Google的最新实验教人像人一样跳舞-王其杉博客|程序员|科技新闻
拉维·迪普雷斯
英国获奖舞蹈编导韦恩·麦克格雷戈(Wayne McGregor)在他位于伦敦东部女王奥林匹克公园(Queen.cPark)的高天花板舞蹈工作室里,一直致力于他最新的合作:教人工智能跳舞。
麦克格雷戈与谷歌在巴黎的艺术和文化公司的技术项目经理达米恩·亨利合作,使用一种人工智能驱动的工具,可以基于数百小时的视频片段生成自己的独立编排,这些视频片段来自编舞者的档案,以及来自他公司的十名舞蹈演员,他们的个人风格。偶像风格被捕捉在独奏表演的技术。
广告
麦克格雷戈对科学技术的兴趣并不新鲜,他拥有普利茅斯大学的名誉科学博士。他说,这个新项目是在他回顾自己25年录像生涯的时候提出的,他想知道科技是否能够帮助保持表演的新鲜。
“我想以一种有趣的方式利用这个庞大的工作档案,”麦克格雷戈说。“所以我问达米恩是否可以用它来产生新的东西。”这一切都归结到编排中至关重要的同一个问题:如何不断创建新的内容?“
阅读下一步
警方对人工智能的使用正在增加,但透明度没有跟上。
警方对人工智能的使用正在增加,但透明度没有跟上。
通过
汤姆贾什
人工智能已经能够确定很多事情,从预测你将在手机上键入的下一个单词到在上传到社交媒体的图片中识别你的身份。但是预测手势是很棘手的。为了创建这个工具,亨利说他从在科学网站.ll.pub上看到的一篇文章中得到了灵感,这篇文章使用神经网络根据你在前一封信中的笔迹来预测下一封信的形式。他提出了一个类似的算法,可以对给定的运动进行预测。根据舞蹈演员的姿势,通过视频捕捉,最终的工具为最有可能跟随的舞蹈序列提供了几个选项,并在屏幕上实时显示它们。
广告
这项技术由麦克格雷戈的档案和录制他的舞蹈演员的视频提供。“在某种程度上,它学会了如何跳舞,”亨利说——但风格是韦恩·麦克格雷戈。该工具的工作原理是利用网络摄像机获取视频输入,并通过绘制不同身体部位之间的点,提取舞蹈演员做出特定姿势的“骨架”。它通过三种不同的算法运行这个输入来猜测下一个姿势可能是什么——考虑那个特定舞者的个人风格,也考虑公司其他九个舞者的风格。
这总共产生了30个潜在的编排序列,目前大约持续10秒钟,并且使用类似的“骨架”视觉显示在计算机屏幕上。麦克格雷戈选择使用哪一个。亨利说:“然后,舞者做的任何事情都可以被再次录制下来,然后重新注入到机器中。”
舞蹈演员的“骷髅”由人工智能工具GoogleArts&.and Studio Wayne McGregor阅读
阅读下一步
当你不知道算法在做什么时,如何让算法公平
当你不知道算法在做什么时,如何让算法公平
通过
阿米特·卡特瓦拉
对于麦克格雷戈来说,这项技术最吸引人的方面之一就是它能够学习和再现舞蹈演员的特定风格。就像安迪·塞尔基斯所描述的动作捕捉一样,它可以在某种程度上捕捉他们的创造性身份。“我选择某些舞蹈演员是因为他们的身体特征,因为他们特殊的运动方式,”他说。达米恩的发明的天才之处在于它抓住了表演的本质。
广告
算法在编舞中已经使用了几十年;早在1964年,在匹兹堡大学,珍妮·比曼和保罗·勒瓦瑟就用计算机从不同的时间变化、空间方向和它们喂养的运动类型中产生随机的舞蹈序列。本世纪初,编舞们正在使用一种叫做“舞蹈图”的软件,一种排序工具,它让编舞者在一个时间线上建立数字变化,这个时间线在演出中充当舞者的提示表。由于舞台周围的传感器,它能够实时更新舞者的动作。
但是人工智能在舞蹈和创造力方面有局限性。迈克尔·克莱恩是杜克大学舞蹈节目的导演,也是《舞蹈图》的熟练使用者。他的软件作品在伦敦皇家歌剧院展出,但他解释说,他很快就厌倦了这一过程,并在2002年放弃了系统,转而直接与他的舞蹈演员合作。
“我们不断地在系统中加入更多的算法以使其更加智能,”他说。“我想实现人工智能编排结构。但我意识到这不是由人工智能开发的舞蹈的力量。我们对智慧的假设造就了人工智能机器,这就造成了我们想象力的悲剧性极限。”
AI工具预测舞蹈演员的下一部电影:GoogleArts&./Studio Wayne McGregor
阅读下一步
Facebook打败谷歌,在人工智能领域占据统治地位
Facebook打败谷歌,在人工智能领域占据统治地位
通过
山姆山
亨利说,谷歌的工具不是用来发明以前从未见过的动作。像所有的人工智能一样,它通过内插来工作——也就是说,它的构建是为了预测从它已经学会的先前模式中最可能发生的事情。“关键不是要取代编舞这个角色,”他说。“但是要以一种非常有效和快速的方式创造选择,这样创造的过程就不会停止。”创造力来自于韦恩使用这些选项。”
然而,当机器被编程为外推时,McGregor很兴奋地看到会发生什么。它可以是:该技术导航一张它所识别的不同舞蹈动作的“地图”,并且推荐特定的动作序列,但是亨利解释说,它在动作之间转换的方式——在某种程度上“轨迹”——可能在其训练数据之外发生。这意味着它必须有潜力想出以前从未做过的运动。“我一直对我从未见过的东西感兴趣,”麦克格雷戈说。
该技术还可以设置为提供混合两个舞者的风格的编舞序列。当公司试用时,这引起了一些咯咯的笑声——想象一下你以别人的风格在屏幕上移动。
如果,比如说,在麦格雷戈档案馆上面播放了巴西桑巴舞的录像,会发生什么?结果将会是一场以前可能从未见过的混合舞。但是麦克格雷戈说他并不担心成为弗兰肯斯坦博士的舞蹈。“选择还是我的。”我是源头,我是开始的人,”他说。“我更把这看作一个机会——我喜欢参与比赛。”
McGregor希望将这一工具用于将来的实时工作:每个舞蹈演员都有自己的屏幕,并在舞台上再现算法所传递的序列。一些技术细节仍然需要整理——如果方案适应