Meta Motivo：让我们相约 Metaverse – 现在我们可以看到 Metaverse 中的人工智能潜力

在线联系（康拉德德军总部）

语言选择 📢 X

发布日期：2024 年 12 月 16 日 / 更新日期：2024 年 12 月 16 日 - 作者： Konrad Wolfenstein

元宇宙的新时代：改进的化身和更身临其境的体验 - 图片：Xpert.Digital

🌐🧑‍💻🕶️ 元宇宙新时代：改进的头像和更身临其境的体验

🤖 “Meta Motivo”：可能彻底改变元宇宙的人工智能模型

简洁版本：

Meta 推出了一种名为 Meta Motivo 的新人工智能模型，旨在控制类人数字代理的运动，以改善 Metaverse 体验。该模型使用基于未标记运动数据的新颖算法来分析人体运动并自主学习。这使得数字化身能够执行更真实、更人性化的动作。
Meta Motivo 提供多种高级功能，包括运动检测、目标姿势实现和奖励优化。这些功能可能会带来更逼真的不可玩角色 (NPC)、角色动画的民主化以及新的沉浸式体验。
除了 Meta Motivo 之外，Meta 还引入了大型概念模型 (LCM)，旨在彻底改变语言建模。与预测下一个单词的传统大语言模型 (LLM) 不同，LCM 专注于预测多语言和多模式嵌入空间中的概念或高级思想。该模型将思维与语言表示分离，实现更灵活的人工智能开发。
Meta 还在人工智能和 Metaverse 技术方面进行了大量投资，预计到 2024 年资本支出将达到创纪录的 370 亿美元至 400 亿美元。该公司采取开放方式，将其许多人工智能模型免费提供给开发人员使用，促进创新。

🌀 改进数字代理的运动控制

Meta 最近发布了名为 Meta Motivo 的新人工智能模型，朝着更加身临其境和互动的 Metaverse 体验迈出了重要一步。该模型使用一种新颖的算法来真实地控制数字类人代理的运动，为数字世界开辟了全新的视角。与传统方法不同，传统方法中的运动数据通常必须费力地手动注释或嵌入到严格的框架中，Meta Motivo 使用未标记的运动数据。这种方法可以更深入地理解人类的运动序列，并在此基础上独立学习新的、复杂的运动模式。

Meta Motivo 开发的一个核心问题是改善数字化身的身体控制。在传统的虚拟现实和增强现实环境中，角色通常看起来是静态的，他们的动作僵硬或不自然。这可能会使沉浸在虚拟世界中变得困难，因为缺乏逼真的动画会破坏整体印象。另一方面，Meta Motivo 旨在克服这一障碍。通过无监督强化学习和动作识别的新颖结合，该模型能够不断学习、朝着目标努力，并通过奖励机制优化自身表现。结果是数字代理不仅显得自然，而且能够灵活地对新情况做出反应，从而在虚拟宇宙中实现全新的交互。

👾 具有创造更逼真的非可玩角色的潜力

更逼真的非可玩角色的潜力 – 图片：Xpert.Digital

更逼真的非玩家角色 (NPC) 的潜力是巨大的。例如，可以训练 NPC 来响应虚拟环境中不断变化的情况，而无需事先进行特定编程。让我们想象一下元宇宙中的未来城市景观，其中有数十个数字角色同时行动。借助 Meta Motivo，这些角色可以独立学习执行复杂的动作序列，从简单的运动到与其他角色精心设计的交互。虚拟宇宙不再只是一个静态的舞台布景，而是一个动态的、生机勃勃的地方。角色动画的民主化还可以让独立开发者、小型创意工作室甚至个人创作者设计出高质量的化身，而无需使用昂贵或难以理解的动画工具。相反，人工智能模型通过从现有数据中独立导出运动和行为模式来接管大部分工作。

🌎 开放的创新和发展方式

Meta 通过公开其新开发成果来强调这一步骤。它坚信，这种开放的方式不仅有利于其自身业务，也有利于整个行业。让更多的开发人员能够使用此类先进工具可以增加创新，并促进创造力、进步和实用性齐头并进的生态系统的发展。从长远来看，这将创建丰富整个虚拟世界并从根本上改变虚拟现实或增强现实环境中的用户体验的工具。

📚 大型概念模型（LCM）：人工智能的新方法

另一个重要的里程碑是所谓的大型概念模型（LCM）的引入。传统语言模型 (LLM) 旨在预测序列中的下一个单词，而 LCM 采用不同的方法。它专注于预测高层次的想法或概念。这些在多语言和多模式嵌入空间中表示。这意味着模型的思维过程与纯语言表示脱钩。从长远来看，这可能会让人工智能模型不仅“知道”接下来是哪个单词，而且还能理解术语和概念之间的心理联系。