直接收聽翻譯后的語音。Meta表示：這種方法已經(jīng)被證明比常規(guī)單獨語音識別+機器翻譯的合成模型要更快。

當然，這類語音到語音的翻譯系統(tǒng)，更是為了今后的AR眼鏡所準備，屆時一套接近人類翻譯水平的實時翻譯眼鏡就。

除此之外，Meta還公布了CAIRaoke，這是一套專為AR虛擬助手開發(fā)的AI對話模型，目的是讓機器人聊天助手更好的理解你的說話內(nèi)容，可以更好與你對話，在三維場景中互動。

本文來自微信公眾號“青亭網(wǎng)”（ID:qingtinwang），編輯：hi188，36氪經(jīng)授權(quán)發(fā)布。

關(guān)鍵詞： 萬物之源