- AI“技”風(fēng)來了，CG行業(yè)將會(huì)有什么風(fēng)吹草動(dòng)呢？
近年，隨著AI技術(shù)的不斷普及，各界對(duì)于AI的態(tài)度也是各有不同，其中有一部分人持反對(duì)意見：AI是否會(huì)取代我們的工作，會(huì)不會(huì)有一大批人將面臨失業(yè)的威脅？
確實(shí)，人工智能的快速崛起會(huì)替代掉一部分就業(yè)崗位。據(jù)現(xiàn)狀推測(cè)：未來結(jié)婚率越來越低，人口會(huì)逐年下降，生孩子的人越來越少了，人口老齡化加劇，年輕人也只會(huì)去干自己喜歡的工作，那些空缺出來的工作崗位，人工智能會(huì)補(bǔ)位。與其說AI沖擊了就業(yè)市場(chǎng)，不如說AI的到來時(shí)機(jī)恰到好處。
由上圖可發(fā)現(xiàn)，人工智能替代的大多是固定模式工作，有人說以后有工作的只有兩種人：“藝術(shù)家”和“科學(xué)家”。映射到我們這個(gè)行業(yè)里所有使用軟件的都是“藝術(shù)家”，所有的TD們都是“科學(xué)家”，那結(jié)論是不是說，CG行業(yè)的人工無可替代？
其實(shí)不然，行業(yè)里確實(shí)有一些固定模式工作，比如人工智能最容易沖擊的領(lǐng)域：“圖像視頻編輯”，也就是合成領(lǐng)域。
現(xiàn)在大家在網(wǎng)上看到的大量軟件與插件，多多少少都帶了“AI...”的字眼，但是真的智能嗎？比如AI建模，AI剪輯，一鍵roto，一鍵paint，一鍵MP，AI調(diào)色...，很多類似的功能，你使用過嗎？真的智能嗎？這還得從人工智能的工作原理說起...
人工智能
人工智能是由模擬人類大腦神經(jīng)元開發(fā)出來的一種表現(xiàn)形式，早期叫做“機(jī)器學(xué)習(xí)”，“神經(jīng)網(wǎng)絡(luò)”，現(xiàn)在叫做“深度學(xué)習(xí)”，上圖表示的是神經(jīng)元的學(xué)習(xí)過程。
對(duì)以上深?yuàn)W的公式理解不了的同學(xué)，可以做一個(gè)簡(jiǎn)單但是不標(biāo)準(zhǔn)的理解：把一堆神經(jīng)元串在一起就是神經(jīng)網(wǎng)絡(luò)。
在深度學(xué)習(xí)中，通常反復(fù)的訓(xùn)練網(wǎng)絡(luò)，讓網(wǎng)絡(luò)的錯(cuò)誤率越來越低，這個(gè)步驟叫做“梯度下降”：loss值越小，整個(gè)網(wǎng)絡(luò)的功能就越好。這就很好理解了，就像平時(shí)做“相機(jī)反求”，我們反復(fù)調(diào)整參數(shù)，點(diǎn)數(shù)量，曲線等，為的就是最小化錯(cuò)誤率值，從而得到最好的反求效果一樣。
深度學(xué)習(xí)中的“三大馬車”可以簡(jiǎn)單的了解下，他們每次的聚會(huì)都是可能改變AI的發(fā)展趨勢(shì)。
Hinton：
深度學(xué)習(xí)教父，是反向傳播算法的發(fā)明人之一，2013年加入Google。之后Google推出了深度學(xué)習(xí)框架Tensorflow，高級(jí)的API：Keras等。
LenCun：
卷積神經(jīng)網(wǎng)絡(luò)之父，2013年加入Facebook。之后Facebook推出了深度學(xué)習(xí)框架PyTorch。
Bengio：
一直在蒙特利爾大學(xué)任教。說的一句話值得每個(gè)人學(xué)習(xí)：“我留在學(xué)術(shù)圈為全人類做貢獻(xiàn)，而不是為某一個(gè)公司賺錢”。
神經(jīng)網(wǎng)絡(luò)訓(xùn)練的借鑒意義
神經(jīng)網(wǎng)絡(luò)的訓(xùn)練特點(diǎn)對(duì)我們有什么啟發(fā)呢：人工都這么努力了，身為人不努力一定會(huì)被替代。所以我們可以借鑒相同的模式訓(xùn)練自己。
分析部分上圖，具有前瞻性的指導(dǎo)意義。
BigData：
是大數(shù)據(jù)的意思，如果你想訓(xùn)練一個(gè)好的網(wǎng)絡(luò)，一定要有龐大的數(shù)據(jù)，就算是手里只有小數(shù)據(jù)，可以通過數(shù)據(jù)增強(qiáng)把小數(shù)據(jù)變成大數(shù)據(jù)。
Dropout：
是過擬合，就是因?yàn)閿?shù)據(jù)少反復(fù)訓(xùn)練的只有一個(gè)種類，導(dǎo)致神經(jīng)網(wǎng)絡(luò)做一種工作很好，換一個(gè)近似的就不行了。
我們?cè)趧側(cè)胄袝r(shí)，或者在培訓(xùn)期間會(huì)有這種情況：別人講過的鏡頭可以完成，但是只會(huì)反復(fù)做一類鏡頭，如果遇到別的種類就沒有思路，為什么？因?yàn)榫毜姆N類少。所以在平時(shí)學(xué)習(xí)期間一定要多做多練。
Initialization：
初始化，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)，初始化是最重要的一項(xiàng)，從神經(jīng)網(wǎng)絡(luò)誕生到現(xiàn)在一直都是很重要的一項(xiàng)?？梢园丫W(wǎng)絡(luò)想象為三維模型，一個(gè)小球從任意位置釋放，小球滾到模型最低點(diǎn)需要多久？能不能滾到都是個(gè)問題。如果說我們釋放小球的位置就是最低點(diǎn)呢，那瞬間就可以滾到。
把這個(gè)初始化可以理解為：人的出身，如果說你出身富貴那你可以不用努力，但是大多數(shù)人都是需要工作和努力的，無論是小白培訓(xùn)期間你的老師，還是在日常的工作中你的同事，他們的技術(shù)水平或者生活圈子，就是你的初始化。如果老師水平高，有可能你畢業(yè)就比工作2年的成手技術(shù)要好，如果圈子高端那你一定走的更遠(yuǎn)，所以找到適合自己的初始化很重要。
應(yīng)用場(chǎng)景
有了基礎(chǔ)的理論知識(shí)，可以開始看實(shí)際的應(yīng)用場(chǎng)景了。
下圖是一個(gè)最簡(jiǎn)單的5層“卷積神經(jīng)網(wǎng)絡(luò)”，專門用來處理圖像，“卷積”的意思可以理解為渲染器的逐行掃描，一行一行的觀看圖片，提取圖像特征。
通過以上介紹大家應(yīng)該多少對(duì)“深度學(xué)習(xí)”有了一定的了解，接下來舉幾個(gè)例子加深大家的理解。
代碼摳像（亮度）-人臉識(shí)別-圖像分類-目標(biāo)檢測(cè)-實(shí)例分割（roto）-風(fēng)格轉(zhuǎn)換（合成）-圖像生成（MP）等...
總結(jié)
其實(shí)目前的AI技術(shù)離我們的CG還很遠(yuǎn)，因?yàn)橹谱骶戎鹉晟撸斯ぶ悄軡M足不了現(xiàn)在CG行業(yè)要求，所以無論是軟件還是插件只是AI輔助，還是需要大量的制作人員，就算是固定模式崗位也暫時(shí)不會(huì)受到?jīng)_擊。
但我們的行業(yè)標(biāo)準(zhǔn)人工智能做不到嗎？答案是：做得到，而且比人做的好。如果你不能時(shí)刻保持學(xué)習(xí)與進(jìn)步的心，一定會(huì)被淘汰，一個(gè)制作公司80%以上的員工絕對(duì)沒有學(xué)習(xí)意識(shí)，工作中只有手機(jī)與工作，這是人類惰性問題，但是AI可是在24小時(shí)無間斷進(jìn)步著的呀。
AI可以完成CG中的任何一環(huán)，但需要百度，谷歌，阿里級(jí)別的科技公司立項(xiàng)研發(fā)，很快就會(huì)攻破。理論上“深度學(xué)習(xí)”能做任何事，但你會(huì)發(fā)現(xiàn)他們都在干什么？醫(yī)療、自動(dòng)駕駛、安防、金融等“暴利”領(lǐng)域發(fā)展，我們已經(jīng)看到了普通駕駛員，收銀員，客服等失去了工作，因?yàn)槟鞘茿I主攻的方向。但在一線學(xué)術(shù)界，已經(jīng)放棄了某些行業(yè)的AI研究，所以我們暫時(shí)是安全的，為什么我們會(huì)如此安全呢？
因?yàn)?.....
你知道答案了嗎？
