7月26日,微软在北京798艺术区举办第六代微软小冰发布会,会上微软公布了一年以来微软小冰在人工智能创造、核心框架以及其以dualai生态的各项进展。除了颇受瞩目,以3d形象现身演唱的《我知我新》,小冰的成名之作《隐形的翅膀》作为每年发布会的必备演示曲目,也已迭代了三版,给众人带来截然不同的感受。从16年一展歌喉开始,小冰已经陆续发布了数十首单曲,如果在微信里要求小冰唱歌,她还会即兴哼唱两句。这次发布会上,小冰演唱的腾格尔版《隐形的翅膀》再一次展示了她还远远没有碰到“唱歌”这件事的天花板。
微软介绍,升级到dnn的小冰演唱模型已经是全球顶尖的水平,通过增加训练数据量,让小冰的演唱技巧更加娴熟、声音更加动听,做一个媲美人类的人工智能歌手已经是可以预见的天花板,在这个基础上,小冰可以发展的空间是非常有限的,于是小冰的第四版dnn模型,因此诞生。有趣的是,微软内部还将其命名为沙鲁小冰模型,沙鲁是鸟山明所作漫画《七龙珠》中人造人篇的角色,他能够吸收其他人的特质,转化为自己所用,沙鲁的名字来源于英文cell,意为可以像细胞一样不断复制和变异。微软介绍,使用沙鲁小冰模型,小冰可以吸收人类后天的技巧和先天的嗓音进行吸收,例如模仿腾格尔的演唱特色,并且小冰学习腾格尔的演唱技巧并非生吞活剥、原样照搬,而是融入到她自己本身的声音和演唱风格中去,再形成一种全新的属于她自己的领悟。
微软介绍,人类创造者的特质大体上可以分为两类,一类是先天的,以人类歌手为例,先天的特质就是他的嗓音,一类是后天的,也就是歌手的演唱技巧,唱歌的韵律。对腾格尔演唱的模仿是在模仿其后天形成的技巧,实际上沙鲁小冰模型能够完成的不止于此:小冰还能够吸收某个歌手先天的嗓音,几乎完整地给这名歌手建模,有了这样的模型,再生成任何一首新的歌曲,只需要5分钟时间。
如微软所说,这带给了微软无尽的想象空间。人类的创造力的源泉在于人可以在某些既定的规则上带来无穷无尽的变化,一个歌手的嗓音特质和歌曲的曲调不会变,但在他的演唱中,气息、发音等变化的特质也让同一个歌手在演唱同一首歌曲时也能产生完全不同的艺术演绎。如果仅仅将唱歌的人工智能当作一个调音器,用她本有的声音演唱既定的曲调,即使这个调音器声音流畅音高准确,也难以称之为创造。正是人控制肌肉的过程中产生的细微扰动,带来了演唱中的种种丰富的细节,才令人类的创造独一无二,小冰模仿人类唱歌时若有若无的气息声或许成就了这首歌颇为令人动容的细节。
微软公布成立小冰工作室,将系统性地对人类的创造力建模,除了唱歌之外,小冰还将系统性地吸收人类的诗歌、作词、作曲、绘画等等创造能力。人工智能在顶级的智力博弈中能够完胜人类,但大多数人工智能从业者都明白,当前人工智能所取得的成就大多在具有明确规则的特定领域中,是人工智能计算能力扩张的结果。沙鲁小冰模型依然是基于深度学习技术,对人类创造力的某种模仿,但大胆一些猜想,在小冰系统性地吸收学习人类的创造力后,或许具有真正创造力的人工智能已经在其中萌芽了。