對話行者AI CEO尹學淵：希望把工具做得更加簡單易用，讓大家可以一鍵上手

在經過生成式AI的“教育”之后，不少人開始感嘆AI的無所不能。與此同時，行業內的人士卻也發現，經過大模型訓練而“涌現”的AI雖有驚艷之處，但落地到具體的應用場景，總有點“缺了什么”的感覺。

這對成都潛在人工智能科技有限公司（以下簡稱“行者AI”）來說并不是一個陌生的問題。自從2016年成立團隊以來，行者AI就在關注如何利用AI為游戲從業者實現降本增效。

“我們希望成為一個幫助游戲乃至文娛公司降本增效的平臺，我們希望把工具做得更加簡單易用，讓大家可以一鍵上手?！毙姓逜I CEO尹學淵說道。

行者AI CEO尹學淵 圖片來源：左夢涵 攝

采訪當天，行者AI CEO尹學淵身著帶有行者AI標志的Polo衫，打扮十分干練。技術出身的他語速極快，在回答問題時往往采用拆分成幾個方面或層次的方式來回答。

這種問題導向的思維同樣也貫穿在行者AI的產品當中，在他看來，如何落地“最后一公里”是當務之急，“大模型結合領域專家的垂直模型可能更有市場空間或者應用場景?！?/p>

隨著對產業鏈環節的逐步“拆解”，目前，行者AI已推出包括AI美術、AI音樂、AI虛擬玩家、AI安全等在內的產品及解決方案。

尹學淵告訴《每日經濟新聞》記者（以下簡稱“NBD”），朝著這個方向，行者AI正在不斷優化產品，以期能夠讓游戲行業乃至內容創作的從業者能夠盡量節省生產的時間，以把更多精力放在創意本身，正如其愿景所言：聚焦于1%的創意，釋放99%的密集型勞動。

打造一整套生產力工具

NBD：在今年大模型的熱潮下，不少觀察都指向其“降本增效”的想象空間。無獨有偶，行者AI的團隊在2016年成立之初，想要解決的主要就是游戲開發中的“高成本、低成功率”問題？

尹學淵：游戲本身來講是一個非常復雜的系統工程，其中有各種各樣的環節。所有環節累加在一起導致了一個問題，那就是游戲的開發成本非常高，但是另一方面，它的成功率又低。實際上，不僅僅是游戲，整個內容行業的成功率可能都是比較低的。

高成本、低成功率意味著想掙錢還是挺難的。所以我們當時立項，就是希望降低游戲開發制作以及運營的成本，途徑就是利用人工智能，因為它本身是一個降本增效的工具。

舉個例子，單獨來看，可能每款產品只有3%的成功率，但是如果用同樣的錢，成本降低的情況下，可以去做10款。我們天馬行空地想一想，如果能把成本降到1%，就可以做100款。換句話說，容錯率在不斷提高，游戲公司的產品也更容易“跑”出來。

NBD：2016年人工智能的“明星”當屬AlphaGo，其采用的深度強化學習算法也走紅一時。在當時的人工智能熱潮以及技術條件的背景下，行者AI主要推出了什么產品？相應解決了哪些“痛點”？結果是否又超出預期？

尹學淵：我們最早做的是虛擬玩家，也就是機器人陪玩，和AlphaGo類似，這種算法的底層邏輯是深度強化學習。推出之后，立竿見影地解決了玩家在匹配乃至用戶留存方面的問題。

在競技游戲當中，機器人陪玩是一個重要的話題。競技游戲作為一種強對抗屬性的游戲類型，玩家在雙方實力相當的時候其實是最舒服的，棋逢對手才最好玩，一方太強或是太弱都會讓玩家感覺到沒意思。在這種情況下，AI可以起到的作用是扮演對手或是隊友，綜合給到一種很好的體驗效果——要么是“險勝”，要么是“惜敗”。

深度強化學習的原理非常適合這個場景，它可以真正教會AI玩游戲，相比以前用行為樹來控制機器人時的打法單一、可預測，基于深度學習的AI機器人可以達到媲美人類的水平，也有更多的發揮空間。

另一方面我們也開始嘗試AI美術，不過還是受限于當時的算法，對抗生成網絡（GAN），以及算力。我們發現，GAN能畫的東西不多。直到近年流行開來的擴散（Diffusion）算法之后，AI美術的能力才得到了極大提升。

所以說，當時的結果并沒有超出預期，雖說AlphaGo的推出給市場帶來很多啟發，但從設想到落地我們還是花了挺多的時間。

AI原畫創作圖片來源：受訪者提供

NBD：在上述提到的算法、算力迭代的大背景下，行者AI目前已有AI虛擬玩家，AI2D、3D圖像資產生產， AI音樂音效生產，AI內容安全的產品矩陣，打造這樣一個矩陣的考慮是什么？主要解決的又是游戲行業內的哪些具體問題？

尹學淵：近5年以來，整個行業提了很多類似“游戲工業化”的概念。什么叫工業化？這是一個相對的概念，打個比方，以前可能更像手工勞作。而建立一個標準化的工業流程，像福特生產汽車一樣來生產游戲，它的成本才能降低，成功率才能提升。

既然是工業化，就需要各個環節都能降本增效。游戲研發流程本身非常復雜，將其逐個拆分，不同的環節都會有不同的占比，比如美術的成本一般可能占到游戲的40-50%左右。我們的策略是讓各個環節都能實現降本增效——不是單點地去做某一方面的工具，而是打造一整套生產力工具。

AI音樂制作圖片來源：受訪者提供

把算法以及大模型應用到場景中

NBD：在“爆紅”幾個月后，ChatGPT的流量在今年6月出現了環比下降，一些觀點聚焦在了通用大模型如何落地的問題。對此，行者AI如何看待？又會采取何種應對措施？

尹學淵：我們現在比較關注一個點，就是大家怎么在“最后一公里”去落地。在我看來，目前的AI與上一代的AI相比，確實有很多不同之處，特別是在“涌現”之后展現出的邏輯推理能力。

然而，你會明顯地感覺到它還是不能滿足人們的需求。大模型看起來似乎無所不能，但是一旦仔細去用，好像又什么都做不了，它就是差那么一點點。打個比方，大模型可能更像一個教育好的高中生，有一定的邏輯推理能力、語言表達能力等。但是如果一個高中生直接走上職場，會不會覺得怎么都弱了一些？所以應該到大學里面選擇學習一個專業，有了專業的知識才能服務好具體行業。

“最后一公里”實際是我們從業者要去解決的問題。在未來，大模型結合領域專家的垂直模型可能更有市場空間或者應用場景。因此，我們采取的策略更多是把算法以及大模型應用到場景中，要能為行業服務。

NBD：AI技術不斷創新，市場競爭也很激烈。以AI繪畫為例，從去年開始，以Stable Diffusion、Midjourney等為代表的AI繪圖軟件已在業界掀起熱議，其能力迭代之快引人側目。這對于行者AI有何影響？準備如何應對？

尹學淵：像Stable Diffusion，幾乎每周都有新版本、新插件。在此背景下，發表的論文也好，開源社區的新動向也好，算法、底層模型、插件的迭代也好，第一時間我們都會去跟蹤。

實際上，包括這些軟件在內的快速迭代對我們來說還是一個助力。它們可能迭代得非?？?，甚至每天都有新東西出來，但是你會發現大家去用它們解決實際問題時，還是會有各種各樣的地方處理得不好。

這背后需要結合“Know-How”，（設計）一套自己的工作流，是開源社區無法幫助完成的。比如開源的Linux，并不是誰拿它都能做一個好用的操作系統。AI開源工具也一樣，需要結合領域內的知識，知道大家在行業里要什么，在此基礎上進行迭代和更新，才可能做出好用的產品。

AI美術模型訓練 圖片來源：受訪者提供

NBD：具體來看，行者AI推出的AI繪圖軟件是如何結合“Know-How”的？

尹學淵：目前，行者AI的AI繪圖軟件主要有兩個版本，一是行者AI美術專業版，二是上手門檻更低的圖刷刷。背后其實就是三個詞——高可控、一致性、高精度。

先說高可控，既然是生產力工具，那就不能是個玩具。要畫一個紅衣服的女孩子，她就一定是紅衣服，要一個跳起來的姿勢她就需要跳起來，要一個中國風她就必須要是中國風。而且力度控制要做得很細，而不是出現無數個提示詞，最后依然沒有達到要求。

其次，保證有一致性。目前的AI繪圖軟件已經能把一幅畫畫得很漂亮，但是在實際的應用場景中，畫風要保持一致，里面出現的角色也應該是連續的。否則畫得再漂亮，也無法具體運用。最后就是高精度，出的圖片一定是真正（在精度上）能用得上的。

我們在這個工具里面會做一些工作流。比如批量出圖，因為只有能批量出圖，才可能進入到生產環節。畢竟AI做的東西在目前還不是百分之百地可用，所以我們會用出圖率來衡量，一批圖里能選出的越多，就越能節省生產力。

AI美術3D減面 圖片來源：受訪者提供

AI是助手不是對手

NBD：目前看來，加強人工智能的監管已經成為共識，有關生成式AI的話題也不乏爭議。在這其中，版權和質量問題的討論尤甚。一種典型的質疑聲音認為，生成式AI的作品不僅容易侵權，產出的質量也“一言難盡”。行者AI如何避免上述提到的問題？

尹學淵：有關版權的問題剛好問在我們行者AI產品設計的理念上面，第一個叫做“可用”，第二個叫“好用”，第三個點其實叫做“敢用”?？煽?、一致性、高精度保證“可用”；降低操作門檻、一鍵快捷功能、增加出圖率和批量出圖讓產品“好用”；這個問題正好是“敢用”。

敢用又分為兩個層次，第一個是知識產權，第二個是合規性。

先說知識產權，目前的大模型，更多可以理解為它消耗了全世界的素材，但是為了做到高可控、一致性、高精度，特別是一致性，才能保證可用，那就需要訓練自己的畫風。我們的工具有訓練模型的功能——“一鍵煉丹”，現在服務的客戶幾乎都會用自己的素材投喂AI，在訓練畫風的同時也在避免侵權：用戶使用自己的素材，訓練自己的模型，這個模型只提供給自己使用。

行者AI獲“2023AIGC應用創新TOP50”榮譽 圖片來源：左夢涵 攝

在合規性上，當出現與常見的道德觀、法律法規以及不同國家地區民俗相違背的內容時，AI能發揮很大的作用，這也是為什么行者AI會有一條AI安全的產品線。

至于產出質量的問題，確實，如果只拿AI來做，有些地方就是有瑕疵，多多少少可能現在還沒有達到我們腦海中對AI的期待，好像一提自動駕駛就一定得是 L5級別。其實，今天大多數廠商還在L2到L3的過程中，這仍然是有價值的。

你一定要去把它變成工具，進行AI跟人之間的反復交互與創作。在AI的幫助下，雖然（一個作品）并不是一秒鐘就做出來了，但可能兩周的工作量實際上花三天就完成了，這樣難道不好嗎？我們看待AI，一定要把它當成助手，而不是對手。

NBD：游戲行業一個典型的現象是，游戲廠商紛紛提出“精品化”的口號。在此情況下，AI帶來的降本增效能夠解決什么問題？我們注意到，除了游戲行業，行者AI也在進行一些探索，比如打造AI音樂教室，這背后的考慮是？

尹學淵：在存量市場，誰具有成本的優勢，誰就更容易做出好東西。在保證游戲品質不變的情況下，很多游戲公司都希望以更低的成本把游戲做出來。AI作為降本增效的工具，其落地是一個特別好的趨勢。

其次，我們能不能去擴展游戲的外延？不僅靠游戲休閑娛樂，我們還能給它賦予一些像教育、醫療、陪伴的應用場景。我覺得在未來這是一個很大的趨勢，我們也在探索。

比如AI音樂教室就是去啟發小朋友們的創造力。在以前，自己要創作一首歌是一件很難的事情，這里面包括旋律，還有不同的樂器。在小朋友的知識還沒有那么完整的時候，AI的出現恰好可以彌補這一部分的知識，比如告訴它“今天你很開心，來一段開心的旋律”之類的。

此外，AI醫療的場景我們也在探索?，F在我們跟全國某知名醫院有一個合作項目，做老年人的游戲，讓老年人的腦部活躍起來以預防老年癡呆。游戲里我們會設計一些記憶、語言表達、邏輯推理的點，來刺激他們大腦中的不同區域。

成都石室天府中學附屬小學一體化教室 圖片來源：受訪者提供

NBD：回看行者AI的發展歷程，團隊成立的2016年剛好遇上AlphaGo的熱潮，今年又站在以ChatGPT為代表的生成式AI的浪潮之中。其實，人工智能在期間也經歷了爆紅-遇冷-再爆紅的過程。行業起起伏伏，行者AI的方法論是什么？如今又在風口，有何愿景？

尹學淵：我最大的觀點或者體會是——風口都不是追來的，而一定是等來的。當你堅信一件事情一定會發生的時候，你就應該去好好地沉淀自己。

去年年底推出的ChatGPT用上了基于人類反饋的強化學習，也就是RLHF（Reinforcement from Human Feedback），加了這個東西它才像人。當Transformer模型和RLHF結合的時候，就會產生新的一個化學反應，在我們看來，人工智能今天的成果，也是一直在迭代，并不是說突然一下就“起飛”了。

新聞每天都在說AI工具的事情，實際上能夠每天把AI工具完全融入到生產流程的公司或是開發者還是很少，最大的問題還是門檻太高了。

行者AI希望成為一個幫助游戲乃至文娛公司降本增效的平臺，我們希望把工具做得更加簡單易用，讓大家可以一鍵上手。以后大家只要有一個idea，你就可以創作，而且這種內容不僅僅是游戲。

本文作者系天府文創云記者石普寧，轉載合作相關可搜索“天府文創云”公眾號。

關鍵詞：