哥伦比亚大学的研究人员利用受人脑启发的 AI 模型，开发出一种能流畅进行多语言对口型的机器人。该系统通过复杂的唇部动作，旨在让机器人与人类的交流更自然，避免“恐怖谷效应”带来的不适感。尽管这项技术在教育和老年护理领域前景广阔，但研究也强调，需要警惕机器人与人类建立的情感连接被滥用的潜在风险。
为什么流畅的口型至关重要
为了能与机器人进行有效沟通，它们必须学会更好地对口型。嘴唇的复杂动作是人类建立联系的关键，尤其是在嘈杂的环境中。
长期以来，研究人员一直难以制造出能够与音频巧妙同步的机器人嘴唇。
传统的机器人存在 机械限制，这限制了其唇部运动的范围和速度，并且常常出现 指令延迟。
一种受大脑启发的解决方案
哥伦比亚大学的团队利用了受人脑启发的 神经网络 AI 模型，让机器人能够做出与各种词语同步的平滑口部动作。
- 物理设计：机器人脸部覆盖着柔软的硅胶“皮肤”，并拥有 10 个自由度，可以实现各种复杂的唇部动作。
- AI 训练：研究团队首先让机器人进行各种唇部运动并录制下来，然后将 AI 生成的“理想”口型视频作为范本，对模型进行训练。
该系统最终能让机器人嘴唇形成与 24 个辅音和 16 个元音 相关的口型。
成果：跨越语言和“恐怖谷”
这项新技术让机器人与人类的互动更加逼真，有助于减轻人们在面对仿真机器人时可能产生的不适感。
“形成复杂唇形的能力……增强了更细致的语音同步，提供了更逼真的互动，从而减轻了‘恐怖谷效应’的某些风险。”
- 超越现有技术：与现有方法相比，该系统的口型与 AI 生成的“理想”视频最匹配。
- 支持多种语言：机器人能够令人信服地“说出”包括韩语、法语和阿拉伯语在内的 10 种不同语言。
- 表现形式多样：它甚至还能表演卡拉 OK。
未来应用与伦理警示
尽管还有改进空间，但这项技术已展现出巨大的应用潜力。研究人员认为，它未来可用于 教育领域 和 照顾有认知衰退的老年人，因为它有助于我们在“人的层面上”与机器人建立联系。
然而，研究者也提出了严肃的警告。
与机器人增强的情感联系可能“被利用来获取毫无戒心用户的信任，尤其是儿童和老人”，设计者必须采取措施防范这些风险。
尽管目前的机器人还远非完美自然，但这无疑是朝着跨越“恐怖谷”、创造能与人类建立情感联系的机器迈出的重要一步。