
新年长假已经接入尾声,忙碌的走亲拜友后,闲暇之余也不忘观影一部。当然,不同的行业领域有时都希望分享着自己的思想与理念。比如,近两年IT领域兴起的“人工智能”概念,其实早已在各国的影视作品中“实现”了。
最早的人工智能影片可以追溯到默片时代,并且在20世纪五六十年代开始常见起来,但大量涌现还是在上世纪七八十年代科幻片雨后春笋般发展的年代,从《星球大战》到《星际迷航》,从《银翼杀手》到《终结者》,越是脍炙人口的科幻片就越离不开一个让人印象深刻的——人工智能。
其实,多数机器人最主要的部分是人工智能,没有人工智能机器人只是一堆零件,不会做出一些令人惊艳的事情来。随着计算机技术的发展,人工智能类型的科幻电影逐渐多起来,电影里描述的人工智能要么是令人畏惧杀手类型,要么是人类的助手,还有一种类型就是呆萌可爱。
犹如笔者观影的这部,皮克斯的经典作品《机器人总动员》。它是一部几乎没有台词、没有丰富面部表情、光靠肢体语言和眼神表达的电影,却在豆瓣上以9.3的分数被多数网友誉为最喜爱的科技动画片之一。
有人被瓦力对伊芙不离不弃的爱情所打动,有人被瓦力勤恳的工作态度所激励,有人喜欢瓦力可爱憨厚的性格,有人讽刺片中的人类被机械世界环绕而少了人情冷暖,有人被船长那句“where’s the blue sky where’s the grass”意识到环保不可少......
总的来说,科幻小说家和编剧笔下的人工智能在未来的发展不外乎两类:人工智能的发展突破了人类的束缚,拥有了自我意识之后开始寻求认可和社会地位,直到控制甚至毁灭人类;另一类是人工智能获得了高度的发展,甚至拥有了人类的感情,但是依旧为人类服务或者和人类和谐相处。
虽然当下人工智能还未能达到模拟人类感情的境界,鉴于机器为人类服务在目前是现实生活中的主流,所以为了主题能够达到吸引眼球的效应,大量的影视作品描述的是前一类,人类遭到人工智能的猎杀,最后奋起反抗的故事被说了一遍又一遍,观众们依然乐此不疲。
倘若关注过在影视作品中的人工智能超越人类智慧的年代,会发现各位剧作家们的观点比科学家们要有更大的分歧。一般来说,拍摄年代越近的影片,人工智能超越人类智慧的年代离我们越遥远。

比如在这部2008年的《机器人总动员》当中,即使在800年之后地球已经被垃圾覆盖,人类移居到了巨型星际飞船上时,人工智能依然主要是为人类服务。而在1999年拍摄的《黑客帝国》中,21世纪人工智能就开始觉醒,并和人类发生战争,最后机器获胜,到了22世纪人类都成了控制地球的巨型人工智能的电池。拿最为经典的《终结者》系列来说,影片在上世纪80年代描绘的人工智能控制全人类的“审判日”在系列作品中一延再延。
当然,还有很多科幻片里面有人工智能和机器人,《普罗米修斯》《星球大战》《银河系漫游指南》《2001,太空漫游》《异形》《机器管家》《星际穿越》等等,2015年人工智能和机器人类型的科幻电影大爆发,《机械公敌2》《超能查派》《复仇者联盟:奥创纪元》《机械姬Ex Machina》,喜欢看的不要错过。
当然,好看的科幻大片背后少不了鼎力的幕后英雄的支持,近年来刚为人们所知的云计算技术功不可没。
尤其是3D电影技术的迅猛发展与日益普及,人们惊叹于其视觉效果和身临其境的体验,殊不知是制作团队幕后完成的一次又一次存储、渲染、处理等各种技术挑战。举例来说,分辨率增加一倍,从2000到4000,存储需求就已经成为天文数字。如果是4000,每秒79帧,每一帧电影是2 GB,可以想象出一部电影的大小。
然而,云计算所引发的不仅仅是一场单纯的IT技术革命,它正在悄然改变着人们的生活,也开始渗透到其他社会形态,成为其创新的动力。如今,这朵“云”已经飘进了影视领域。事实上,云计算为很多影视作品提供了制作、存储和处理平台。
在电影《阿凡达》中,潘多拉星球上的纳威人可以通过自己的神经末梢和树交换信息,云计算也一样,将很多服务器和存储资源通过网络联系在一起,为用户提供相应的弹性的计算能力。这为电影渲染等制作提供了很大的便利性。通过基于云的动画制作工具,使人们区分不出所看到的画面是电脑制作的还是真实存在的。
同样地,电影分发也可以用到云计算模式。随着电影的国际化发展趋势,在海量的电影库中管理影片,例如转换版本、特效制作等等都会看到云计算的足迹。电影制作完毕后,电影发行可以应用云计算将电影推送到电影院、影音店、互联网等渠道中。
不难预见,继个人计算机、互联网的变革之后,云计算被看作第三次IT浪潮。从个人云服务到助力电影工业的虚拟化技术,云计算已经深入到我们生活的方方面面。它将助力各行各业的飞速发展,为我们带来生活、生产方式和商业模式的根本性改变。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。