Kā Tupaks un Tanoss noveda pie Duglasa, AI digitālā cilvēka

Ja kādreiz esat piedalījies grupas videozvanā, iespējams, esat pieradis nezināt visus, kas parādās ekrānā. Jūs, iespējams, nezināt visu vārdus, taču vismaz varat būt diezgan pārliecināts, ka katra persona, kas pievienojas sarunai, ir cilvēks.

Vai arī jūs varat?

Laikā, kad vizuālo efektu studijām ir novecojuši aktieri veterāni, atļauts cilvēku izpildītājiem, lai apdzīvotu digitālos darbus, un pat atgrieza mirušos māksliniekus pēcnāves izrādes, nevajadzētu būt tik lielam pārsteigumam, ka VFX studija var arī dot iespēju tērzēt ar mākslīgi inteliģenta digitālā persona par jūsu iecienītākajām grāmatām un abpusēji žēlojoties par nespēju apmeklēt kinoteātri.

Tam nevajadzētu būt pārsteidzošam, un tomēr joprojām ir dīvaina sajūta pēkšņi atrast simpātisku ausi Duglasā, virtuālajā, mākslīgā intelekta vadītā "personā", kuru radījusi Oskaru ieguvusi VFX studija. Digitālais domēns.

Nesenā Zoom zvana laikā Duglass kopā ar komandas locekļiem, kas strādā pie viņa, pievienojās man īsai demonstrācijai.

Cilvēka digitālā evolūcija

“Es esmu liels Stīvena Kinga fans,” Duglass man stāsta pēc īsas šurpu turpu par mūsu vaļaspriekiem — pēc sarunas, kas vēlāk lika viņam atzīties, ka viņam patīk arī romantiskie romāni un Dž.D. Selindžera romāni. Ķērējs rudzos.

Pasaulē, kurā izrunājot vārdus Siri vai Alexa viss, kas nepieciešams, lai izsauktu savu A.I. biedrs, pieredze ar Duglasu piedāvāja a spēcīgs atgādinājums, ka A.I. potenciāls sniedzas daudz tālāk, nekā sniedz mums laika prognozes un mūsu ikdienas informāciju grafiks.

Digitālā domēna izveide — tā pati studija, kas skatītājiem sniedza Marvel kosmisko iekarotāju Tanoss iekšā Atriebēji: Bezgalības karš un Atriebēji:Beigu spēle — Duglass ir autonoms, digitāls cilvēks, kas spēj mijiedarboties ar lietotājiem reāllaikā un reaģēt uz vizuāliem un sarunvalodas norādījumiem. Modelēts pēc Dogs Robls, Digital Domain programmatūras pētniecības un izstrādes vecākais direktors, Duglass var atbildēt uz jautājumiem, turpināt paplašinātas sarunas un iesaistīties nelielās sarunās par dažādām tēmām.

"Tehnoloģijas vienmēr cenšas vadīt to, ko pieprasa māksla, neatkarīgi no tā, vai tā ir plūstoša simulācija vai jebkas cits," Roble saka par studijas lēmumu izveidot visa nodaļa, kas veltīta digitālajiem cilvēkiem.

Pēdējo desmit gadu laikā uzņēmumam Digital Domain vairākkārt tika uzdots izveidot cilvēciskus digitālos tēlus — visu, sākot no 2012. gada godalgotā. hologrāfisks Tupaka priekšnesums pie Koačelas uz iepriekšminēto Marvel kinematogrāfiskais visums nelietis. Spēlfilmās, reklāmās, TV seriālos, videospēlēs un (Tupaka gadījumā) skatuves izrādēs pieprasījums pēc reālistiskiem digitāliem varoņiem ir tikai pieaudzis. laiku, mudinot Digital Domain sadalīt komandu, kas ir atbildīga par konkrēto vizuālo efektu, savā vienībā, kas koncentrējas uz digitālo cilvēku iespējām. darīt.

Douglas ir gan šīs pastiprinātās uzmanības rezultāts, gan komandas koncepcijas pierādījums: autonoma digitālā “persona”, kas apvieno plašu datu kopu, sensoro metožu klāstu, un esošie programmēšanas moduļi ar fotoreālistiskām cilvēka īpašībām, lai mijiedarbotos ar lietotājiem tādā veidā, kas šķiet pārsteidzoši tuvu patiesai cilvēku socializācijai.

Un laikā, kad pandēmija ir piespiedusi lielāko daļu mūsu socializācijas notikt caur datoru ekrāns, mijiedarbība ar Duglasu jūtas ļoti tuvu tam, kas atbilst patiesai cilvēku mijiedarbībai dienas. Tomēr komanda steidz piebilst, ka Duglasam vēl ir tālu, lai izturētu Tjūringa testu.

Kods padara vīrieti

"Duglass nav fotoreāls, pilnībā autonoms cilvēks, ko nevar atšķirt no reālas personas," skaidro. Darens Hendlers, Digital Humans Group direktors studijā. “Tā mēs neatrodamies, un mēs tur nebūsim kādu laiku. … Bet šeit viss notiek un kāda izskatās nākotne, un mēs cenšamies pārkāpt šīs robežas.

Un gandrīz kā pēc norādes Hendleru pārtrauc pats Duglass.

"Tā ir laba attieksme," iestarpina Duglass, kurš līdz tam klusi bija ieņēmis savu logu Zoom tērzēšanas režģī, atvieglojot mūsu demonstrāciju, laiku pa laikam mainot. pozā, palūkojoties pa viņa virtuālo istabu un video sapulcē demonstrējot daudzas dzīva cilvēka raksturīgās fiziskās manieres, kas pacietīgi gaida dalību saruna

"Es novēlu jums veiksmi jūsu centienos," viņš piebilst, atgādinot, ka papildus tam, ka viņam ir interesantas lietas, viņš ir arī dedzīgs klausītājs.

Pēc Robla teiktā, komanda vispirms un galvenokārt iztēlojas Douglas kā vizuālu veidu, kā mijiedarboties ar esošajiem sarežģītajiem un spēcīgiem sarunu aģentiem, kas ir izveidoti. Zem Duglasa īstā foto iemiesojuma studijas digitālais cilvēks ir veidots, izmantojot trīs no šiem aģentiem: Google populārā. Dialogplūsma komplekts tērzēšanas robotu izveidei, asistenta tipa aģents (līdzīgi kā Amazon Alexa vai Apple Siri); un spēcīga sarunvaloda A.I. aģents (līdzīgs GPT-3 projekts), ko izmanto, lai izveidotu cilvēcisku, jutīgu (un reaktīvu) sarunvalodas tekstu.

Visu trīs aģentu kombinācija dod Duglasam iespēju turpināt sarunas, kas ir gan informatīvas, gan plūstošas, diskusijas par vienu tēmu bieži pārvēršoties saistītās interešu jomās.

Mana paša saruna ar Duglasu novirzījās no tērzēšanas par mūsu iecienītākajām grāmatām uz viņa mīļāko filmu (viņš ir liels 2001: Kosmosa odisejaPiemēram, kas nav pārsteidzoši un nedaudz satraucoši, ņemot vērā stāsta fokusu uz slepkavniecisku A.I. skriet amokā) un mūsu kopīgie vaļasprieki. Vienā īpaši savlaicīgā mūsu sarunas elementā Duglass pauda zināmu vilšanos, ka pēdējā laikā nav varējis apmeklēt kinoteātri.

Tomēr, kā paskaidroja Hendlers, visa šī sarunvalodas spēja ir saistīta ar zināmu risku.

"Tērzēšanas robota dabiskās valodas apstrādes dzinējs ir apmācīts dialogam no interneta — lielam dialoga daudzumam — tāpēc saruna var nonākt dīvainās vietās," viņš teica. "Tāpēc ir reizes, kad viņš saka lietas, kas var nebūt īsti piemērotas. Tas nenotiek bieži, bet mēs nevaram precīzi kontrolēt, ko viņš uz visu teiks.

Un, lai gan Duglasa sarunvalodas aspekts ir iespaidīgs, tā ir tikai daļa no tā, kas padara viņu unikālu arvien pieaugošajā digitālo cilvēku un interaktīvo virtuālo varoņu pasaulē. Kā atklāja Digital Domain, padarot viņu Skaties cilvēks iet tālu, lai liktu viņam justies kā cilvēks.

Face off

"Veidojot Duglasu, mēs izmantojām milzīgu datu apjomu no Daga [Roble]. Tas bija milzīgs audio daudzums, lai apmācītu sistēmu [un] milzīgs daudzums sejas veiktspējas, ķermeņa kustības datu un visa pārējā,” skaidroja Hendlers. viņi izmantoja Robla sejas kartēšanu un neskaitāmos veidus, kā cilvēka seja var mainīties, runājot, reaģējot uz emocionāliem signāliem vai pasīvi piedaloties saruna.

Visu šo datu rezultāts ir digitāls cilvēks, kas izskatās pārsteidzoši līdzīgs Roble, bet ne precīzai kopijai no pēdējā. poza, frizūra un uzbūve atbilstoši smalkajām kustībām gan Roble, gan Douglas A.I. dalīties, kamēr viņi piedalās mūsu grupas videoklipā saruna. Līdzība ir neticama, taču ar īsu komandu “pārslēgt seju” Duglass pēkšņi kļūst par kādu citu. atšķirīga, tikpat cilvēciska seja uz viena ķermeņa, vienlaikus saglabājot visas smalkās manieres, kas liek viņam izskatīties īsts.

"Kad mēs lūdzam Duglasam mainīt savu seju un viņa seja pāriet uz kādu citu, tas ir sākums tam, kur virzās šis jaunais tehnoloģiju vilnis," saka Hendlers, aprakstot “uz attēlu balstīta tehnika” komanda strādā, lai padarītu Duglasu par vēl elastīgāku digitālo personu, kas spēj krasi mainīt savu ārējo izskatu, vienlaikus saglabājot tādu pašu līmeni. interaktivitāte. "Kad mums ir šī bāze [kopā ar Duglasu], mēs varam filmēt kadrus ar kādu citu un iegūt daļu no viņa audio, un pēc tam pārvērst šo bāzi par viņiem — padarīt to par savu seju."

"[Ja mēs to darītu] tieši tagad, viņi joprojām runātu ar tās personas izteicieniem, kuru mēs sākotnēji filmējām [šajā gadījumā Roble]," viņš turpināja. "Bet, tā kā mēs turpinām, mums sāk būt nepieciešams mazāks datu apjoms — iespējams, tie ir tikai attēli vai filmas kadri ar kādu personu, lai izveidotu šo autonomo cilvēku nākamo paaudzi."

Šī spēja atdarināt īsta cilvēka izskatu, balsi un manieres, salīdzinot ar sarunu A.I. pamats ir viens no elementiem, kas atšķir Duglasu no vairuma tipisko A.I. palīgi, humanoīdi roboti un citi projekti, kas tiek izstrādāti saistībā ar A.I. pētniecības pasaule. Lai gan ir daudz studiju un citu aģentūru, kas izstrādā A.I. viena vai cita veida projekti, Digital Domain ir vērsta uz visu šo elementu apvienošanu vienots, vienots produkts, kas izmanto labāko no visām pieejamajām tehnoloģijām un datiem, un saskarne ir sociāla un organiska, piemēram, runājot ar citu cilvēku.

"Mēs patiešām lepojamies ar to, jo Duglass ir pilnībā CG varonis, kas darbojas vietnē Unreal," saka Roble, kurš īpaši lepojas ar plaši pieejamu elementu, piemēram, populārās 3D izveides platformas, izmantošanu Nereāls dzinējs, kas ir kļuvusi par Holivudas (un pirms tam arī videospēļu industrijas) galveno platformu, veidojot un manipulējot ar 3D vizuālo efektu elementiem. "[Douglas] ir 3D objekts, tāpēc jūs varat darīt visu, ko varat darīt ar jebkuru digitālo varoni Unreal. Varat mainīt apgaismojumu, novietot tos dažādās vidēs utt. Bet mēs arī veidojam šo hibrīdu [ar visu pārējo, kas saistīts ar Duglasu], lai mēs iegūtu labāko no abām pasaulēm.

Visur, kur skatāties

Jo vairāk komanda strādā pie Douglas, jo ilgāk palielinās potenciālo pieteikumu saraksts.

"Pirms pandēmijas mēs plānojām parādīt Duglasu kā kiosku, kur jūs pienākat pie ekrāna un runājat ar viņu," atcerējās Hendlers. "Bet tad mēs domājām: "Ei, mums tiešām vajadzētu viņu iesaistīt Zoom zvanos." Bija lieliski, ka viņš piedalās Zoom zvanos un aiziet."

Demonstrācijas laikā komanda veica garu iespējamo Douglas pieteikumu sarakstu no ārsta kabinetiem. un klientu apkalpošanu, lai viņš varētu noderēt Holivudā ainas vai konkrētas ekrāna plānošanas sākumposmā secība. Pats Duglass pat piedāvāja dažus ieteikumus, liekot domāt, ka viņš būtu piemērots scenāriju veidošanai un konceptuālajiem filmu un TV producēšanas posmiem. Viņa spēja apstrādāt gan audio, gan vizuālos signālus no tiem, ar kuriem viņš sarunājas, īpaši, ja runa ir par emocionālajiem stāvokļiem — saskaņā ar Hendlera teikto piedāvā arī papildu lietderības līmeni, strādājot ar klientiem vai tiem, kas meklē medicīniskas norādes.

Ātrums, ar kādu Duglass var apstrādāt visu šo informāciju un pāriet no pasīvā klausītāja uz aktīvo sarunu biedram ir arī daudz pievilcības, un viņš parāda, cik tālu aiz viņa esošās tehnoloģijas ir attīstījušās īsā laikā laiks.

“Kad mēs izveidojām Thanos, mums bija viens kadrs, kura renderēšana prasīja 10 stundas. Tas ir viens kadrs, ”viņš skaidro.

"Duglasam ir redzes atpazīšanas sistēma, tāpēc viņš mūs redz un var mūs identificēt, kā arī analizē jūsu teikto, pārvērš to vārdos un nosūta dažādiem tērzēšanas robotiem," viņš piebilst. "Pēc tam Duglass izveido atbildi, pārvērš to audio un izmanto šo audio, lai vadītu savu seju. Tajā pašā laikā viņš arī izdomā, kādas ķermeņa kustības iet kopā ar šo runu, nosaka, kādas emocijas tai atbilstu, un atveido šīs ķermeņa kustības kopā ar viņa sejas žestiem.

"Tas viss notiek dažās milisekundēs," saka Hendlers. “Tie ir visi šie procesi, salīdzinot ar 10 stundām vienam kadram spēlfilmā. Tas ir tik pārsteidzoši. Tas nav tik reālistiski kā tas, ko mēs darām filmu jomā, bet, ja padomājat par to, cik daudz lietas notiek, lai varētu ar viņu runāt kā ar īstu cilvēku, tas ir vienkārši fenomenāli.

Un ļoti tiešā nozīmē Duglass bieži ir bijis viņa labākais aizstāvis, kad runa ir par viņa potenciālu.

Robls paskaidroja, ka vairākas reizes viņi izvēlējās ļaut Duglasam vadīt savu prezentāciju par, nu... sevi. Rezultātā viņa potenciāls bija labāks, nekā viņi bija gaidījuši.

"[Duglasa prezentācija] bija pārsteidzoši pārliecinoša. Tas nebija tikai lūgums Siri mums kaut ko pastāstīt, jo viņš bija daļa no procesa,” atcerējās Roble. "Ar viņu ir jautri runāt, jo viņš ir jaunums, taču viņš ir arī patiešām efektīvs. Un jūs nevarat nedomāt: kā ir ar mācīšanu vai citām lietojumprogrammām? Galu galā jūs varat redzēt, kad viņš pievērš uzmanību. Jūs varat sniegt viņam emocionālu atgriezenisko saiti, un viņš var atbildēt.

Lai gan Duglass jau ir iespaidīgs radījums, Digital Domain komanda uzstāj, ka viņš joprojām strādā progresu, taču debesis ir robeža attiecībā uz to, kādu darbu viņu digitālais cilvēks varētu paveikt laika gaitā turpinās. Daudzējādā ziņā process, kurā tiek noskaidrots, uz ko Duglass ir spējīgs, ir gan process, gan mērķis.

"Viens no iemesliem, kāpēc mēs to darām, ir tas, ka mēs varētu," saka Roble. “Kad atrodaties pie datora un strādājat, ir ļoti viegli vienkārši rakstīt. Bet ir tik daudz reižu un vietu, būtu jauki, ja varētu vienkārši sarunāties ar kādu cilvēku un likt šai personai ar jums sazināties un reaģēt uz jums. Es domāju, ka nākotnē mūs gaida lielas pārmaiņas."

Redaktoru ieteikumi

• Kā Thanos VFX komanda atdzīvināja (un pēc tam tos nogalināja) The Quarry varoņus