一. 背景

即使人们强调思维与肉体是两大构成个体的先决条件，但科学界始终没有放弃探索摆脱肉体的介质，从而让思维上载的研究。

这就是数字生命计划的初衷。所谓数字生命，就是将人类的意识思维抽离，上传至云端或智能终端，从而实现"永生"。当然这其中一定会牵扯到复杂的伦理与道德问题，但就目前技术层面而言，距离实现数字形式的生命还有很长的路要走。

本文将着重探讨数字生命技术的最新进展，详细分析由NTU、商汤科技、上海AI实验室共同推出的项目—— "Digital Life Project: Autonomous 3D Characters with Social Intelligence"。这或许也是被大众所知的数字生命计划的最前沿的研究。

二. 技术

该项目提出了一个利用语言作为通用媒介来构建自主3D角色的框架，这些角色能够进行社会互动并配合适当的动作表达，同时基于自身的性格与外在的环境，自主的发展对话与行为。整体来看，该项目实现了一定程度的社会智能。

1. 框架核心模块

• SocioMind：一个精心设计的基于严格心理学原则的数字大脑，能够模拟角色的个性和自主性，从而实现思考与判断的过程。该模块的底层是语言大模型（LLM），同时使用了少量的系统化的心理测试样本来指导人格建模。
• MoMat-ModelGen：一套用于控制3D角色的数字身体，其本质是一个文本驱动的动作合成系统。基于动作匹配与动作生成技术，让角色做出与情景更相关的肢体动作。

2. SocioMind：人格、记忆、自主生成

数字生命之所以能被称为生命，其中一个重要因素就是它拥有类人的思维模式。人类能够在世界的历史长河中留下足迹，是因为能够思考并不断总结经验不断进化，同时每个人又都是独立的个体，拥有不同的性格差异。

数字生命的构建也基于此，SocioMind为角色注入灵魂。它赋予了角色人格，使得他们能够自主地发起对话参与其中，并规划接下来的故事发展，这些故事的进展不仅依托于角色的性格、当时所处的背景，还有他们对历史事件的反思。尽管LLM能够模拟单一时间点上可信的类人反应，但生命不应局限于此，还要确保长期的一致性，也就是人们常说的经验。基于此，SocioMind又赋予了角色记忆，使得他们会对历史事件进行检索，模拟记忆流，同时结合了社会心理学理论，进行更高层次的思想层面的反思，从而归纳总结出新的结论。

SocioMind创新的地方在于给予了角色自主性。

3. SocioMind各模块实现细节

（1）心理状态。从心理学角度来看，人类由内部的心理过程和外部的行为动作构成，判定3D角色是否自主的一个重要因素就是是否具有各种心理活动状态。

• 性格方面，使用了大五人格理论（Big Five Trait），包括五个维度，分别是开放性、尽责性、外向性、亲和性和神经质。通过李克特量表或文本描述，来为角色提供性格预设。
• 情绪方面，使用了PAD模型，包括三个维度，分别是愉悦度、激活度、优势度。
• 动机方面，分为长期动机和短期动机两方面，长期动机被预设。
• 自我方面，强调中心信仰，反映个人世界观。
• 社会关系方面，引入了三个维度，分别是信任、亲密关系和支持性。通过李克特量表表示程度，同时用文本描述表示对他人的态度。

一个角色心理状态的示例：

通过给LLM提供全局预设，实现数值到文本的转换：

（2）角色说明。为了提高LLM的内部心理过程和外部行为关联一致性的推理能力，设计了一个逆向工程去构建角色说明数据库，其目的是为了产生与人类预期一致的合理行为。

（3）事件和思想。事件代表主体所感知到的事实，思想则是主体根据其个性和过去的经历而产生的想法或思考。随着时间的推移，记忆系统会逐渐增大，会影响检索事件和思想的效率。因此提出记忆强化和遗忘机制来缓解这类问题。

（4）短期交流的生成。在短期交流中生成交互行为，向LLM提供预设。

（5）心理反射。提出了一个层次反思系统，根据每个场景后的总结，不断更新预设。即模拟大脑根据当前事件和相关的过去事件，产生新想法。

（6）计划与主题建议机制。为构建外部行为的长期演变，促进故事线的发展。

4.MoMat-MoGen：动作匹配、动作生成

仅有意识还不够，配合意识同步产生的动作也至关重要。目前学界针对双人交互动作的研究仍不成熟，涉及到双人空间对其、肢体接触、时序同步等难题。因此，该项目结合了动作匹配与动作生成两种技术，以产生多样化和精确的双人动作。

在数字大脑的驱动下，根据角色当前的姿态和目标轨迹，MoMat会从动作数据库中检索高质量的运动片段并选择最为匹配的片段，确保角色动作的自然性和准确性。同时基于MoMat，MoGen会根据文本输入去创建新的动作，生成更为多样化的运动来保持角色间的互动关系。并且根据角色间关系的不同，肢体动作也会有差异。

MoMat-MoGen让角色能够根据自我意识运动并产生交互。

5.MoMat-MoGen各模块实现细节

（1）主动被动机制。人类的互动中存在一种内在秩序，即主动方和被动方以及二者的切换。

（2）运动同步。为适应场景切换时存在的运动长度的潜在不匹配问题，交互式运动合成需要四个步骤来"对齐"。

Behave —— Move —— Align —— Synthesize

（3）重定向。使用Auto-Rig Pro重定向工具将合成的运动重新定位到目标角色，以更好地展示在沉浸式模拟场景中双方的交互行为。

（4）运动匹配。包含两个步骤，首先是利用预训练的LLM提取查询文本，其次结合运动学特征增强查询轨迹的一致性和对齐性。

（5）运动生成。设计了双路径语义调制注意模块（DSMA）来模拟两个个体之间的交互作用，从而解决由数据驱动下动作生成的物理引擎限制。

（6）运动字幕。该模块用来实现动作到文本的翻译，类似于运动编码器，但采用了多模态数据集成放大了运动特征提取。

 三. 展望

数字生命计划提出了一个创新型的框架，利用最新的生成模型技术来创建自主3D角色。

其中最令人感到振奋的是角色的自主性。尽管是在预设的场景中，但角色间的交互是自发动态衍生的，而非拘泥于设置的固定脚本。虽然仍然存在各式的资源限制、数据依赖等问题，但这似乎就是智能生命体发展的起点，让我们逐渐看到了未来数字生命体的轮廓。

碳基生命到硅基生命的演化将是最具想象力也最具挑战性的事件，但人类从未停止探索。或许在未来的某天，我们能够将意识上载到云端从而摆脱肉体，从而实现向硅基生命的过渡，也或许是人工智能在某个奇点后涌现出了自我意识，从而进化成硅基生命。无论是哪种形式，我们目前仍然都处在边缘地带，领域的深处有无数的未知等待发掘，但终究只是时间问题，现在我们已经逐渐完成了由0向1的过渡，之后便是1后面的0能有多少了。

《西部世界》距离我们也许不再遥远，