第1195章 王国的新画师，雪浪纸横空出世

    会议室的门被推开，各部门高管带着兴奋的劲头陆续离开。
    顾屿站在原地整理了一下桌上的资料。
    他抬起头看向还未起身的林溪和任少卿。
    “你们两个先别走，来我办公室一趟。”
    林溪和任少卿跟着顾屿来到顶层的董事长办公室。
    办公室的装修十分简洁，没有多余的陈设。
    林溪轻车熟路地走到茶水台前，拿了两个杯子倒热水。
    任少卿抱着那台测试用的平板电脑坐在沙发上，眼睛还在盯着屏幕上的代码输出。
    “天问三号这一波收敛确实做得漂亮。”
    顾屿在单人沙发上坐下，端起林溪递过来的水杯喝了一口。
    “不过你们不能松懈，这只是个基础大纲。”
    任少卿抬起头，推了一下鼻梁上的黑框眼镜。
    “顾董，你是不是又有什么新想法了？”
    “现在的逻辑推演能力已经达到了我们预期的上限。”
    “继续加大算力去跑，边际效益在递减。”
    “我们需要新的训练方向。”
    顾屿放下水杯，双手交叉放在膝盖上。
    “下一步计划，必须加强多模态能力。”
    “现在的AI，能听懂语音，能输出语音，这也算多模态的起步。”
    “图片识别勉强也能做到，给它一张猫的图片，它能认出是猫。”
    “但是这远远不够。”
    林溪在旁边坐下，手里拿着记录本。
    “那还要认什么？”
    “认视频。”顾屿看着任少卿。
    任少卿眼角跳动了一下。
    他的脸色变得有些严肃。
    “视频识别？”
    “顾董，这工作量有点大啊。”
    “视频本质上是连续的图像帧序列。”
    “光是处理单张图片就非常消耗算力，加上时间维度，数据量是几何倍数的增长。”
    “而且还需要模型理解动作的时序逻辑。”
    “难也得干。”顾屿语气平稳。
    “天问三号要成为全能型AI，就不能是个瞎子。”
    “你们回去之后，把这个任务拆解一下。”
    任少卿没有推辞，拿笔在笔记本上记了下来。
    “行，这事交给我，我回去拉个小组专门攻坚视频多模态。”
    顾屿看着任少卿记完，又抛出了第二个重磅炸弹。
    “除了视频识别，接下来你和楼天城还得再分出一个人来。”
    “单独去搞一个全新的分支项目。”
    “什么项目？”任少卿停下笔。
    “文生图。”顾屿吐出三个字。
    任少卿有些意外。
    “文生图？”
    “用自然语言直接生成图像？”
    顾屿点了点头。
    “没错。我们手里现在已经掌握了庞大的文字语料。”
    “接下来要把文字和图像的对齐数据管道建起来。”
    “这是一个极具商业潜力的赛道。”
    林溪在旁边听到这里，眼睛亮了一下。
    “如果真能做到输入文字就生成高质量图片。正好呼应了刚才老钱在会上说的痛点。”
    “那我们海量引擎那边的广告素材生成，就直接从文字升级到视觉层面了，这能省下多少美工和设计费啊。”
    “思路是对的。”顾屿看着任少卿。
    “你脑子里现在有没有什么研发方向？”
    任少卿思考了片刻，习惯性地扶了一下眼镜。
    “学术界现在确实在研究这个方向。”
    “目前的主流是GAN。”
    “也就是生成对抗网络。”
    顾屿安静地听着，没有插话。
    任少卿继续讲解他的构想。
    “GAN的工作机制很有意思，里面有两个神经网络。”
    “一个是生成器，负责制造假的图片数据。”
    “另一个是判别器，负责检验这些图片是不是真的。”
    “这两个网络互相博弈，生成器拼命想骗过判别器，判别器拼命想识破生成器。”
    “通过这种左右互搏的方式，最后能生成非常逼真的图片。”
    任少卿说得有些兴奋。
    “目前圈子里所有的顶会论文，基本都在讨论GAN的改进方案。”
    “如果我们要搞文生图，这也是最稳妥、见效最快的路线。”
    “不行。”顾屿毫不犹豫地开口。
    这两个字把任少卿准备好的长篇大论直接堵了回去。
    任少卿有些发愣，呆呆地看着顾屿。
    “顾董，为什么不行？”
    “GAN目前是公认的最优解，连谷歌都在大力投入这个方向。”
    顾屿看着任少卿有些不解的神情。
    他心里非常清楚，任少卿给出的方案完全符合这个年代的技术认知。
    二零一六年，全球AI圈都在为了生成对抗网络而狂热。
    所有人都在往这条路上砸钱砸人。
    但是这其实是一条走不通的弯路。
    顾屿脑海中回忆起前世的发展轨迹。
    硅谷那几家巨头在GAN这条路上一条道走到黑。
    结果发现生成的图片确实越来越好看，但是却始终无法解决一个致命死穴。
    不可控。
    前世的经验告诉他，技术方向的把控是决定生死存亡的。
    如果在路线选择上走错一步，不仅会浪费掉几亿十几亿的研发资金。
    更会错失好几年的宝贵时间。
    时间在技术迭代的大战中，比金钱更珍贵。
    顾屿看着任少卿，开始拆解这个技术盲点。
    “你刚才说生成对抗网络是两个网络互相博弈。”
    “问题就出在这个博弈机制上。”
    “它太过于追求逼真度，导致随机性太强。”
    “你要是在对话框里输入一只戴帽子的猫。”
    “它不知道自己画的到底是什么。”
    “它可能会给你生成一只猫，一顶帽子，再加一把椅子。”
    “我们要的不是随机生成好看的废图。”
    “我们要的是让文字去牢牢管住画面，而不是让画面自由发挥。”
    “差别在于控制这两个字。”
    任少卿陷入了沉默。
    他仔细咀嚼着顾屿的话，发现确实指出了这套理论在落地应用时的痛点。
    “那如果不用生成对抗网络，我们用什么？”任少卿反问。
    顾屿在脑海中整理了一下语言。
    “往能引导文字语义的方向去找。”
    “我给你们提供一个思路。”
    “你拿一张清晰的图片，往里面不断地添加噪点数据。”
    “一步一步加，直到这张图片完全变成一张全是雪花点的废图。”
    任少卿拿着笔，一边听一边在纸上画着圈。
    “正向破坏数据结构。”
    “对。”顾屿接着说。
    “然后，我们去训练一个神经网络，让它学会逆向做这件事。”
    “从那一堆纯雪花点开始，一步一步把这些噪点擦掉。”
    “把画面重新还原出来。”
    “在这个擦除噪点的过程中，我们把文字的语义信息融合进去。”
    “用文字来引导噪点的擦除方向。”
    办公室里安静得只剩下空调出风口的声音。
    林溪虽然听不太懂具体的技术细节，但她能看懂任少卿的表情。
    任少卿现在的表情非常专注，笔尖在笔记本上划出深深的印记。
    “通过加噪和去噪的过程，来学习数据分布。”
    任少卿嘴里念念有词。
    他脑子里闪过一些零碎的记忆片段。
    “顾董，你说的这个理论框架，我好像在哪里看到过。”
    任少卿努力回忆着。
    “去年斯坦福那边好像发过一篇论文，提过类似的概念。”
    “叫作扩散模型。”
    “不过那篇论文因为训练步骤太多，速度太慢，在圈子里非常冷门。”
    “根本没人去关注。”
    “别只盯着最热的论文看。”顾屿靠在椅背上。
    “真正值钱的东西，常常躺在没人翻的角落里。”
    “扩散模型虽然目前看起来生成速度慢。”
    “但是它能保持高度的稳定性和可控性。”
    “只要算力足够强大，速度问题迟早能用工程优化的方式解决。”
    顾屿直起身子，双手交叉。
    “我就押注这个扩散模型。”
    “先把图文对齐的数据管道建起来。”
    “算法可以在后面慢慢追，数据管道的搭建是一天都不能晚的。”
    任少卿彻底被顾屿的逻辑折服了。
    他将笔记本合上，眼神里透出一种找到新方向的狂热。
    “明白了，顾董。”
    “我回去就和楼天城商量，抽出精干力量组建专门的团队。”
    “全力研发扩散模型这个路线。”
    “很好。”顾屿满意地点了点头。
    顾屿收敛了笑意，目光变得深邃：
    “少卿，这个项目保密级别定为绝密。参与研发的人员必须重签最高级别的竞业协议。”
    “另外，对外放个烟雾弹，用一部分非核心算力跑一跑GAN的模型，发两篇注水的论文出去，让硅谷那帮巨头以为我们在跟风，懂了吗？”
    任少卿心头一凛，重重点头：“明白，明修栈道，暗度陈仓。”
    林溪在旁边合上记录本，看着顾屿。
    “顾董，既然是个独立的新分支项目。”
    “是不是得给它起个代号？”
    “咱们内部保密流程走起来也方便。”
    “是得起个名字。”任少卿附和道。
    “天问三号这个名字就很大气。”
    “这个画图的项目叫什么好呢？神笔马良？”
    顾屿摆了摆手。
    “这个名字太直白了，缺乏点想象力。”
    顾屿在脑海里搜索着合适的词汇。
    结合刚才讨论的从雪花噪点中还原出画面的技术逻辑。
    在三体里云天明的《王国的新画师》中，有一种用雪浪树干制成的神奇画纸。
    童话里的针眼画师曾说，他的画只有画在雪浪纸上才有魔力。
    这种纸张能够把三维世界里活生生的人或物直接画进画里，让被画者从现实中彻底消失，变成一张死去的画，这其实是对二向箔降维打击的童话隐喻。
    顾屿觉得，用一段文字指令去控制无序的噪点，将其坍缩降维成一幅二维图像，与这个科幻意象有着绝妙的契合感。
    顾屿看着眼前两人，笑了一下。
    “既然是从雪花噪点里变出画面。”
    “那就叫雪浪纸吧。”