Gavin Miller：Adobe Research
Gavin Miller: Adobe Research
Guests: Gavin Miller
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01原文文稿 · 00:00–1:08:54§01原文文稿 · 00:00–1:08:54
下面是与 Gavin Miller 的对话。他是 Adobe Research 的负责人。三十多年来，Adobe 一直通过 Photoshop、Illustrator、Premiere、After Effects、InDesign、Audition 等软件，为从事数字媒介工作的艺术家、设计师和各行各业的创意人士提供支持；这些软件处理图像、视频和音频。Adobe Research 正在努力定义这些产品未来的发展方向，让创作者的生活更轻松，自动化繁琐任务，把越来越多的时间留给构思，而不是处理像素。过去十年最前沿的深度学习方法，在这里或许比任何其他应用领域都更能发挥作用。Gavin 是将技术与创造力结合起来的
典范。在 Adobe Research 之外，他还写诗、造机器人。这两件事也都让我感到亲切。这期对话属于人工智能播客。如果你喜欢，欢迎在 YouTube 上订阅，也可以在 iTunes 上收听，或者通过 Twitter 联系我，我的账号是 @lexfridman，拼写为 F-R-I-D。现在，请听我与 Gavin Miller 的对话。你是 Adobe Research 的负责人，带领着许多创新工作，涉及图像、视频、音频和语言等 AI 应用；但你自己也是一位艺术家、诗人，
作家，甚至还是一名机器人爱好者。所以，虽然我答应听众，不会把我们相处的全部时间都用来朗读你那些我很喜欢的诗，但至少还是得穿插一些。其中有些诗相当深刻、意味深长，也有些轻松而滑稽。先从几句滑稽的开始吧。你写过一首仿作诗，巧妙地戏仿了一首饮食相关的诗和 Frank Sinatra 的歌曲。它开头是：甜点即将登场，是时候结算最后的总账；我努力减肥了一整年，但我的饮食计划全都只是道听途说。那么，你对诗歌的热爱从何而来？如果我们剖析 Gavin Miller 的头脑，这一切在更大的拼图中是如何契合
起来的？有意思的是，你选的正是那一首。那是我去看医生时写的诗；医生对我说，你真的需要减重、开始节食。理性的一部分想照做，但非理性的那一部分却在抗议，于是我反其道而行之。我对此毫不后悔。对，确实是把事情推到了极端。我当然觉得这样很有趣，不过对有些人来说，这是个严肃的话题。但我想，对我而言，从高中起我就一直对写作感兴趣，同时也喜欢技术和发明。有时候，
你生命中并行发展的两条线——一条更多关乎私人生活，另一条关乎技术事业——会在途中遇到一些快乐的时刻，偶尔彼此触碰，一个想法启发另一个想法，我们之后可以继续谈。你觉得写作和艺术、诗歌，会间接或直接地影响你在 Adobe 的研究和工作吗？有时会。比如我以科幻的方式想象某个未来，一旦它在纸面上存在，我就会想：那我为什么不把它造出来呢？有一个例子是，真实感语音合成刚开始在 20 世纪 90 年代于 Apple 出现时，我在那里做研究；那项工作是我的一位朋友完成的。我坐下来写了一首诗，每一行都输入语音合成器，听它的效果，再为那个声音写诗。当时，智能体还不够成熟，它们会随机添加语调，所以我就根据声音的语气来创作诗。听起来有点悲伤、消沉。
我假装那是一首由智能体写的诗：它一方面告诉用户回家、别来打扰自己，另一方面又很孤独，希望有人陪伴，也想从用户说的话中学习。当时，AI 还远远做不到这些。但从那以后，这些事情逐渐
变得有可能了。与此同时，我在家里做过一个类似智能家居的项目。大概是 1993 或 1994 年，我让一个会说话的声音在我进门时提醒我要做哪些事。我还是单身，有时会把衣服留在洗衣机里三天，最后都发霉了。于是我在早上起床时，需要提醒自己别忘了洗衣服之类的事情。我还做过一些摄影相册，利用光线传感器判断你正在看哪一页，再通过无线电把信息传给一个智能体，由它播放与书中画面相匹配的声音。我当时着迷于一种魔幻现实主义般的想法：技术是否也能做到这一点。那是一个例子：智能体从文学角度吸引了我，并逐渐拥有了人格。最近我还写过戏剧；写戏剧时，你要写对白，当然也要写一组沿着线性叙事展开的固定台词。
但设计现代智能体的人格或对话能力时，你会在脑中想象对话，然后思考：要实现它需要什么？关键不只是让它说出话，而是让它真正知道自己在谈什么。AI 很容易落入“恐怖谷”：它说了一些自己并不理解的东西，但听起来又很像那么回事。你很快会意识到，它其实只是刺激—反应，并没有关于所描述事物的现实世界知识。到了这一步，它需要用多种方式谈论同一个概念，听起来才足够全面；它需要用多种方式谈论同一个概念，听起来才像是真的理解了。至于“真正理解”究竟意味着什么，那就见仁见智了，对吧？
但如果它只有一种提及某件事的方式，就会让人觉得是在播放预设回答。反过来，如果它能够推理，或者从多个角度切入，并给出人们会认可的相近回答，人们就会更觉得其中存在某种类似感知的东西。对于同一件事，它可以从不同视角说出多个方面。我看过你们在自动图像描述方面的工作，其中似乎就包含生成不同表达的能力。是的，我的团队有很多工作是在不同媒介之间转换：比如自动给图像打标签，或者为图像中的内容编写完整句子，
然后改变这句话，再寻找与新句子匹配的另一张图像，反过来也一样。在 GAN 盛行的今天，你可以给它一段描述，它就合成一个符合描述的素材。我的职业经历也经历了一段旅程：早期我从事三维计算机图形学，在电影特效尚未普及之前参与三维图形的先驱性工作，并经历了那场革命。那很像文艺复兴时期，人们在研究模型、光线、色彩、形状以及一切相关事物。如今我们进入了另一种阶段，更加印象派：一个事物的概念本身就可以直接用来生成图像，这正是使用 AI 算法进行计算机图像生成的新前沿。
所以，创作过程是不是更多地处在想法的空间里，或者说正从原始像素转向想法的空间？这很有意思，取决于具体情况。我认为，Adobe 真正想覆盖整个范围：一端是非常出色的低层工具——这里的“低层”是指尽可能接近模拟工作流。我们会制作非常逼真的油画和水彩模拟系统；如果你希望每根刷毛都像在现实世界中那样运动，笔触留下美丽的模拟水迹并在之后流动，那么你可以做到。这对想创作真正有表现力或
真正新颖作品的人很重要，因为他们拥有完全的控制力。与此同时，某些任务可以自动化，让艺术家把精力放在灵感上，而不是辛苦劳作上。比如完成设计之后，还要针对手机、网站等各种不同的宽高比制作版本。
这过去会占用艺术家大量时间，如今对很多人仍然如此。我们把它称为“内容生产速度”。AI 的一个目标，就是从第一个示例推断其他格式可能的意图：比如把语言改成德语后，词语变长了，如何重新排版，才能让整体仍然美观。这样，创作者就能把注意力集中在中间真正有创造性的部分：外观、风格、感觉、信息、故事以及人的要素。我认为，创造力正在改变。这是我们试图让创作更容易、更快、更便宜的一种方式，
让创作因此变得更多；由于成本降低，需求也会增加。从学校网站到好莱坞电影，每个人都希望一切都拥有漂亮的作品。另一方面，随着这些任务出现自动化版本，人们可能会从亲手操作的艺术家转变为艺术指导或概念艺术家；计算机会成为合作伙伴，帮助他们把正在探索的想法制作成精致的示例。我们来谈谈 Adobe 的产品，以及 AI 和 Adobe 产品的结合。先说明我的立场：我非常喜欢用 Photoshop 处理图像，
用 Premiere 处理视频，用 Audition 处理音频。我可能会用 Photoshop 制作这段视频的缩略图，用 Premiere 剪辑视频，再用 Audition 处理音频。不过，我做的一切基本都是手动完成的。我搭了一套系统，使用这种老式的 Kinesis 键盘和 AutoHotkey，核心就是优化流程，确保尽可能少地点击鼠标。所以，极致提高效率是我一直在谈的事情。
在我们进入那些有趣、令人惊叹的深度学习内容之前，你能不能再多谈谈：在未来几个月、几年里，或者回到 2018 年的语境，AI 或一般意义上的自动化会如何帮助简化低层次的像素工作流？这是个很好的问题。Photoshop 已经有非常丰富的算法阵列，包括经典的程序算法和基于数据的算法。有些情况下，它们会产生大量滑块和自由度；AI 可以提供的一种帮助，就是根据内容本身给出默认设置的“自动”按钮，
而不是使用固定的默认值。然后你可以继续微调。这样可以利用其他示例图像中的常识，让人更轻松地完成工作。也就是智能默认值。对，智能默认值。绝对如此。另一个例子是选择功能；过去 20 年——或者说我在 Adobe 工作了 19 年——我们在这方面投入了大量工作。比如快速选择工具会观察颜色边界，根据你认为在现实中彼此连通的区域进行泛洪填充。这个算法并不知道猫或狗长什么样，只是基于图论应用一些经验规则。相比过去几乎每个区域都要手动点击，或者只选择相近颜色而得到许多不相连的小区域，这已经是很大的进步。
但未来，利用神经网络，只需点击一下就能很好地完成选择；对于人或动物这类已知类别，甚至不需要点击，你只要说“选择这个对象”，它就能知道照片中央的主要对象是人。这些功能很有价值，前提是它们足够稳健，能够给出高质量结果；或者至少能成为一个很好的起点，让你再进行调整。比如背景移除。没错。就拿缩略图来说，我会拍一张你现在的照片，把你身后的背景去掉，希望这件事尽可能简单。你没有飘动的头发——目前是这样，以前有过，未来也可能再有；但就现在而言，头发有时会让背景移除更困难。你觉得，对于 AI 来说，让快速选择工具变得越来越智能，这个问题有多难？
我们已经对此做了大量研究。如果你想要一种快速、便宜又讨喜的效果——比如我假装自己在夏威夷，只是开个玩笑——那就不需要完美的边界；用我们现有的算法，今天已经可以单击完成。还有一些算法，在你对边界提供更多指导后，比如稍微修补一下，就能
从粗略的选择中提取出漂亮的抠图蒙版。因此，我们有一组工具可以完成这些工作。在最近的 MAX 大会上，我们演示了如何只需围绕目标对象画一个简单多边形，就能非常迅速地处理：不仅是单张静态图像，还能从移动目标——例如在砖墙前跳舞的人——中提取蒙版，至少得到一个选择蒙版。
但未来，利用神经网络，只需点击一下就能很好地完成选择；对于人或动物这类已知类别，甚至不需要点击，你只要说“选择这个对象”，它就能知道照片中央的主要对象是人。这些功能很有价值，前提是它们足够稳健，能够给出高质量结果；或者至少能成为一个很好的起点，让你再进行调整。比如背景移除。没错。
就拿缩略图来说，我会拍一张你现在的照片，把你身后的背景去掉，希望这件事尽可能简单。你没有飘动的头发——目前是这样；以前有过，未来也可能再有，但就现在而言，头发有时会让背景移除更困难。你觉得，对于 AI 来说，让快速选择工具变得越来越智能，这个问题有多难？
我们已经对此做了大量研究。如果你想要一种快速、便宜又讨喜的效果——比如我假装自己在夏威夷，只是开个玩笑——那就不需要完美的边界；用我们现有的算法，今天已经可以单击完成。还有一些算法，在你对边界提供更多指导后，比如稍微修补一下，就能
从粗略的选择中提取出漂亮的抠图蒙版。因此，我们有一组工具可以完成这些工作。在最近的 MAX 大会上，我们演示了如何只需围绕目标对象画一个简单多边形，就能非常迅速地处理：不仅是单张静态图像，还能从移动目标——例如在砖墙前跳舞的人——中提取蒙版，至少得到一个选择蒙版。
在砖墙前跳舞的人之类的目标中提取蒙版，至少得到一个选择蒙版。这样一来，原本需要几小时的流程就能缩短到几秒，而且效果相当不错。之后你可能还会进去稍微修补一下。这是个很有意思的问题。你提到了“稳健”这个词。一个想法似乎总要经历这样的过程：你在 MAX 上展示的东西可能首先只是激发概念，在大多数情况下已经能很好地工作。
但怎样才能让它真正可靠？怎样让它在大多数情况下都有效，甚至在所有情况下都有效，或者成为一种成本工具——这里有几个方面，这确实触及学术研究与工业研究的区别。学术研究关注的是谁提出了一个很有前景的新想法。当然，我们也很乐意成为这样的人；但我们还有两种发布形式：一种是学术同行评审，我们做了很多，也取得了与许多大学同样出色的成果；另一种是把产品真正交付出去，那是另一种评判。之后还会得到客户的评价，
以及产品评论家的评价。这时目标未必是每一次都完美，而是在足够多的时候足够完美，并且在出现错误时提供介入和恢复的机制。我们很幸运，客户都非常有能力。我们不希望他们每次都承担过多负担，但如果他们只需动一下鼠标之类的操作，就能把结果从 99 分提高到 100 分，那么对专业用户来说，这也是我们确实希望支持的能力。对他们而言，原本必须不断完成的繁琐任务，现在只需要偶尔完成。所以我认为这给了我们一个出口。
如果它必须始终百分之百自动完成，那就会推迟我们将产品推向市场的时间。沿着这个思路，也许你可以把某些东西串起来。我还是只是在谈自己的体验。对，你说得对。也许这才是最有用的想法。绝对是。所以我想，像 Photoshop 或 Premiere 这样的软件，
有很多令人惊叹的功能，我却从未使用过。那么，从 AI 的角度看，它如何帮助让我的生活、让创作者的生活更轻松？人与机器如何更好地协作？人又该如何学会协作，以及学会新的算法？是不是必须观看教程和视频，还是说探索本身就是老师？我们确实在思考这些问题。你提到这一点我很高兴。
我们大致考虑两件事。一件是在当下帮助用户完成眼前的任务；另一件是更全面地看待他们学习工具的过程。可以把它想象成 Adobe 大学：你使用工具的时间足够长，就会成为专家——当然不一定精通所有方面。这就像生活在一座城市里，你不必知道每一条街，但会知道到达目的地所需的重要路线。
我们在研究中有一些项目，会分析网上数千小时的教程，试图理解其中教了什么。我们还曾在一篇论文中研究：给定你刚刚完成的三四个操作，教程中的其他人下一步做了什么？如果你想获得下一步操作的灵感，或者只是想观看教程，向采用与你相似工作流的人学习，那么你就可以，
不必先用关键词到处搜索。我们的探索方向，就是利用你使用应用程序的上下文，给出智能建议：建议你可能会做出的选择，或者更具辅助性的建议——告诉你如果下一步这样做，我们可以展示什么。这基本就是我们现在探索的前沿：如果我们真正深入理解设计师和创意人士工作的领域，能否把这种理解与 AI 以及行为模式匹配结合起来，生成智能的
建议——可以用语言提出可能性，也可以直接展示尝试某个操作后的结果。这确实是我们正在做的事。我今天开会时还在思考这些问题。不过这仍然是一个重大挑战。我们都希望一边肩膀上有一位艺术家，另一边肩膀上有一位老师，对吧？我们希望最终能做到这一点。正确的方式是，在每个阶段提供足够有用的能力，同时为下一阶段更高的期待打好基础。
你是否意识到，YouTube 这种巨大的媒介正在创造出大量不同类型的创意人士，包括艺术家和教师？当然。我们越能理解这些媒介类型——既理解它们的视觉内容，也理解其中的字幕和文字——就越能把它们所包含的智慧带入工具内置的指导中。那会非常棒。这样就能消除必须亲自输入关键词进行搜索之类的障碍。
当然。从长远看，还有一个有趣的问题：它最终是不是不只是帮助人们学习我们现有的界面，而是把界面改得更简单？或者，我们是否会把功能拆分到一系列工具中，每个工具对功能的可见程度都不同？
我常说，如果你在图形界面里添加一个功能，新用户就会面对更多视觉复杂性；而如果助手获得了一项新技能，只要用户知道它具备这项技能、知道可以向它提出请求，那么这项能力就能增加功能，却不会变得更吓人。因此，我们确实会考虑新用户以及如何帮助他们入门。很多人其实很看重掌握复杂界面和键盘快捷键的能力，就像你刚才说的那样，因为足够熟悉之后，它会变成表达视觉想法的一件乐器。
另一些人只想以最简单的方式快速完成事情，这时，同一技术更具辅助性的版本可能会派上用场，也许应该放在另一类设备上，比如更适合捕捉内容的设备。而处于深度后期制作流程中的人，可能希望使用笔记本电脑或大屏幕，拥有更多旋钮和控制项，
以真正表达自己想要的细微差别。Adobe 正在研究许多令人兴奋的计算机视觉和机器学习应用，例如场景拼接、天空替换、前景和背景移除、基于空间对象的图像搜索、自动图像描述，还有我们提到过的 Project Cloak、Project DeepFill——填补图像中的部分区域——Project Scribbler、视频风格迁移，以及视频中的人脸风格迁移。
还有 Project Puppetron——有史以来最好的项目名。你能不能讲讲其中最喜欢的项目，或者随便挑几个让你想到的例子？当然，我可以给没谈到的项目提供链接，因为它们都有视觉元素，令人兴奋的原因也各不相同。按不同项目为何有趣来讲，也许是个不错的方式。
我认为 SkyReplace 很有意思，因为我们刚才说过，选择是一种原子操作。如果用汇编语言来打比方，它几乎就像一条指令。而天空替换是一种复合操作：你先自动选择天空，再寻找与场景几何结构匹配的图库内容。你会让选项保持多样，以覆盖不同的氛围。然后把天空合成到前景背后；更重要的是，它还会利用刚才搜索到的另一张图像的前景，为你正在编辑的图像前景重新着色。
所以，如果你把正午的天空换成傍晚的天空，它也会给前景物体增添某种橙色的光。我上大学时很喜欢 Magritte；他的许多画都带有超现实主义，因为他会进行合成，让前景建筑处在夜晚，而天空却像是白天。有一幅叫《光之帝国》，大学时就挂在我的墙上。我们努力避免产生超现实主义效果。它可以是一种选择，但我们更希望默认结果自然，而不是看起来很假，之后还要做大量后期制作
去修正。因此，这是把完整工作流压缩成一次操作的例子：大约一秒就能完成，而不是一两分钟。而且你不只能做一次，还可以换十种不同背景。这样你几乎又回到了寻找灵感的状态：我还不确定自己想要什么，但看到它时就会知道。
你可以尽可能接近最终制作质量地探索设计空间。真正选定一个之后，你可能会回去稍微调整选择蒙版，把它做到完美，并进行专业人士会带给作品的那种润色。那么，天空替换是不是会从不同的天空图库图像中选择？是的。一般来说，你可以把它理解为从图库中选择，也可以是你磁盘上的图像之类。磁盘，对。不过，如何更智能地搜索图库图像，这确实很
有意思。它有点像空间搜索。完全正确。这一切都是可能的，对吧？我们把其中一种方法称为 Concept Canvas。通常，如果图像搜索只基于文本，你会输入希望图像中出现的对象关键词，
然后它会找到包含这些文字描述、距离最近的图像。但在很多任务中，你真正想表达的是：中间要有一个大人物，右边要有一条狗，左上方要有一把雨伞，因为你想给文字之类的内容留出空间。Concept Canvas 让你把空间区域分配给关键词；我们已经预先为图像建立索引，知道重要概念位于画面的什么位置。然后我们通过匹配这个索引来找到素材。虽然它仍然只是一种搜索形式，
但因为你是在进行空间设计或布局，它开始让人感觉像是在设计。你会莫名地产生一种对返回图像负责的感觉，仿佛是自己发明了它。这是一个很好的例子：当人们获得足够的控制力，就会对结果产生一种所有权感。Photoshop 里也有一些技术，可以让你在后期制作中实际移动狗的位置。但 Concept Canvas 只是提供了一种非常快速的循环方式，让你能够布置元素。至于从场景中移除对象
并自动填补背景，这非常令人兴奋，而且这是如此新颖。我本周刚谈过这方面的工作，对吧，Ian Goodfellow？是的，GAN 正在做这件事。他当然是其中一种方法。那么，这是不是一个非常困难的问题？要把它提升到稳健的产品级别，是否和看起来一样困难？
对于某些类型的图像，传统算法——比如内容感知填充——确实非常有效。例如，如果图像中有碎石路之类的自然纹理，因为它采用基于图像块的方法，就能生成看起来非常合理的中间内容来填补空洞；之后我们再使用一些算法平滑光照，让那个区域看不出亮度对比，或者在它跨越边界时，让光照从一侧逐渐过渡到另一侧。复杂之处在于：如果你必须推断被前景人物遮挡的不可见结构，就需要对世界有常识性的认识。比如，我看到一栋房子的四分之三时，能不能大致知道
剩下的部分会是什么样？如果只是用图像块填充，局部看起来可能合理，但你观察整体结构时，就会发现它像是皱缩或弄乱了。GAN 和神经网络带来的，正是从训练集学习到的这种常识。现在的挑战是，能够用这类技术生成缺失区域的生成方法，在低分辨率下才比较稳定。因此，你要么再用其他算法把低分辨率提升到高分辨率，要么就得推动最前沿的技术；这仍然处于研究阶段。还有，如果模型是在房屋图像上训练的，你却给它一只章鱼，它就不会很好地表现出关于章鱼的常识。所以，你刚才问它何时能投入实际使用，关键是需要非常多样化的图像训练集。最终，这可能会变成一种情况：
你把它部署出去，但加上一些安全护栏；比如使用一个检测器查看图像，并估计这个算法能把任务完成到什么程度。最终可能会出现我们所谓的“专家混合”方法：每个专家只擅长某些事情，然后由它们投票来表示自己对该任务的信心。或者由某个调度器判断：你擅长处理房屋，你擅长处理树木。这种方案更像是未来的方向，因为每个模型都需要大量工作。不过随着时间推移，你可以逐渐补齐这套能力集合。
最初先专注于某些工作流，能力提升后再扩展到其他方向。你提到了工作流。有没有考虑过更遥远的未来？首先，利用 Photoshop 庞大的用户群以及他们各自的工作流，收集相关信息，从而了解他们的工作方式、需求，以及他们
以及人们更常处理的是房屋还是章鱼。也就是说，了解需要标注和收集什么样的数据，才能让人们构建真正对用户有用的工具。绝对如此。这是个很大的话题。整个 AI 世界都在问：你能收集什么数据，为什么要收集？换一个层次来想，
我们不仅希望教客户如何使用产品，也希望他们告诉我们什么是重要的、什么是有用的。同时，我们希望尊重他们的隐私。显然，未经明确许可，我们不会做这些事。我认为，当今时代对此的基本态度是：你必须向某个人说明，分享数据给工具带来的好处是什么。
这种好处可能是短期内帮助理解他们的意图，从而给出更好的建议；或者，如果他们愿意支持你的课程或工具，或者因为生计依赖你、希望帮助你快速改进，他们可能愿意分享一部分工作流或选择，纳入用于训练的数据集。现在已经有一些技术，可以在不永久保存全部信息的情况下进行学习，也就是说能够即时学习，但不记录某个人做过什么。
所以，我们确实在探索所有这些可能性。我认为 Adobe 所处的领域很特殊：如果我看看自己在 Photoshop 中创作的数据，相比社交网络，我可能更愿意把数据分享给 Adobe，因为正如你说的，分享我用 Photoshop 创作的数据有明显的好处——它能帮助未来改进工作流。
相较之下，社交网络能带来什么好处就不那么清楚了。你这么说我很高兴。我想，某些专业工作流中的人可能会非常保护自己的工作。例如，如果我正在为法律案件准备证据，我不会希望任何内容被发送回去，用于训练算法之类的事情。还有其他情形，比如有人在使用试用版，或者做某种项目——我不是说我们今天就这样做，
但未来可能有人与 Adobe 之间的关系更宽松；他们会明确表示，自己只做业余项目，或者只做不涉密的事情，作为交换，愿意分享非常细粒度的数据，以获得某种有形或无形的好处。另一种可能是，从更多人那里收集相对粗略的高层信息，
再从自愿参与的人那里获得更详细的知识。我们现在会通过明确同意的客户研究来做这件事：去拜访某个人，请他试用工具，由人来观察他在做什么。未来，如果要大规模做到足以训练算法，就需要更系统的流程；但我们必须非常谨慎，因为 Adobe 最珍视的东西之一就是信任感，我们不想因为过于激进的数据收集而
危及这种信任。Adobe 有首席隐私官，隐私确实是思考 AI 时最核心的问题之一，而不是事后才考虑的事情。等你们启动这个项目时，算我一个。好。还有没有其他你想提到、但我可能没想到的项目？你已经提到了不少。我想你提到过 Project Puppetron。我觉得它很有意思，因为你可能会以为 Adobe 只考虑二维问题。但这是个很好的例子，说明我们实际上在更立体地思考如何
把特征分配给脸部。Puppetron 的做法是：取一个人在说话时的静态图像或视频，再拿另一个人的一幅画，把画作的风格应用到视频中正在说话的人身上。它不像网上有时能看到的那种屏幕门式后期滤镜效果；它看起来真的像是某种东西附着在脸上，或者随着脸部运动产生反射。因此，即便要完成二维的风格化工作流，也需要推断世界的更多三维结构。我认为，随着三维计算机视觉算法变得更好，它们起初会聚焦于脸部这样的特定领域，因为我们对其结构有很多先验知识，也许可以用参数化模板拟合图像。
但随着时间推移，这种方法应该能够用于更一般的内容。用户甚至可能看不出后台正在进行三维重建，但这会让编辑比原本更可靠、更准确。脸部是一个非常重要的应用，对吧？要让它正常工作，同时它也非常敏感：如果做出诡异的效果，会非常令人不安。没错。
是的，必须把它做对，必须做对，必须真正做对。那么，在增强现实和虚拟现实领域，你认为 AR 和 VR 在我们作为消费者所消费的内容，以及今天作为创作者所创作的内容中，分别扮演什么角色？这是个很好的问题，我们也经常思考。VR 和 AR 的用途略有不同。
VR 可以把你带入一个完整的沉浸式世界，无论你当时身处什么个人环境。从这个意义上说，它有点像一块非常、非常大的屏幕电视：它把你从原有情境中抽离出来，放进一个新的情境。我认为硬件仍在发展。我在 20 世纪 90 年代也做过 VR，尝试解决延迟和类似晕动症的问题，我们确实解决了，但设备非常昂贵，而且当时有些超前。现在出现了新一轮发展，我想这些设备也越来越
趋向一体化，而不是必须连接到一个盒子上。我认为市场似乎正在分化为消费者产品和专业用途产品，比如面向建筑师或设计人员的产品；当你的产品就是一栋建筑时，你当然希望比看比例模型、图纸，甚至视频更好地体验它。对于需要尺度感和空间关系的场景，VR 很有价值。AR 则有希望把数字素材从屏幕上取下来，放到真实世界的语境中：摆在你面前的桌子上，或你身后的墙上。这相应地要求素材能够适应其所处的物理
环境。这有点像一个现场剧团来到你家，为你演《哈姆雷特》。我母亲有一位朋友，曾经为英国国民信托管理的庄园做过这样的演出。他们会根据所在的乡间住宅调整场景，甚至带着观众穿过各个房间观看演出，因为观众会在那里待上两天。我认为 AR 也会遇到同样的问题：如果客厅很大、桌子却很小，它会试图判断哪些东西可以改变、哪些东西是固定的。这里还存在逼真度的张力。比如，如果你捕捉到一位芭蕾舞者精彩的表演，你可能希望它被一模一样地再现，也许只能把它缩小；而一个给你讲故事的人可能会在房间里走动、做手势，这些动作可以适应讲故事的房间。
你认为在这种空间里，逼真度重要，还是讲故事更重要？我认为，这可能取决于媒介的特征。如果是知名名人，你也许希望捕捉每一个细节，不希望某个算法重新生成他。
但如果是一个可爱的青蛙给你讲《青蛙王子》的故事，那么青蛙以不同的方式移动也无关紧要。我认为，游戏世界中逐渐发展起来的许多想法，一旦 AR 需要具有适应性的角色，就会进入更广泛的商业领域。你有没有考虑过开发工具，
让创作者能够在增强世界中创作，基本上就是为增强现实打造一个 Photoshop？我们展示过一些演示：把 Photoshop 的图层堆栈转换并扩展成三维，这作为一个 AR 示例已经公开展示过。当前我们尤其兴奋的是三维。三维设计仍然是一个很有挑战性的领域。我们认为，值得试验一下 AR 或沉浸式环境能否让三维设计变得更自发。你能不能针对具体应用举个三维设计的例子？最简单的例子就是布置物体，对吧？
在传统屏幕上，你通常会有俯视图、侧视图和透视图，然后用鼠标拖动对象。如果不小心，物体就会穿过墙壁之类的。相比之下，如果你在 VR 头显中布置物体，就可以直接移动头部来观察不同视角。由于你已经戴着能够提供深度感的立体眼镜，物体也会以立体方式呈现，你能感受到深度。因此，移动物体这类粗略的大动作技能
似乎会变得更自发，就像在现实世界中一样。对我们来说，前沿问题是：同一种媒介能否完成细粒度的设计任务，比如对 CAD 模型施加非常精确的约束。这可能更适合在桌面上完成，但也可能只是需要发明合适的用户界面。我们希望，由于 AR 和传统屏幕上更多实时动画会带来对三维素材需求的潜在爆发，这些设备和工具也会帮助设计相应内容。你已经提到了不少有意思的新想法。
同时也有像我这样的老派用户，困在旧习惯里，我想自己算是实时工作流那一类。好吧，但不是不惜一切代价反对变化。是的。当你考虑创建新界面时，会不会感受到这样一个庞大用户群体带来的压力？他们喜欢当前产品，所以你做的任何新东西、任何新想法，都有可能付出被抵制的代价。嗯，我认为，如果必须在控制力和便利性之间做取舍，现有用户一定会对此不满。但如果某些功能能带来更多便利，同时保持同样的控制力，可能就更容易被接受。
我们也会考虑不要破坏人们熟悉的隐喻，让东西保持直观。Photoshop 从来不是一个静止不变的目标，它一直在演进和成长。在某种程度上，今天的工作方式凝聚了许多出色的思考，所以我们不想把它全部抛弃。如果出现根本性的突破，比如只需单击就能很好地选择对象，不必再反复描画，那其实可以很好地融入现有工具集，作为可选模式或起点。
如果我们追求激进的简化，希望用非常简单的界面封装完整工作流，那么有时最好把它放在另一种设备上，比如移动设备，因为它的操作条件天然不同；或者放在面向另一种工作流的工具中，那种工作流追求的是自发性和速度，而不是精确度。我们有 Rush 这样的项目，它可以让某一类媒体输出获得专业质量的视频编辑能力，但用户和体验定位都完全不同。理想情况下，人们会说：如果我想做 Premiere 那种大型项目，比如四集电视连续剧，那当然应该用 Premiere。但如果我只是想展示最近的假期，也许会用 Rush，因为我在家只有半小时空闲，而在工作中完成它需要四个小时。对于我们能够很好处理的使用场景，它确实能更快地得到相同的输出，
不过，更专业的工具显然拥有更丰富的工具箱，以及更大的灵活性。与此同时，在拥有灵活性和控制力的情况下，我喜欢“智能默认值”这个想法，也就是用 AI 来指导你。我确实喜欢 Google 的“手气不错”按钮。对，它只需一个按钮，就能给出一组相当不错的设置。然后它几乎也成了一种教育工具。
绝对是。是的。因为有时你拥有这么多控制项，却不清楚不同控制条之间、不同元素与图像之间的关联。有时你不知道最佳设置是什么。还有些帮助是按需提供的，对吧？我卡住了，需要知道该查什么，但甚至不确定这个功能叫什么。
如果有某种机制主动提出有用建议，或者可以想象一个“给我建议”按钮，那么它就能利用所有关于工作流的知识，建议你去学习某些内容、尝试某个操作，或者直接展示答案。也许并不是一个智能的“万能按钮”，而是一组默认方案，然后你可以说：我喜欢这个。
绝对是。是的。因为有时你拥有这么多控制项，却不清楚不同控制条之间、不同元素与图像之间的关联。有时你不知道最佳设置是什么。还有些帮助是按需提供的，对吧？我卡住了，需要知道该查什么，但甚至不确定这个功能叫什么。
如果有某种机制主动提出有用建议，或者可以想象一个“给我建议”按钮，那么它就能利用所有关于工作流的知识，建议你去学习某些内容、尝试某个操作，或者直接展示答案。也许并不是一个智能的万能按钮，而是一组默认方案，然后你可以说：我喜欢这个。
对，对，几个选项。好，那回到诗歌。啊，是的，我们要穿插着来。先读你最近一首诗的开头几句，然后在我问下一个问题之前先说明：这首诗讲的是智能手机。
今天我把手机留在家里，去了海边。沙子柔软，海面如玻璃般平静，但我依然只是我自己。这首诗写的是你把手机留在身后，因为这样感到相当自由。那么，这是个有点难谈的话题，我们试着聊聊吧。我想明白了。不过，借助 AI，我们越来越能够创造出某种自我的版本、某种现实的版本，而它们在某些方面比实际现实更美。这里的一部分创造性努力，就是在制造这种幻象。
所以，这当然不可避免，但你认为我们人类应该如何调整自己，去生活在这个部分由人工构成的数字世界里？它不只是部分人工构成的，而且比一百年前、还没有 Instagram 和 Facebook 这种自我版本的世界更好。哦，这是在分享更好的自我版本。我们使用修改图像的工具，甚至利用深度伪造之类的 AI 思路，在现实中创造经过调整或虚假的自我版本。我认为这是个有意思的问题。先从历史角度来看。
我其实想知道，18 世纪那些委托著名画家为自己绘制肖像的贵族，画出来的肖像是否会比他们穿着礼服、站在画室里时的真实样子稍微好看一点。所以，把自己最好的一面展示出来，是人类一直都有的愿望。我觉得有意思的是，你把问题分成了两个方面：一个是，如果我们能够想象并可视化另一种现实，这到底是好事还是坏事？过去人们通过讲故事、文字和诗歌来做这件事，
这种形式有时至今仍存在于网站上，但我们已经特别成为一种视觉文化。19 世纪，我们很大程度上是文字文化；人们会阅读很长的文章，政治演讲也很长。现在，一切都变得快速、视觉化而且简短。我认为，这取决于你的意图有多无害，其中很大一部分取决于意图。如果你从收件箱里的照片中挑一张比较讨喜的，说“这就是我的样子”，那大概没问题。如果别人要根据外表评判你，那么当他们见到你时，很快就会知道现实究竟如何。我认为，可能造成伤害的地方在于，人们把自己置于一个
不可能达到的标准之下，于是因为觉得自己达不到而感到难过。我做不到。我认为这确实可能成为问题。不过，想象并可视化另一种现实的能力——有时你之后还会把它建造出来——可以是一件很美好的事。人们可以想象建筑风格，然后让一家创业公司把它做成现实，最终建造一栋看起来像自己最喜欢的电子游戏的房子；这难道是可怕的事吗？我过去其实担心的是探索本身。我还是个很小的孩子时，记得人类登月，那些画面是颗粒感很强的黑白影像；去月球的乐趣之一，就是想知道抵达后它会是什么样。
我觉得现在的图像技术太好了，能在事情发生前帮助我们了解和可视化体验，这让我有点担心：它可能会削弱我们实际前往的愿望。你明白我的意思吗？因为我们已经在电视上看过了，等我们最终抵达火星时，可能会说：好吧，这是火星，它看起来就是这样。但对于外太空探索，我认为冥王星是一次精彩的近期发现：之前没人知道它长什么样，而它呈现出的变化和美丽令人屏息。所以，总体而言，扩展人类想象和交流能力的工具箱是件好事。我认为其中确实存在滥用，我们会认真对待，并尽力劝阻。
我认为还有相应的另一面：公众需要通过这样的事件了解可能性，对吧？这样一来，人们就不会再相信印刷品里读到的一切，随着时间推移，对图像也可能如此。或者说，你需要多组证据才能真正相信某件事，而不是只相信一项媒体素材。所以我认为这是一件不断演变的事，而且一直以来都是这样。有一个关于克利夫斯的安妮和亨利八世的著名故事，
对安妮来说，幸运的是，他们没有结婚，对吧？或者他们结婚了，只是婚姻持续了一半。这个故事是怎样的？哦，等一下，霍尔拜因画了一幅肖像，亨利八世对此并不满意，而且，你知道——哦，对。历史没有记载画中的那位女士是否满意，
但我想她很庆幸没有结婚超过一天之类的。所以，这种事情已经持续了很久，但我认为它只是人类能力被放大的一个部分。你已经在这里建立了令人惊叹的研究环境、研究文化和研究实验室，而且你写过一篇关于“让研究实验室蓬勃发展的秘诀”的文章，其中谈到实习生。你能展开说说吗？当然。原因有几个。正如你从我的个人经历中看到的，
人在职业生涯的某个阶段会与某些想法建立联系，并随着时间不断回到这些想法上。如果运气不好，选中的问题在接下来的五年里就被解决了，那你就没什么可做了。所以，我认为持续有新人加入，会带来新的想法。从工业研究的角度看，因为我们很大一部分工作是把这些想法推进到能够作为非常稳健的功能交付的程度，所以你最终会在某个想法上投入很多。若不谨慎，人们在选择下一步做什么时可能会变得过于保守，因为他们知道产品团队会希望它能够落地。
实习生让你能够以相对轻量的方式探索更富想象力、未经验证的想法，理想情况下还能为实习生和研究人员带来新的论文。这样，你就拥有了一个可以从中挑选的组合：接下来一两年要把哪个想法一路推进到稳健、可交付的产品。
所以它有点像漏斗的一部分。这也是我们识别未来全职研究人员的好方法；许多最优秀的研究人员都曾是实习生。它还搭起了与大学院系之间的桥梁，让我们有机会认识教授并建立持久关系；我们经常向这些教授提供学术研究经费，这既是对实习生价值的认可，也支持双方合作。所以它是一个
良性循环。优秀研究实验室的长期遗产，希望不仅是留下来的人，也包括那些离开后把同样模式带到其他公司的研究者。因此，我们坚定地相信工业研究，以及它如何补充学术研究。我们也希望这种模式继续传播，并得到其他公司的投资；当然，这会让我们更难招人，但这正是成功的标志。从这个意义上说，水涨船高。实习生的想法是在哪里产生的？他们会进行头脑风暴吗？会讨论这些想法来自哪里吗？我一边问一边意识到这个问题很傻，但我还是希望你能给出比问题更好的答案。我每年夏天开始时都会问这个问题：
好的，事情通常是这样：我们会发布实习生招募通知，收到很多简历；人们会联系候选人，与他们讨论兴趣。通常，我们会寻找与他们正在做的工作相当匹配的人，或者寻找一个很有意思的领域——他们可能在博士研究中一直探索，我们也会觉得很想做类似项目。之后，实习生会和我们称为导师的人保持联系。到最后的两周，他们必须做出决定，所以他们到达时通常已经有一个大致想法。
我们还会在内部讨论所有想推进的大方向，看看是否有两个人想到同一个点子，也许他们应该交流之类的。但实习生真正到来后，有时想法会按直线发展，有时却会突然大幅转向：这个听起来不错，但仔细想后发现还有另一个项目，或者已经有人做过，我们找到了那篇论文，已经被抢先发表；不过我们还有另一个好想法。所以开始阶段非常灵活。研究实验室面对的一个问题是：谁来决定做什么？如果失败，谁负责；如果成功，谁获得荣誉？
所以在 Adobe，我们非常强调研究人员和实习生自由选择项目。但之后，我们根据影响力奖励大家。如果项目最终影响了产品，或者产出了论文等等，就会得到认可。另一种模式是，一个自以为天才的实验室主管告诉所有人该做什么；进展顺利时把功劳全拿走，进展糟糕时把责任推给所有人。我们不想采用这种模式。这能帮助新想法逐渐浮现。运行这样的实验室需要掌握艺术：公司有战略重点，有些领域确实希望投入解决紧迫问题；因此，它一部分自上而下，一部分自下而上，
两者在中间汇合。所以你不会告诉人们必须做 X，而是说今年尤其希望看到 X；之后人们会通过自己想做、感兴趣的事情来重新解释 X。奇妙的是，通常都能很好地结合起来。Adobe 拥有非常广泛的产品组合，这一点也很有帮助。如果我们有一个好想法，通常总会有某个产品团队感到好奇
或感兴趣。因此，我们不必在早期过度筛选。有时产品团队会额外资助一名实习生，因为他们特别在意某个问题；这时就会更明确地说，我们确实需要这样一个人。然后我们会说，好，再找一名实习生；找到之后，他也觉得这是个很棒的问题。但这不是典型模式，只要预算允许，它更像是锦上添花。以上所有因素都很重要。夏天刚开始时，很难预测
所有实习生项目会怎样发展。我们当然对它们都抱有很高期望，但最终有些项目会产生实际成果，有些只是写成一篇不错的论文，却没有变成产品功能；有些结果没有想象中那么新颖，却会成为很棒的功能，但写不成论文；还有些项目只取得了一点进展，让我们意识到自己有多么不了解。也许我们会连续几年重新研究同一个问题，直到最终取得突破，然后它才更有可能影响产品。
回到 Adobe Research 的整体视角，你对 2019 年及以后有什么期待？你提到这里有庞大的产品组合、庞大的想法集合、新的实习生和一支庞大的研究团队。你认为未来会怎样？从技术突破的角度看？技术突破，尤其是那些最终能进入产品、影响世界的突破。
我认为，我们谈到的创意辅助或分析辅助是一个非常热门的方向：系统不断尝试弄清你想做什么，以及如何提供帮助、给出有用建议。它何时准备好仍然很难预测，但我非常期待看到我们在这方面能取得多大进展。我认为，一些核心技术，比如生成对抗网络，极具前景；看到它们多快能以高分辨率和真正出色的质量，应用于主流使用场景，同样令人兴奋。它们还有一种奇特的方式，即使做出的东西有些不对，也会
以一种有趣的方式显得奇怪。它可能看起来像是在做梦之类的，因此很迷人。它可能看起来像是在做梦之类的，因此很迷人。我认为，Adobe 内部有一个 Sensei 平台，它把我们的神经网络和其他智能模型汇集到一个中心平台中，多个产品团队可以同时使用。
我们正处在转型过程中：过去，一旦有了好想法，就选择一个产品团队合作，由他们针对那个使用场景进行定制设计；现在则转向更像 Henry Ford 式的标准化方式，以标准方式提供，并以标准方式访问。这应该会大幅缩短从好想法到影响产品之间的时间。当一个产品有了好想法，其他许多产品也可以直接利用它。这就形成了规模经济。所以，这更多是在谈“如何做”，而不是“做什么”。
不过，AI 的这场文艺复兴，与图形领域的另一场复兴结合起来——实时光线追踪以及其他真正令人兴奋的新兴技术——当它们汇聚在一起时，你基本上就能与光共舞，对吧？你会拥有实时阴影、反射，呈现出仿佛真实世界就在眼前的效果；同时又有 AI 带来的各种魔法属性，能够根据它理解的创作任务，预判或修改
自身，以符合创作意图。这对创作者来说是非常令人兴奋的未来。说到我自己，我是创作者。首先，我从事自动驾驶汽车研究。我是一个机器人助手。我喜欢机器人。我想，黄色的迷恋是蛇，无论是自然界的蛇还是人造机器人蛇。绝对如此，我也有同样的迷恋。它们的运动很美，也很有适应性。
这种适应性很迷人。我查了一下，世界上有 2900 种蛇。哇。它们的体型差异也很大，有些很小，有些很大。我看到有些情况下最长的能达到 25 英尺。那么，就自然蛇和人工蛇而言，什么最能引起你的兴趣？为什么？机器人 AI 与这种特殊形态的机器人有什么联系？其实，它源于我 20 世纪 80 年代在计算机动画方面的工作，当时我开始做布料模拟和其他软体模拟之类的事情。
布料落下后会弹动，然后逐渐停止，我就想：如果让弹簧长度变化，再模拟肌肉，会怎样？最简单能这样做的对象是蚯蚓。所以，1988 年我写过一篇论文，叫《蛇与蠕虫的运动动力学》；我阅读了蛇和蠕虫运动的生理学文献，然后做了一些早期的计算机动画示例。你对机器人感兴趣，是从模拟和图形开始的？我转到 Apple 后，我们做过一部电影，叫《女王陛下的秘密蛇》，
讲的是一条秘密特工蛇从降落伞上跳下，从卫星上取走电影胶片盒；这也说明了我们当时的思维有多老派——有点像经典的五六十年代邦德电影。同时，我小时候一直从零开始制作无线电遥控船，于是想：建造一条真正的蛇会怎样？之后，我开始了长达约 15 年、试图制造更好蛇形机器人的执着。第一条蛇只能侧向滑行，却不能真正向前走；后来我加上了轮子。现实中造东西会让你诚实面对摩擦。吸引我的地方在于，我喜欢创造生命的幻觉，
这正是我投身动画的原因。如果机器人拥有足够多、相互协调的运动自由度，以某种生物学方式运动，它就会跨过恐怖谷，看起来像一种生物，而不再只是一个物件。到 S3 时，我在早期蛇形机器人上确实实现了这一点：它既能侧向行进，也能直线前进。我的未婚妻建议让它在婚礼上担任送戒指的角色，于是它真的沿着过道运送戒指，还因此登上了当地报纸，非常有趣。这些全都是业余爱好。当时，机载计算能力极其有限，事情大概是
这样的。对，你应该解释一下。你的目标是让它自主运行。自主地在机身上运行，对吧？我制造的第一条蛇，控制器是用分立逻辑搭出来的，因为我十几岁时就做过 LSI 电路之类的东西。第二条和第三条蛇使用了当时可以买到的 8 位微处理器，整整有 256 字节 RAM，勉强够用。因此，它们是无线电遥控的，而不是自主的，重点更多在
物理形态和协调运动上。我偶尔也会转向另一个方向：如果能足够便宜地制造出来，也许就能成为一件很棒的玩具。这让我认识到，发条机构本身就是一个需要进入并学习的神奇领域；作为计算机科学家，你会遇到反冲等此前不会考虑的问题，这也解释了为什么看似不错的想法并不奏效。所以这很让人谦逊。最近我一直在制造 S9，它是 S3 的工程改进版；S3 的电机已经磨损，也不能再运行了，而且买不到替换件。考虑到它曾经意义重大，这很令人难过。S5 大约长一倍，看起来也更受生物启发。和典型机器人专家不同，我会让蛇逐渐变细。这样做有很好的机械原因，也让它看起来更像生物，
不过这意味着每一节都各不相同，而不是重复相同的结构，这也是大多数工程师不这样做的原因。这样其实还能节省重量、改善杠杆效果等。目前那条蛇正在华盛顿特区的国际间谍博物馆展出。不是因为它真的从事过间谍活动。它曾被放到 YouTube 上，还引发了自己的阴谋论：有人认为它不是真的，因为我在 Adobe 工作，所以一定是假的电脑图形。人们会写信告诉我它是真的。有人说背景没有移动；那是因为它装在三脚架上。但你可以看到实物，所以它确实是真的。
最新的一条是第一条能够装上 Raspberry Pi 的蛇，这也引出了许多关于 Python 的糟糕玩笑。但它可以在机身上进行计算。我的业余工作与职业工作开始汇合：现在可以加入视觉加速芯片，用来运行神经网络、进行目标识别等。对蛇，以及我最近一直在研究的蜘蛛来说，拥有桌面级计算能力，正在开启真正自主运行的世界：机载计算、机载电池，同时仍保有那种仿生特质。尤其是孩子会被它们吸引；成年人觉得它们有点吓人，但孩子反而觉得它们很可爱。我还在 Girls Who Code 做过一系列讲座，鼓励大家关注技术。目前我会说，它们的成本仍高于它们所带来的价值，所以很适合我当爱好，却还不是很好的
产品。这让我想到我早期在 Alias 做的那件事：改变肌肉的静止长度。如果能用真正的人工肌肉材料实现这一点，那么下一条蛇最好就使用它，而不是电机、齿轮箱之类。它会更轻、更强，也能实现更连续、更平滑的运动。我喜欢说，从事研究就像获得了一张好奇的许可证，我的爱好也让我有同样的感觉。它迫使我重新学习生物学，对那些原本只会被当作自然地理特辑的事物产生好奇。突然之间，
我会想：蛇是怎么移动的？我能不能仿造它？我会观察侧向行进的蛇在沙地上留下的轨迹，看我的蛇形机器人是否也会留下同样的痕迹。所以，你试图把生命带入无生命之物的做法，我很喜欢。完全正确。最终还要赋予它人格；这就是智能体研究与视觉、语音合成最终会汇合的地方，让它具备一种不一定达到人类水平的智能。我认为图灵测试的门槛太高，甚至有点自我挫败；但至少可以让人和它进行有意义的
对话，尤其是当它相当了解自己能说什么时。我们不是要让陌生人走过来就能与它交谈，而是希望宠物主人或机器宠物主人能够知道它在想什么、能推理什么；有时也只是拥有像人与狗之间那样有意义的互动。你可能会和狗交谈，但通常是单向的。除非它让人感到存在有意义的连接。我正在准备一段示例音频，其中一个目标就是逐渐达到这样的程度：推理
系统能够解释自己为什么知道某件事，或者为什么认为某件事。这样会进一步产生它确实理解自己在谈什么的感觉，也有助于调试。行为越来越复杂后，你会想问：你为什么决定这么做？你怎么知道的？我觉得机器人确实在帮助我思考 AI 的未来，以及下一步应该发明什么。即使在 Adobe，工作大多也还是在数字世界中运行。
对。你是否想象过这样的未来：Adobe 也进入更物理的世界，不只是给动画注入生命，而是给物理对象注入生命？你觉得呢？我得说，目前这只是让我眼前一亮的想法。我认为更有可能发生的是，我们通过增强现实把虚拟对象带入物理世界。许多可能需要五年才能造出机器人的想法，用数字素材几周就能实现。所以，等真正智能的机器人最终普及时，它们不会那么令人惊讶，因为我们早已在虚拟世界中与那些人格相处了很久。
到那时，人们只会说：哦，它就是一部有腿的系列作品，或者像长着蹄子的 Alexa 之类。我能想象那会到来。现在，它仍然是一场冒险，我们还不完全知道这种体验会是什么样。看到我职业生涯的这些不同线索以各种有趣方式汇合，真的令人兴奋。
是的，这是一次有趣的冒险。让我用我最喜欢的诗来结束：你最喜欢的那首诗的最后几句，思考死亡，也在某种意义上思考不朽——我们的思想会通过他人的思想、通过他人的工作延续下去。它最后写道：“不要哭泣，也不要哀悼；微小的原子曾获准独自起舞，已经足够。把它们撒向你的双眼所能看见的最深处。我很满足，它们还会有另一次机会。让更多居中的部分随波而行，加入那喧闹而升腾的队伍，正如其他事物曾在我体内起舞。”
美丽的诗，也用一种美丽的方式结束了这次对话。Gavin，非常感谢你今天的交流，也感谢你像我一样，激励并赋能数百万人去创作精彩的作品。我觉得这是一次很棒的对话。