完美动力首页 > 技术分享 >
AI“技”风来了,CG行业将会有什么风吹草动呢?
近年,随着AI技术的不断普及,各界对于AI的态度也是各有不同,其中有一部分人持反对意见:AI是否会取代我们的工作,会不会有一大批人将面临失业的威胁?
确实,人工智能的快速崛起会替代掉一部分就业岗位。据现状推测:未来结婚率越来越低,人口会逐年下降,生孩子的人越来越少了,人口老龄化加剧,年轻人也只会去干自己喜欢的工作,那些空缺出来的工作岗位,人工智能会补位。与其说AI冲击了就业市场,不如说AI的到来时机恰到好处。

由上图可发现,人工智能替代的大多是固定模式工作,有人说以后有工作的只有两种人:“艺术家”和“科学家”。映射到我们这个行业里所有使用软件的都是“艺术家”,所有的TD们都是“科学家”,那结论是不是说,CG行业的人工无可替代?
其实不然,行业里确实有一些固定模式工作,比如人工智能最容易冲击的领域:“图像视频编辑”,也就是合成领域
现在大家在网上看到的大量软件与插件,多多少少都带了“AI...”的字眼,但是真的智能吗?比如AI建模,AI剪辑,一键roto,一键paint,一键MP,AI调色...,很多类似的功能,你使用过吗?真的智能吗?这还得从人工智能的工作原理说起...
人工智能


人工智能是由模拟人类大脑神经元开发出来的一种表现形式,早期叫做“机器学习”,“神经网络”,现在叫做“深度学习”,上图表示的是神经元的学习过程。

对以上深奥的公式理解不了的同学,可以做一个简单但是不标准的理解:把一堆神经元串在一起就是神经网络。

在深度学习中,通常反复的训练网络,让网络的错误率越来越低,这个步骤叫做“梯度下降”:loss值越小,整个网络的功能就越好。这就很好理解了,就像平时做“相机反求”,我们反复调整参数,点数量,曲线等,为的就是最小化错误率值,从而得到最好的反求效果一样。

深度学习中的“三大马车”可以简单的了解下,他们每次的聚会都是可能改变AI的发展趋势。
Hinton:
深度学习教父,是反向传播算法的发明人之一,2013年加入Google。之后Google推出了深度学习框架Tensorflow,高级的API:Keras等。

LenCun:
卷积神经网络之父,2013年加入Facebook。之后Facebook推出了深度学习框架PyTorch。

Bengio:
一直在蒙特利尔大学任教。说的一句话值得每个人学习:“我留在学术圈为全人类做贡献,而不是为某一个公司赚钱”。
神经网络训练的借鉴意义
神经网络的训练特点对我们有什么启发呢:人工都这么努力了,身为人不努力一定会被替代。所以我们可以借鉴相同的模式训练自己。

分析部分上图,具有前瞻性的指导意义。
BigData:
是大数据的意思,如果你想训练一个好的网络,一定要有庞大的数据,就算是手里只有小数据,可以通过数据增强把小数据变成大数据。

Dropout:
是过拟合,就是因为数据少反复训练的只有一个种类,导致神经网络做一种工作很好,换一个近似的就不行了。

我们在刚入行时,或者在培训期间会有这种情况:别人讲过的镜头可以完成,但是只会反复做一类镜头,如果遇到别的种类就没有思路,为什么?因为练的种类少。所以在平时学习期间一定要多做多练。
Initialization:
初始化,在训练神经网络时,初始化是最重要的一项,从神经网络诞生到现在一直都是很重要的一项。可以把网络想象为三维模型,一个小球从任意位置释放,小球滚到模型最低点需要多久?能不能滚到都是个问题。如果说我们释放小球的位置就是最低点呢,那瞬间就可以滚到。

把这个初始化可以理解为:人的出身,如果说你出身富贵那你可以不用努力,但是大多数人都是需要工作和努力的,无论是小白培训期间你的老师,还是在日常的工作中你的同事,他们的技术水平或者生活圈子,就是你的初始化。如果老师水平高,有可能你毕业就比工作2年的成手技术要好,如果圈子高端那你一定走的更远,所以找到适合自己的初始化很重要。
应用场景
有了基础的理论知识,可以开始看实际的应用场景了。

下图是一个最简单的5层“卷积神经网络”,专门用来处理图像,“卷积”的意思可以理解为渲染器的逐行扫描,一行一行的观看图片,提取图像特征。


通过以上介绍大家应该多少对“深度学习”有了一定的了解,接下来举几个例子加深大家的理解。
代码抠像(亮度)-人脸识别-图像分类-目标检测-实例分割(roto)-风格转换(合成)-图像生成(MP)等...



总结
其实目前的AI技术离我们的CG还很远,因为制作精度逐年升高,人工智能满足不了现在CG行业要求,所以无论是软件还是插件只是AI辅助,还是需要大量的制作人员,就算是固定模式岗位也暂时不会受到冲击。

但我们的行业标准人工智能做不到吗?答案是:做得到,而且比人做的好。如果你不能时刻保持学习与进步的心,一定会被淘汰,一个制作公司80%以上的员工绝对没有学习意识,工作中只有手机与工作,这是人类惰性问题,但是AI可是在24小时无间断进步着的呀。

AI可以完成CG中的任何一环,但需要百度,谷歌,阿里级别的科技公司立项研发,很快就会攻破。理论上“深度学习”能做任何事,但你会发现他们都在干什么?医疗、自动驾驶、安防、金融等“暴利”领域发展,我们已经看到了普通驾驶员,收银员,客服等失去了工作,因为那是AI主攻的方向。但在一线学术界,已经放弃了某些行业的AI研究,所以我们暂时是安全的,为什么我们会如此安全呢?
因为......
你知道答案了吗?