Python社区  »  机器学习算法

元宇宙风口已过?业内专家:借着机器学习的“东风”,元宇宙之火将越烧越旺

战略前沿技术 • 1 周前 • 32 次点击  



 

 

电话 | 010-82030532    手机 | 18501361766

微信 | tech9999    邮箱 | yw@techxcope.com


来源:AI前线
作者:Victor Dey
译者:杨雷


深度学习的实现有助于改进元宇宙,因为深度学习模型基于所有可用数据进行训练,在图像识别和自然语言处理方面提供了令人难以置信的结果。

元宇宙 不仅在技术领域,而且在社会和经济领域,正成为最热门的话题之一。科技巨头和创业公司都已经在为这一新的数字现实创造服务。

元宇宙正在慢慢演变成一个主流的虚拟世界,在那里你可以工作、学习、购物、娱乐,并以前所未有的方式与他人互动。Gartner 最近将元宇宙列为 2023 年最重要的战略技术趋势 之一,预测到 2026 年,25% 的人口将每天至少花一个小时在那里工作、购物、教育、社交活动和 / 或娱乐。这意味着有效使用元宇宙的组织将能够与人类和机器客户进行互动,并创造新的收入流和市场。

然而,只有通过 深度学习(DL),这些元宇宙中的大多数体验才能继续进步,因为人工智能(AI)和数据科学将处于推动这项技术的最前沿。例如,由于计算机视觉的最新发展,深度学习算法使得计算机能够更好地进行 手势识别 和眼球跟踪,从而实现自然交互,更好地理解情绪和肢体语言。由于这些技术是元宇宙沉浸式界面的一个重要方面,深度学习技术现在的目标是进一步提高现实的 AI 故事讲述、创造性合作和机器理解。


深度学习塑造新的现实


       



目前,不同公司开发的数字现实具有各自的属性和综合功能,处于不同的发展水平。预计多元宇宙中的许多平台将会融合,这一结合点正是 AI 和深度学习等数据科学领域至关重要的地方,帮助用户迈向元宇宙旅程的新阶段。这些努力是否成功,取决于对算法模型及其度量中关键要素的理解。

基于深度学习的软件已经被集成到虚拟世界中,例如自动驾驶聊天机器人和其他形式的自然语言处理,可以确保无缝交互。另一方面,在 AR 技术 中,基于深度学习的 AI 应用于相机姿态估计、沉浸式渲染、真实世界对象检测和三维物体重建,有助于确保 AR 应用的多样性和可用性。

今年 10 月,Meta 宣布启动其 通用语音翻译器(UST)项目,该项目旨在创建一个 AI 系统,实现所有语言的实时语音翻译,不论用户使用何种语言。此外,该公司在无监督语音识别(wav2vec-U)和无监督机器翻译(mBART)方面的最新进展,将有助于未来在元宇宙中翻译更多口语。

所有这些实现都需要大量的训练数据和建模,现在可以通过深度学习方法来实现。此外,基于 AI 的 Web3 技术现在被用来实现智能合约和去中心化账本的自动化,创建通用的区块链技术来支持虚拟交易。

“深度学习提供了更高的准确性,几乎没有误报,如果实施正确,可以消除数据噪音(污染)。”,Deep Instinct 的竞争情报分析师 Jerrod Piker 告诉 VentureBeat。


新的互动方式


       



Piker 表示,深度学习的实现有助于改进元宇宙,因为深度学习模型基于所有可用数据进行训练,在图像识别和自然语言处理方面提供了令人难以置信的结果。

他说,“Meta 将这种方法应用于将代码从一种编程语言翻译成另一种编程语言。由于元宇宙是一个广泛而开放的世界,自动代码翻译可以对元宇宙中不同平台之间的无缝集成产生巨大影响。”

同样,Deepgram 的首席执行官兼联合创始人 Scott Stephenson 认为,深度神经网络相比层数较少的神经网络更强大、更复杂。

Stephenson 说:“公司为客户和社区提供了一个有趣的机会,以令人兴奋的新方式与他们的品牌进行互动,而基于深度学习的 AI 在促进这些体验方面发挥着重要作用。”

他解释说,公司现在可以让 AI 品牌代表(接受过公司独特语言风格和产品文档的培训)在元宇宙中漫步,传播公司想要推广的任何产品或服务。

他还说:“元宇宙平台在后台运行一个聊天机器人,通过生成型文本来驱动对话和互动,而不是给他们几十行甚至数百行预先写好的对话(就像现在大多数电子游戏中所经历的那样)。”。

(来源:Gartner)


融合克服挑战


       



尽管元宇宙前景广阔、潜力巨大,它仍然面临着基于用户的风险,例如数据安全。与传统工具集成时,基于深度学习的 AI 模型可能有助于克服这些挑战。

Piker 表示,“跨元宇宙创建、发送和共享的敏感数据保护,需要比过去的数据安全工作更先进的技术。深度学习凭借其准确识别内容的神奇能力,可以在这方面取得优异的结果。例如,对某些敏感数据进行持续检查,以确保不会被泄露到预定渠道之外,这是极其重要的,而深度学习在正确和高效地识别各种数字内容方面是无与伦比的,与其他机器学习模型相比,其误报率要低得多。”

普华永道(PwC)创新和信任技术领导者 Scott Likens 表示,随着深度学习和 AI 以及 VR 融合,为未来的元宇宙提供了更深入的体验,许多品牌已经开始看到元宇宙的实际商业价值。

“元宇宙中资产的产生现在得益于 AI ,因为目前缺乏内容和数字资产来填充元宇宙。此外,随着 物联网 在 数据收集 方面的进步,我们可以为渴求数据的深度学习模型提供材料,创造出逼真的合成世界,帮助推动商业战略,以当前无法比拟的速度发展。”Likens 说。

TheSoul  出版社的运营副总裁 Patrik Wilkens 表示,“就自动化而言,深度学习技术将非常重要。”TheSoul 出版社的知名频道包括 5-Minute Crafts、Bright Side 和 123 GO!。

Wilkens 对 VentureBeat 表示,“过去需要人类付出数小时努力才能取得的进步,现在可以以令人难以置信的效率实现。科技公司和内容创作者利用最先进的技术,将深度学习融入到他们的工作流程中,以前用来做事情的人力现在可以用在其他事情上。这对创意领域尤为重要。”

Wilkens 进一步解释说,他的公司 TheSoul 目前正在利用基于深度学习的算法来处理几个元宇宙用例。

他说:“我们目前正在内容中使用基于深度学习的 AI 来校对、翻译、执行质量保证和构建图形。我们还处于一系列举措的开发阶段,包括元宇宙中的 5 分钟工艺品市场。你的虚拟角色(Avatar)走进 TheSoul 购物中心风格的建筑,观看一段工艺视频,然后去 AI 助手那里购买手工项目所需的材料。”


2023 年元宇宙预期


       



Zendesk 首席技术官 Adrian McDermott 认为,在 2023 年,我们有望看到深度学习和 AI 技术在元宇宙中强大和规模化的客户自助服务。

McDermott  告诉 VentureBeat,“企业将扩大 AI 和自动化的使用,实时处理和升级用户的紧急问题,确保用户无缝体验。大型语言模型(Large Language Models,LLMs)将帮助品牌了解新领域中的客户需求,并产生对服务请求的潜在响应。基于深度学习的 AI 模型提供的自助服务,可以帮助客户更容易地解决直接的问题,从而减轻客服代理的负担,去解决更难的案例。”

McDermott  表示,我们将看到零售和游戏以外的行业开始建立或试点元宇宙体验,以保持竞争力。品牌将不仅利用元宇宙与客户互动,而且通过数字收藏品建立客户忠诚度,自动化将在这一过程中发挥作用。

他说:“数字店面和音乐会体验在扩大,企业越来越多地使用这些服务来举办会议、培训和提高员工的关键工作技能。看到这一切,不应觉得惊讶。”

同样地,Wilkens 预测,到 2023 年,我们可以期待品牌开始围绕虚拟影响者建立社区。

他表示:“品牌将专注于开发更多‘有意义’的内容,吸引虚拟影响者的社区参与,努力做到更人性化,并与受众建立真实的联系。”此外,我们期待看到各种虚拟角色的崛起。它们将无处不在,尤其是在元宇宙中,在 Snapchat 等平台上迅速发展,2023 年它将推出各种时尚虚拟角色和数字物品等新功能。”



一网打尽系列文章,请回复以下关键词查看:
创新发展习近平 | 创新中国 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研
热点专题军民融合 | 民参军 | 工业4.0 | 商业航天  国家重点研发计划 装备采办 | 摩尔定律 | 诺贝尔奖 | 国家实验室 军工百强 试验鉴定 | 双一流 | 净评估 
前沿科技颠覆性技术 | 仿生 | 脑科学 | 精准医学 | 基因编辑 虚拟现实 | 增强现实 人工智能 | 机器人 | 3D打印 | 4D打印  太赫兹 | 云计算 | 物联网 互联网+ 大数据 | 石墨烯 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 不依赖GPS导航 5G | MIT技术评论 | 航空发动机 | 可穿戴 氮化镓 | 隐身 |  脑机接口 | 传感器 | 数字孪生
先进武器无人机 | 轰炸机 预警机 | 运输机 | 直升机 战斗机 | 六代机 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 反无人机 | 防空反导 潜航器
未来战争未来战争 | 抵消战略 | 水下战 |  网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 反卫星 混合战 电子战 马赛克战
前沿机构战略能力办公室 | DARPA 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 阿里 | 俄先期研究基金会 | 军工百强
其他主题系列陆整理中,敬请期待…… 






Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/151737
 
32 次点击  
分享到微博