21世紀(jì)，人工智能為人類開啟了一個新時代。人工智能產(chǎn)業(yè)已經(jīng)上升至國家支持產(chǎn)業(yè)，人工智能技術(shù)的發(fā)展對國家經(jīng)濟發(fā)展、產(chǎn)業(yè)轉(zhuǎn)型和技術(shù)進步起著至關(guān)重要的作用。近日，在2021全球人工智能技術(shù)大會（GAITC 2021）上，騰訊優(yōu)圖聯(lián)合廈門大學(xué)人工智能研究院共同發(fā)布了《2021十大人工智能趨勢》，基于長期對人工智能尤其是計算機視覺的研究洞察，提出3D視覺技術(shù)、數(shù)字內(nèi)容產(chǎn)業(yè)、AI多模態(tài)融合等方向的前沿預(yù)測。

趨勢報告顯示，3D視覺算法效果大幅提升雙重促進視覺體驗增強和生產(chǎn)成本下降，不斷推動商業(yè)發(fā)展和個人消費升級；AI與數(shù)字內(nèi)容產(chǎn)業(yè)的深度耦合，也將有希望為行業(yè)釋放更大的科技勢能，構(gòu)筑數(shù)字內(nèi)容生成新范式。

01

3D視覺技術(shù)助力產(chǎn)業(yè)消費升級，淡化 虛實邊界

作為視覺AI領(lǐng)域多年熱點研究方向之一，3D視覺技術(shù)的核心任務(wù)是對三維空間、物體及環(huán)境進行真實還原與重建。隨著相關(guān)算法與硬件計算能力的不斷升級， 3D視覺算法效果得到大幅提升，三維幾何重建更加精細(xì)，表面紋理重建更加清晰，帶來更加逼真的視覺觀感。

近年來，諸多3D視覺研究成果為低成本高質(zhì)量的3D內(nèi)容生成提供了良好技術(shù)支撐，基于3D虛擬形象的舞臺演出、直播帶貨、教育互動等應(yīng)用層出不窮，成為AI內(nèi)容產(chǎn)業(yè)全新發(fā)展方向。以此為基礎(chǔ)，結(jié)合5G時代流量帶寬的全面升級，帶有交互功能的3D虛擬現(xiàn)實、增強現(xiàn)實、混合現(xiàn)實的3D視覺應(yīng)用將用戶體驗向真實與虛擬的完美融合進一步邁進。

用戶會因為虛擬偶像生動自然的舞臺表演進行打賞，會由于虛擬主播“賣力”地帶貨促銷而下單購買，而線上平臺則依靠3D視覺技術(shù)大大降低內(nèi)容制作和IP運營成本，最終帶來社會商業(yè)發(fā)展模式與個人消費習(xí)慣的顛覆與變革。展望未來，3D視覺技術(shù)將持續(xù)在包括游戲娛樂、影視制作、電商直播、醫(yī)療整形等眾多領(lǐng)域廣泛應(yīng)用，虛擬與現(xiàn)實的邊界將不斷淡化。

02

人工智能推動數(shù)字內(nèi)容生成向新范式演進

隨著數(shù)字文化產(chǎn)業(yè)的蓬勃發(fā)展，尤其是二次元文化滲透出圈，數(shù)字內(nèi)容產(chǎn)業(yè)面臨新一輪的需求升級，伴隨著5G商業(yè)化進程的不斷加深，多元化、精品化的優(yōu)質(zhì)數(shù)字內(nèi)容將面臨更快的消費節(jié)奏，與此同時，供給側(cè)仍存在巨大的產(chǎn)能缺口，數(shù)字內(nèi)容產(chǎn)業(yè)正處于勞動密集型向科技密集型的轉(zhuǎn)型階段。

AI與數(shù)字內(nèi)容產(chǎn)業(yè)的深度耦合，將有希望為行業(yè)釋放更大的科技勢能，以GPT-3、DALL-E為代表的AI技術(shù)，已在文本、語音、圖像、視頻等內(nèi)容生成中取得了令人驚艷的結(jié)果，然而在精確性、泛化性、合理性方面仍然面臨挑戰(zhàn)，目前的前沿研究一方面探索從模型結(jié)構(gòu)（自動化搜索等），訓(xùn)練形式（無監(jiān)督對比學(xué)習(xí)等）等方面提升精度效果；另一方面引入知識圖譜領(lǐng)域知識，向機器介紹常識和其他特定領(lǐng)域的知識進而提升常識推理效果。

伴隨著技術(shù)的持續(xù)升級演進，我們預(yù)見AI將逐步在數(shù)字內(nèi)容生成領(lǐng)域釋放引擎級的影響力，在內(nèi)容、平臺、技術(shù)多方合力引導(dǎo)下，構(gòu)筑數(shù)字內(nèi)容生成新范式。

03

多模態(tài)融合加速AI認(rèn)知升維

深度學(xué)習(xí)在多個人工智能的細(xì)分領(lǐng)域（如視覺，自然語言處理等）已日趨成熟化和規(guī)模化，然而要真正實現(xiàn)通用人工智能，必然要將這些細(xì)分領(lǐng)域各自所針對的信息模態(tài)整合利用，即多模態(tài)融合。多模態(tài)融合的目標(biāo)是建立在圖像、文字、語音等的多模態(tài)信息識別的基礎(chǔ)上，實現(xiàn)不同模態(tài)信息的統(tǒng)一表征框架，從而起到1+1>2的作用。

典型的場景之一是通過圖文語音聯(lián)合識別，實現(xiàn)對隱晦和暗示性，招嫖廣告，兒童不良表情包等圖文混合內(nèi)容識別，支持審核業(yè)務(wù)深度打擊不良內(nèi)容。除了圖文融合等跨域模態(tài)融合，同域內(nèi)的不同信息維度同樣可以融合，如隨著深度生成技術(shù)的發(fā)展，當(dāng)前的人臉識別除了傳統(tǒng)的RGB圖外，還需要融合深度圖、紅外圖等信息來更好的防御越來越多元化的人臉偽造攻擊，實現(xiàn)更強的人臉防御。

隨著人工智能認(rèn)知能力的提升，多模態(tài)融合也將會從圖文等實質(zhì)性模態(tài)，逐漸拓展到如物理關(guān)系，邏輯推斷，因果分析等知識性模態(tài)，從感知智能邁向認(rèn)知智能。

04

無監(jiān)督/弱監(jiān)督學(xué)習(xí)逐漸成為企業(yè)降本增效新利器

在過去的幾年中，深度學(xué)習(xí)所取得的巨大成功離不開大規(guī)模標(biāo)注的數(shù)據(jù)集。大規(guī)模標(biāo)注成為企業(yè)發(fā)展過程中抬高交付成本、制約效果提升的主要因素之一。在此背景下，無監(jiān)督學(xué)習(xí)和弱監(jiān)督學(xué)習(xí)通過不使用標(biāo)簽或減少對標(biāo)簽數(shù)量、質(zhì)量的要求來迅速降低深度模型對于數(shù)據(jù)的標(biāo)注需求，使得原本無法利用的數(shù)據(jù)如今都可以加入到模型的訓(xùn)練中去，進而由量變引發(fā)質(zhì)變。

可以預(yù)見的是，將有越來越多的人工智能企業(yè)會面臨從前期的迅速擴張到穩(wěn)定期高效化運作的新階段，而在這個過程中，無監(jiān)督/弱監(jiān)督學(xué)習(xí)無疑將成為他們過渡到這個階段的重要手段之一。

除此之外，自動機器學(xué)習(xí)的自動化程度與可解釋性提升、邊緣計算與人工智能加速融合、人工智能內(nèi)核芯片向類腦神經(jīng)計算方向演進、AI算法公平性與隱私保護、人工智能技術(shù)向安全智能方向邁進等趨勢，也成為趨勢報告的關(guān)注重點。

文章出處：【微信公眾號：新機器視覺】

責(zé)任編輯：gt