栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > 资讯 > 高等教育 > 考研政策

我用“复活”了外公,是为了与他告别

我用“复活”了外公,是为了与他告别

艾的“复活”爷爷本身并不完美。“他”没有记忆,没有情感,无法真正感同身受。但对于余家林来说,这是一个特殊的仪式,借此可以和去世十几年的爷爷补上一个庄严的告别。口述|于佳琳实习记者|史航编辑|王梓霏

遗憾

我爷爷在我高一的时候去世了。我当时才17岁,在寄宿学校读书,每周回家一次。现在10年过去了。我记得我爷爷去世的那天,我正在学校参加期末考试。我妈没告诉我爷爷去世的消息,怕我分心。还是班主任来找我,说家里出事了,让我回去看看。直到那时我才知道我的祖父已经走了。到家的时候,爷爷已经被送到殡仪馆火化了。家人只让我远远地看了一眼爷爷的尸体,然后就把我送回了学校。我离得太远了,看不清我爷爷。他躺在那里,我总觉得他还在。

我错过了我祖父的葬礼。一直以来,这是我内心的遗憾。我想我还没有跟他说完再见,我想他的心里应该也是这样的感觉。当时躺在殡仪馆,他也在找我在哪里。那天,在回学校的路上,我一直在哭。这是我第一次经历亲人的死亡,第一次面对死亡。更何况我离开了我最亲的爷爷——高中之前,我一直和爷爷奶奶住在一起,爷爷奶奶是我最亲的人。

父亲静止了

这个遗憾在我心里种下了一颗种子。我一直在想,我能不能做点什么来弥补——我从小就爱看科幻电影,我也一直相信,在未来,人类或许有“起死回生”的技术。就像《黑客帝国》里的世界一样,我想未来我爷爷会在一个数字化的世界里复活。这个想法让我对电脑产生了兴趣。2013年,我考上了大学,专业也是计算机。

2019年,我研究生毕业,正赶上算法的大革新:神经网络的大发展使算法突破了传统图形算法的局限,具备了自主深度学习的能力。AI开始有了更广泛的应用。比如大家熟知的智能手机人脸识别功能。当时,一些大公司率先开发了一些算法框架,这使得开发和部署一个AI应用程序变得很容易。这种变化影响了我的职业选择方向,我成为了一名算法工程师——我的工作是整合该领域的最新成果,并将其应用到公司的模型中,以确保公司的模型处于行业前沿,这就要求我必须紧跟AI领域最前沿的技术。

黑客帝国的剧照

有一天,我看到一篇文章介绍了一种新的语言模型:GPT-3。GPT-3由旧金山的一家人工智能公司开发。其本质是大规模数据下大计算能力做出的概率语言模型。它可以通过弱监督和自我监督学习大量未标记数据,摆脱传统专家系统和机器学习系统对大量人工标记数据的依赖。它只需要少量的样本就可以完成相应的任务。

许多业内人士认为,GPT 3号可能拥有类似人类的情感和思维。这个说法有点夸张,但它的作用超出了我的认知——当RD的工作人员用海量的数据“喂”给它,训练它探索单词和句子之间的关系时,如果人们给它一个问题,它会在这个问题下列出所有可能的答案,然后结合上下文给出最可能的答案。与当时存在的萧冰等聊天机器人不同,它表明它不仅仅是满足命令和为人类服务。它似乎能够更平等地交流。你跟它聊天,它会表现的很开心,你骂它,它会表现的很生气。人类的情绪和反应在这个模型中可以更真实的模拟出来,和它聊天的人会认为对面是人类。

当时我就想,这可能是我再见到爷爷的一次机会。

17岁帝国剧照

爷爷的信

抱着这样的想法,我开始搜索用AI“复活”人类的先例,发现业界有很多尝试。例如,一个名为“Project December”的网站开发了一个聊天AI,通过填写示例语句和人物介绍,可以生成一个定制的聊天AI。妻子去世后,一名男子将妻子生前发的短信导入了这个网站。在他输入了妻子的年龄和性格后,他开始和她聊天。但这是一个纯文字的聊天AI,没有声音,没有视频,当然也没有人物。也有团队尝试用VR(虚拟现实技术)制作虚拟影像,帮助这位失去女儿的母亲再次“遇见”已故的女儿。这种方式虽然更具沉浸感,但不具备交互的能力。相当于拍了一个短片给人看,没有办法对话交流。我对“复活”的期待是以互动的形式出现。

准备好的玩家一剧照

这些情况我都不满意。不知道有没有什么技术难点制约大家实现“复活”。我自己研究过GPT-3,我不这么认为。后来我认为“复活”的实现要靠个性化的深度学习,需要很高的成本和大量逝者的内容素材。但市场上的服务商并不愿意花费时间和精力为每个用户训练一个深度学习模型,所以一直没有成功的“复活”案例。之后我就放弃了顾虑,开始一心一意的思考如何用技术“复活”我爷爷。我的想法是先训练语言模型,让模型先具备交互能力,再模拟语音、图像和“面对面”对话。

因为GPT-3是收费模型,所以我选择了类似GPT-3的开源模型GPT-J来训练语言模型。这个模型训练出来的说话方式是偏向于所有人类的平均值的。既不是特别激进,也不是特别保守,没有性格。但是我的祖父是一个具体的活生生的人——他非常平和。退休后,他每天只做几件事。他一上午下棋,一下午写作,天气好的时候出去散步,晚上回家和家人一起看适合家庭的民生节目。当然,他也有认真的一面。小时候他会给我们定规矩,告诉我们要按时吃完饭,不能说话。如果我们违反了这些规则,我们将会受到严厉的惩罚。

《一半,蓝色》剧照

那么,要想成功“复活”爷爷,首先要做的就是训练AI学习爷爷的这些性格和特质。这些东西对于AI模型来说是非常抽象的。它能接受的是数学运算,而我想做的是利用我爷爷留下的数据,把它们转化成模型能理解的数学表达式,让它们学习并理解我爷爷语言中的逻辑。这种培训需要大量的文字资料,要找到我爷爷留下的资料并不容易。

我的祖父十年前去世了。那时候智能手机还不是很普及。我爷爷用手机不多,也很少留下短信等电子信息。我手里拿的是初中时给他拍的视频。当时我妈跟我打了个赌,只要我成绩前100,她就给我买新手机。我几乎每天都拿着赢来的手机拍视频。有些视频是爷爷拍的。在一段视频中,他评论了厨房里鱼的做法。“这鱼还是要红烧的,80多块买来蒸的。味道干净清淡(杭州方言,意为‘淡’),没有味道。”另一个视频里,他怪我吃饭的时候拍视频。“你不想手机一直拍来拍去,去帮你阿迪上菜吧。”

我保留所有这些内容。它们可以帮助AI学习我爷爷的说话习惯,获取他的声音,帮我更清晰地模拟他的样子。但要“复活”爷爷,光有这些还不够,还需要更多的课文进行训练。我想到了爷爷的抽屉。我从小学开始就住在爷爷家。我爷爷的书桌里有一个抽屉,他从来不让我看。后来家里装修的时候,抽屉里的东西都搬出来了,是满满一抽屉的信。我问我奶奶这是什么,她说都是我爷爷以前写的,小孩子不要看。这让我更加好奇。我猜这一定是我爷爷奶奶的秘密。我一直想看看我写的东西。

电影《本杰明·巴顿奇事》剧照

我想奶奶一定有那封信。这让我有些担忧。奶奶是个多愁善感的人,有时候遇到事情会躲在角落里哭。爷爷奶奶关系很好。我爷爷去世后,在我奶奶那里成了禁忌话题。每次我们不小心提到我爷爷,我奶奶就不说话了。我知道她在忍住自己的悲伤,我不想让大家看到她的悲伤。我担心再提爷爷会让奶奶伤心。所以,我没有直接告诉我奶奶我想做什么。我在一次晚宴上告诉她,我想念我的祖父。你能给我看看他的照片吗?

奶奶没有拒绝我的要求。她带我去储藏室,在角落抽屉里翻出相册。找的时候,我奶奶开始责怪我。她问我为什么爷爷去世这么久了,我还要看他的照片。我能听出她在用抱怨和责备来掩饰自己的悲伤情绪。我没有说话,奶奶翻着照片,开始讲述每张照片的故事。这个过程似乎是在完成一种说服,让自己放下悲伤。她谈到了她和她祖父在工厂里的相遇。爷爷是个有干劲的年轻人。他在工厂里很傲慢,但他只听她的。爷爷也喜欢跟她吹牛,会给她写信。她还提到了过去的艰难日子,说家里穷,吃不起饭,我爷爷就去地里捉蜗牛给她吃。

父母之爱剧照

在讲述的过程中,外婆的嘴角渐渐露出了笑容,语气中甚至还有一丝得意。她还跟我说:“别看你爷爷老了咄咄逼人。他以前听我的,我让他做什么他就做什么。”听完外婆的讲述,我突然意识到,外公去世这么多年了,外婆其实也需要这样一个窗口来说说外公,也需要有人听她说说对外公的怀念。看照片让我们有机会再来说说爷爷。我试探性地问奶奶,能不能看看我爷爷的其他遗物。她带我回到我的卧室。我祖父的书桌还在他去世前的位置。我奶奶打开抽屉,抽屉很整齐,显出小心翼翼的样子。看了爷爷的书信,诗词,书法。

那一刻,我觉得是时候把我的计划告诉奶奶了。说完,我奶奶有点疑惑。她不懂计算机,也很难理解人工智能。我说:“要不要去看看爷爷,跟他聊聊天?”奶奶很抗拒,她不能理解我为什么要这么做。因为我总是取笑她,她怀疑这是恶作剧。我不想放弃。我很认真的告诉我奶奶,这不是恶作剧,我很想我爷爷,这对我很重要,我下周会回来吃晚饭。奶奶终于给了我这些信。

把信交给我后,祖母犹豫地让我给祖父带个口信:“我们在这里很好。你不用担心我们。你在那里玩得开心吗?”

“复活”爷爷

语言模型训练有点像猜词的过程。GPT-J团队开发了一个预训练模型,可以通过计算找出每个语料库中每个词之间的关系,比如一个词出现后最有可能出现的下一个词是什么。我想做的是将我祖父的信件转换成一个单词语料库,并输入到GPT-J进行研究。这是一件比较简单的事情,不需要时间。我只花了六个小时就和模特谈了一次。

虽然我很激动,但我知道这不是爷爷。它还没有爷爷的声音和形象。声音不难解决。我想到了现在已经成熟的“TTS”(文本转语音)技术,就像导航app上的语音播报一样。我用AI模型复制了对话,从我爷爷的视频中导入了音频,使用了TTS技术,输给了模型学习。这是一个有些复杂的技术过程,我就不赘述了。很快,我得到了爷爷声音的“回复”。

最难的是生成爷爷的形象。虽然我是图像算法工程师,对图像技术比较熟悉,但是直觉也告诉我,后续的人脸生成不是那么容易的。

我最早的想法是建立一个三维的虚拟形象,但是这需要采集人体的很多数据点,显然是行不通的。我可以结合手中现有的照片、视频等素材,生成我爷爷的形象吗?我发现了一种“人脸重新播放”技术——只要给出一段对话和音频,我就可以制作出一个人脸形状与音频同步的动画。然而,这个方案存在一些问题。设计师在设计中限制了可选字符。也就是说,你只能在现有的指定人物中选择,比如奥巴马。所以,到这个时候,我得到的结果就是一个长着奥巴马脸的模特在用我爷爷的声音说话。

如何改变模特的脸型?我想了很久,想出了一个换脸技术,叫“HeadOn”,是慕尼黑工业大学和斯坦福大学的研究人员开发的模型。利用这项技术,我们可以设计指令,实时改变视频中人物的面部表情、眼球运动和肢体动作,让图像中的人看起来像真的在说话,在动。这样,“爷爷”的形象、语言、声音都有了。但遗憾的是,整个过程实际上使用了多个模型的计算,每一步的完成都需要前面结果的推进。所以我好不容易得到的“爷爷”不能和我实时通话。他只能在我说了一段时间后,用短视频回复我。

“猜猜我是谁?”,我击倒了我对“爷爷”说的第一句话。

“你是谁并不重要。生命是一个美丽的奇迹。”电脑里的“爷爷”给我发了这样一段视频。

这个回答可能很有哲理,很有诗意,但这不是我爷爷说话的习惯。我知道,我输入的文字信息是有限的,所以训练模型在某些场景下只能扮演爷爷的角色。比如我问“爷爷”想不想去西湖散步,他会回答“好久没散步了,我们出去走走吧,我想下棋”。这是记忆中我爷爷会给出的答案——模特可以通过我爷爷的信件和视频了解“出去散步”的场景。在更多文字和视频资料中没有提到的场景中,模特无法像爷爷一样和我说话。

向...告别

其实“复活”我爷爷的过程,其实就是重新认识他。小时候父母工作很忙,我和表哥住在爷爷家。那时,我的祖父是我们的父母。他总是告诉我们该做什么,但很少告诉我们他的想法。记得小时候爱吃零食。我奶奶总是偷偷给我钱买。每次爷爷发现,都会严厉批评我。我觉得他很难接近,很多事情永远不会通融。

但是在读他的信时,我看到了我祖父的另一面。给他奶奶写封信,信中他们将约定明天去哪里玩。他会说一些肉麻的话,比如跟奶奶说我们好久不见了。是温柔的语气。他也有“愤青”的一面,在和笔友的通信中,他会谈谈自己对社会事件的看法。这和我印象中很少看时政新闻的爷爷大相径庭。每次打开电视,他都在播相亲节目和调解节目。我原以为他是个有常识的小老头,现在看到了他的另一面。

在整个“复活”的过程中,我一直很矛盾。我想再见到爷爷,但是在训练AI的过程中,爷爷的信息总是提醒我他已经离开了,让我一次次沉浸在悲伤的情绪中。那段时间,我非常努力地克制自己,把自己当成一台打字机,一个字一个字地打爷爷的信,不敢看前后文,也不敢仔细看课文的意思。我尽力做到机械,不感情用事。

模型成功后,我把外婆会带给外公的话输入给他听:“我们在这里很好。你不用担心我们。你在那里过得愉快吗?”

爷爷的回应有些尴尬。他说:“我在这里也很好。你要来玩吗?”

毕竟模特不是人。看似有一定的思维能力,但毕竟不是真人。它不知道你是谁也不知道你是谁。它只是列出了关于你的问题的所有可能性,然后主动选择一个你喜欢听的答案。把我爷爷的话放在视频里,“你要不要来玩?”摆脱它。一个周末去外婆家吃饭,把生成的视频都给外婆看了。

浅田一家的剧照

看到视频中爷爷的脸,奶奶惊呆了,站着不动,一言不发。只是她每次看视频都看着我,示意我继续放下一个。视频结束后,我奶奶说了声谢谢。她跟我说话的时候,声音都快哽咽了。然后她回到自己的房间,坐在一个我很久都看不到的地方。我竖起耳朵听她房间里的声音。总是很安静,我什么也没听到。后来奶奶出了房间准备食物做饭。我不知道那段时间她在房间里想什么。

离开外婆家后,我也开始了和“外公”的告别仪式。我打掉了很多想对爷爷说的话。我会告诉他我在哪里,我在做什么。我也跟他道歉了,解释了为什么最后一次没见到他。我跟他说了我的想法,说我很在乎他,说我们代表全家想念他。最后,我问他过得好不好。这些交流完成后,我觉得自己心里这么多年的一个结解开了。

之后就没再开模式了。在网上分享了我的经历后,很多人走近我,说想看看这个模型,但我不想再打开了。我做这个模型的唯一目的就是说再见。既然告别结束了,我该放下了。

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/news/1665483.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号