劉興亮 | 極簡數(shù)字人發(fā)展史

01

數(shù)字人出現(xiàn)在屏幕中為時不算久，但卻是科技尤其是人工智能時代的代表性應(yīng)用之一。我本人也經(jīng)常用，用了有三四年了，俗務(wù)繁忙時分身乏術(shù)，讓數(shù)字人替我出鏡，念念稿子，發(fā)發(fā)視頻，做出來的內(nèi)容像模像樣，蠻稱心的。

「科技就是生產(chǎn)力」這句話在「數(shù)字人」身上盡顯無遺。最近不僅短視頻，連傳統(tǒng)的影視劇也把虛擬角色作為正常的生產(chǎn)環(huán)節(jié)來對待了。數(shù)字人是伴隨著AI的顛覆性科技運動出現(xiàn)的必然結(jié)果。

數(shù)字人也稱虛擬人，亦有人名之為超人類，顧名思義，即指用軟件生成的虛構(gòu)角色或人類。它可以說話、移動、與外界互動，有時還能模擬個性，給人類帶來情緒價值。

它們?nèi)诤狭酥T如語言模型、語音合成技術(shù)、面部動畫生成、情感交互系統(tǒng)等科技手段，成為一個智能綜合體，發(fā)展日新月異。

如今的數(shù)字人已不再單純地扮演游戲角色。許多數(shù)字人成為了交互式AI代理，應(yīng)用于客戶服務(wù)、直播、教育、娛樂、醫(yī)療保健和社交媒體等領(lǐng)域。

這些數(shù)字人引領(lǐng)著新的敘事構(gòu)建方式，變革了企業(yè)與消費者互動形態(tài)，并帶動人類身份在虛擬環(huán)境中呈現(xiàn)方式的革命性飛躍。數(shù)字人遠非傳統(tǒng)聊天機器人的簡單升級，而是連接算法處理的機械效率和生物操作者微妙的情感智能的動態(tài)橋梁。許多人用數(shù)字人作為自己的替身做節(jié)目，已然司空見慣。

如今的數(shù)字人雖然主要出現(xiàn)在屏幕上，但是熟悉汽車生產(chǎn)的人都知道，廠商總是在新車出廠前的安全測試環(huán)節(jié)放置一個虛擬人在駕駛位，以考察不同速度和碰撞下人的受損程度，并改進安全設(shè)置。這也是虛擬人，但不具備說話和交流的功能，還不夠智能化。

02

如今，一切都變了。數(shù)字人的出現(xiàn)并非突然的技術(shù)升級，而是計算機生成圖像和模擬科學幾十年年發(fā)展演變的結(jié)果。數(shù)字人的發(fā)展雖然短暫，也經(jīng)歷了一波三折。

現(xiàn)在讓我們回顧一下它的發(fā)展歷程。它大概經(jīng)歷了四個階段。

第一階段：數(shù)字人出現(xiàn)

1990年代的一些影視劇和游戲場景中出現(xiàn)了最早的模擬人，諸如電子游戲角色、電影角色、虛擬偶像之類。此時這些形象是手動制作的，互動性有限，幾乎沒有人工智能的痕跡和表現(xiàn)力，主要致力于讓圖像和角色更逼真。

第二階段：動作捕捉和實時渲染期

2010年代，在游戲和影視制作上，虛擬人的形象和功能得到了極大提升。一些游戲引擎諸如Epic Games等，能夠使得實時面部渲染成為可能，用戶體驗變得豐富而細微。此時的好萊塢電影和3A級游戲開始使用動作捕捉、面部掃描、數(shù)字替身等，構(gòu)成了復雜而生動的動畫系統(tǒng)，但仍然不具備智能化的功能。

第三階段：元宇宙時期

2020年代最初幾年，隨著「元宇宙」浪潮涌現(xiàn)，一些企業(yè)設(shè)想人們可以通過虛擬化身進行工作和社交，這樣可以大大節(jié)省開支，搞不好還能提高效率。于是，虛擬網(wǎng)紅數(shù)量激增，有錢的品牌紛紛投入巨資進軍虛擬世界。

這一階段發(fā)生了一件大事，3D虛擬形象社交應(yīng)用ZEPETO的注冊用戶居然超過4億，其中大部分是Z世代用戶。不同以往，他們對社交虛擬化身、虛擬時尚和在線身份很感興趣。與此同時，許多類似的項目失敗，原因在于虛擬現(xiàn)實的硬件普及率不夠，互動體驗比較生硬，更重要的是沒有催生可持續(xù)發(fā)展的盈利模式。

第四階段：人工智能革命帶來的變化

從2023年開始，隨著人工智能的爆炸式發(fā)展，數(shù)字人也隨之突變，各種大型語言模型使數(shù)字人能夠進行有效對話。這不僅讓人們意識到虛擬世界的邏輯演繹力量，也意識到人工智能真得具備了智能化的能力，帶來根本性的變革，從靜態(tài)界面過渡到真正的「數(shù)字人」。

如今，虛擬化身不再傻呵呵的只能做一些死板的應(yīng)景對話，它們可以自然地回答問題，記住上下文，模擬個性，使用全球不同的語言，實時生成面部表情，滿足對話者的各種需求，不僅是智力的和邏輯的，也包括情感的。有時候，它們甚至為了滿足客戶而撒謊。

這讓數(shù)字人從「動畫玩偶」直接進化為為「交互式人工智能代理」，需求量日益增大。

當前數(shù)字人的組成極為復雜，不僅需要語言模型，還要求人工智能語言合成功能，并且連帶面部的實時動畫跟隨，身體動作也要協(xié)調(diào)跟進，還得有記憶力，辨析力，表達能力，總之它是朝著「交互式智能」的方向發(fā)展，力求能夠發(fā)展個性并適應(yīng)社會環(huán)境。

數(shù)字人在大型公司作為「售后服務(wù)」面貌出現(xiàn)已經(jīng)蔚然成風，你甚至不知道對面跟你通話、解釋問題的人到底是不是真人。有報告估計，在中國如火如荼的電商領(lǐng)域，有超過10萬個虛擬人在工作。

這種虛擬人與真人同時存在的網(wǎng)絡(luò)商業(yè)環(huán)境，也帶來相當多的問題與爭議。

數(shù)字人能夠代替真人的判斷和解決問題的最后權(quán)力是首當其沖的，當發(fā)生紛爭時，到底什么才是有效的，因此也引發(fā)了數(shù)字人的法律責任問題。此外，客戶難免感到數(shù)字人固然反應(yīng)敏捷功能強大，但也情感空洞，具有欺騙性。

另外，人工智能的設(shè)置有討好人類和用戶的傾向，這就為無助和彷徨者陷入機器人的陪伴陷阱無法自拔帶來了隱患。數(shù)字人還威脅實體人類的工作和就業(yè)，帶來一系列社會問題。這都是急于解決的現(xiàn)實。

尤其是一些人（無論是否名人）可能被AI學習其面部和聲音系統(tǒng)，冒充出現(xiàn)在網(wǎng)絡(luò)上，可能引發(fā)名譽受損、欺詐和操縱的風險，不一而足。

第五階段：未來世界，機器人、數(shù)字人與自然人共存的世界

仔細思考不難發(fā)現(xiàn)，越來越智能化的汽車自動駕駛技術(shù)就如同一個虛擬的看不見的數(shù)字人在偷偷操縱著方向盤，它們能夠通過各種傳感器返回的信息解決現(xiàn)實中汽車面對的所有問題。

這幾乎是一個啟示。它告訴我們，數(shù)字人將全面切入人類的生活場景，并主導許多生活形態(tài)。數(shù)字人或許會出現(xiàn)在醫(yī)療體系、賓館酒店體系、影視劇中、教育培訓市場、博物館講解事務(wù)，乃至一切需要綜合和輸出信息的工作崗位上。

屆時，我們將生活在機器人、數(shù)字人和自然人共存的世界中。雖然還不能說這就是硅基世界，畢竟人還是社會目標，但人的比重會降低。

03

總之，數(shù)字人已從科幻電影中像素化的實驗對象，發(fā)展成為全球經(jīng)濟中價值數(shù)十億美元的支柱產(chǎn)業(yè)。其發(fā)展反映了人類對技術(shù)個性化與決策交互人性化的普遍渴望。盡管技術(shù)和法律挑戰(zhàn)依然巨大，但數(shù)字人背后的商業(yè)和發(fā)展勢頭不容忽視。

它們不再是一種模糊的展望，而是清晰的現(xiàn)實。數(shù)字人和人工智能技術(shù)正在重塑21世紀人際互動的形態(tài)，不能理解它就不能理解未來。