人工智障速成寶典（序）

4 人贊了文章

聲明：本系列寶典僅用於小萌及小萌的朋友交流學習，不推薦除小萌及小萌的朋友之外的讀者閱讀及轉載，蟹蟹~~~

本系列教程名字叫做《人工智障速成寶典》，為什麼這麼稱呼呢？看到文章題圖的愛醬了嘛，隨著人工智慧的狂熱在油管上上線了一個形象可愛聲音甜美的虛擬偶像人物Kizuna AI，我們都喜歡親切的稱呼她為愛醬，那麼問題來了，她真的是人工智慧嗎？NoNoNo！雖然愛醬始終宣稱自己是「Super AI」，但其實，這只是官方對於絆愛（Kizuna AI）這一虛擬形象的「設定」而已。實際上，愛醬的製作過程，簡單來說，主要包括以下三個要素：①聲優做動作+配音+語音識別對口型；②由專人控制的豐富的面部動態表情包；③以動捕為核心的「動作捕捉系統KiLA」。而在說明這三點之前，首先我們要明確的一點就是，愛醬的視頻或是直播，其實只是一種三維動畫！

這一點，從Kizuna AI的官網上就可以印證。Kizuna AI表示，愛醬這一虛擬形象的模型由MMD製作而成，感興趣的大胸弟可以移步其官網進行下載。

而要讓這個由MMD製作的「愛醬」動起來，則需要用到下面這套可以對動作進行實時捕捉並模擬的動作捕捉系統KiLA（核心）！

首先，需要由對「愛醬」這一虛擬形象進行配音的聲優小姐姐穿上名為「Perception Neuron」的慣性動作捕捉設備（由國內廠商諾亦騰提供）；然後，在經過幾個步驟的動作校準之後，愛醬就可以根據聲優小姐姐所做出的動作活靈活現地出現在屏幕上；最後，在Unity的環境中為已經完成動捕校準的「愛醬」建立虛擬攝像機，就可以從不同的角度觀察這個傳說中的「人工智障」啦！

而將這一圖像進行捕捉，或剪輯成視頻、或直接推流並開啟直播，就可以像往常一樣見到「愛醬」啦！

既然愛醬的聲音和動作都是靠背後的聲優小姐姐「表演」出來的，那麼，愛醬各種智障的表情又是如何製作出來的呢？

在KiLA的官方演示視頻中，我們發現，愛醬豐富的表情其實是官方提前為她準備的一大堆「表情包」，在聲優小姐姐進行配音並做出某些動作時，愛醬眼部的表情需要由另一位工作人員控制：

而愛醬的嘴型，則是根據語音識別技術自動進行匹配（目前該技術已十分成熟）。

所以說，我們所喜愛的人工智障愛醬，其實是由兩個人共同協作來完成的！這也解釋了為什麼愛醬在很多時候的表情都這麼「智障」了（感情根本就不是一個人）！

看到這裡，你還會認為愛醬是一種人工智慧嗎？

我將要完成的這一系列教程想要做的就是讓你能夠更快的搭上人工智慧的這趟車，為實現中華民族的偉大復興（這裡刪掉）為實現將來調教出來一個真正人工智慧愛醬而做好準備。

學習本系列寶典你需要掌握的前提條件

既然是速成寶典那麼我就假設你預先沒有任何人工智慧方面的知識，默認初始狀態為一個智障好啦。但是，搞學問畢竟是讀書人的事，那我希望你最好能夠滿足以下最基礎的條件：

• 掌握入門級代數知識。 你應該了解變數和係數、線性方程式、函數圖和直方圖（熟悉對數和導數等更高級的數學概念會有幫助，但不是必需條件）。
• 熟練掌握編程基礎知識，並且具有一些使用 Python 進行編碼的經驗。 人工智障速成寶典中的編程練習是通過 TensorFlow 並使用 Python 進行編碼的。你無需擁有使用 TensorFlow 的任何經驗，但應該能夠熟練閱讀和編寫包含基礎編程結構（例如，函數定義/調用、列表和字典、循環和條件表達式）的 Python 代碼。
• Pandas 使用入門。機器學習速成課程中的編程練習使用 Pandas 庫來操控數據集。如果您不熟悉 Pandas，最好先學習 Pandas。
• 低階 TensorFlow 基礎知識。能打出來「Hello World」就行。

好啦，想上車其實這麼多就夠了，是不是覺得so easy，媽媽再也不用擔心我的學習啦。下一節我將關於人工智慧專業一點的概念再介紹給大家，至此我們就算是正式開車了。以下是本系列寶典的附錄內容之所以貼在這裡就是讓朋友們對需要用到的知識有一個總體的把握，同時有看到不會的地方儘快補上來。最近比較忙只有晚上有時間做一點總結，希望能儘快寫出來第二篇。

主要概念和工具

人工智障速成寶典中介紹並應用了以下概念和工具。有關詳情，請參閱鏈接的資源。（可能需要自備梯子）

數學

代數

• 變數、係數和函數
• 線性方程式，例如 y=b+w1x1+w2x2
• 對數和對數方程式，例如 y=ln(1+ez)
• S 型函數

線性代數

• 張量和張量等級
• 矩陣乘法

三角學

• Tanh（作為激活函數進行講解，無需提前掌握相關知識）

統計信息

• 平均值、中間值、離群值和標準偏差
• 能夠讀懂直方圖

微積分（可選，適合高級主題）

• 導數概念（您不必真正計算導數）
• 梯度或斜率
• 偏導數（與梯度緊密相關）
• 鏈式法則（可讓您全面了解用於訓練神經網路的反向傳播演算法）

Python 編程

基礎 Python

中級 Python

第三方 Python 庫

人工智障速成寶典中代碼示例使用了第三方庫提供的以下功能。無需提前熟悉這些庫；您可以在需要時查詢相關內容。

Matplotlib（適合數據可視化）

• pyplot 模塊
• cm 模塊
• gridspec 模塊

Seaborn（適合熱圖）

• heatmap 函數

Pandas（適合數據處理）

• DataFrame 類

NumPy（適合低階數學運算）

• linspace 函數
• random 函數
• array 函數
• arange 函數

scikit-learn（適合評估指標）

• metrics 模塊

Bash 終端/雲端控制台

要在本地計算機上或雲端控制台中運行編程練習，您應該能熟練使用命令行：

• Bash 參考手冊
• Bash 快速參考表
• 了解 Shell

推薦閱讀：