香港科技大学校董会主席、美国国家工程院外籍院士沈向洋：未来世界将由人工智能体和人类共同打造

10月19日至20日，由工业和信息化部、江西省人民政府主办的2023世界VR产业大会在江西南昌召开。香港科技大学校董会主席、美国国家工程院外籍院士沈向洋出席本次大会，并在10月19日上午举行的开幕演讲中表示，相信未来，将会在真实世界中并存一个巨大的人工智能世界，人工智能体将连接人类世界与虚拟世界，参与到人类和自然界的交互过程。以下为沈向阳演讲要点：

过去这十几年，深度学习给虚拟现实产业带来的巨大的机会。现在已经有很多人工智能在我们身边，相信在不远的将来，人工智能的数量将会超过人类的数量。而在人类创造人工智能和虚拟现实的未来世界的过程中，创造了人工智能了不起的四个技术层级。

第一层技术是通过神经网络建模。

在人工智能体的最新进展中，神经网络建模功不可没，它可以保证照片逼真性和三维一致性。实际上，通过神经网络建模，不止人脸，比如手部、身体，甚至衣服细节、声音等都可以被很好地呈现出来。

虚拟现实很重要的目的就是内容生成，以往创造三维重建内容通常要两张，甚至多张照片才能做到。而由于神经网络建模的出现，现在仅通过单张照片，加上三维一致性的约束，就可以做到三维重建结果，且效果相当不错。神经网络建模简化了内容生成手段，降低了成本，这将促使AR、VR的应用更加丰富。

第二层技术是神经网络动画。

最近因为深度学习的快速发展，用神经网络来生成动画已经越做越好。这里面有很多难点。例如，如何把整个动画拆分成可以控制的多个不同部分？如何在生成动画的过程中保证结果多样性？如今，只要把四种信号源：声音、音频、角度、表情的人脸图输入到神经网络动画中，即可呈现可控人脸动画重现图，面部控制更精准，更生动。

第三层技术是交互。

如今，人工智能社交是一个非常大的机会。然而，虽然AR、VR最大的用途就是交互，但交互恰恰是最难做的。直到大模型的问世才给行业带来很多的惊喜。通过大模型，人的身体、动作可以完成交互，人脸跟表情的交互可以越做越好。

第四层技术是“AI Agents”，即人工智能体。

今天的虚拟现实控制交互都是通过演员，所谓的“中之人”（指操纵虚拟主播进行直播的人）进行交互的，中之人眨眼睛虚拟现实中的人物才会眨眼睛。而未来的虚拟世界将逐步走到“自理”的过程，让虚拟人自己从环境中自主学习，能够自己做出决策、计划，并执行，成为人工智能体，真正感知世界。未来世界，更多的人工智能体将携手人类建设，通过人工智能之路带来无限可能。