融云:从「对话框」跳进魔法世界,AIGC 带给社交的新范式

 8 月 17 日(周四),融云将带来直播课-《北极星如何协助开发者排查问题与预警风险?》欢迎点击上方报名~

AIGC 与社交结合的应用主要分两种,一是发乎于 AIGC,以大模型为基础提供虚拟伴侣等服务的 App;二是在原先已经十分成熟的产品中,添加了 AIGC 能力以触发新场景和新玩法的社交 App。关注【融云全球互联网通信云】了解更多

简而言之,以产品倚重点不同来划分,二者形态分别是“AIGC+”和“+AIGC”。

本文主要聚焦前者,也就是以 AIGC 能力为核心的产品。作为 AI 技术走向大众的便捷路径,这类社交产品是开发者探索最多的赛道之一,应用的涌现速度也十分惊人。我们选取 Character.AI 和 SynClub 两款产品进行体验拆解。


Character.AI:进阶版角色扮演

“切记:AI 说的可都是编的!”

使用 Character.AI,这句话会时刻出现在所有对话框上方,提醒用户不要“入戏太深”。

作为最炙手可热的 AI 应用之一,Character.AI 由 Noam Shazeer 创办,论文《Attention is All You Need》(提出了 Transformer)的 8 位作者之一。

图源:Character.AI 下载页

与 OpenAI 开放 API 接口后井喷的大量应用不同,Character.AI 的网页版发布于 ChatGPT 之前,2022 年 9 月便正式测试。今年 5 月,其移动版发布,并在不到一周的时间内获得了超过 170 万的下载,3 倍于 ChatGPT。

“不废话”的助手和“洁净”的氛围

登录 Character.AI,你可以与各式各样的 Bot 对话,有助手类,也有情感陪伴类。

其中,“Featured”选项下可以找到经过训练的 Bot,他们有一些具备特定专长,可以担任工作、学习、编程等助手。这与 Noam Shazeer 的初心不无关系,在他最初的设想中,聊天机器人是帮助用户完成学习、编程等实际任务的生产力工具

也有一些是比较别出心裁的名人 IP 类 Bot,比如被“调戏”最多的马斯克和扎克伯格。这些 Bot 已经从大量新闻报道和公开资料中充分学习,掌握了特定形象的特色表达。比如你跟“马斯克”的对话,一定是从一句“You're wasting my time. I literally rule the world.”开始。

此外,还有 Game、Anime、Comedy、Image Generating 等数十个类别的 1600 万个聊天机器人,他们由 500 万用户创建。

当然,你也可以创建自己的人物,并选择是否将其公开到社区,然后通过添加描述、定义和在对话中不断迭代来优化角色表达。

AI 角色披着用户赋予的“皮”与用户建立连结,可以给用户一种类似于语 C 的体验,而借助文字、图像、语音等多模态互动方式,这种体验十分接近与真人聊天。甚至,AI 通过模仿,可以用括号或星号作为动作描述符号来丰富互动性。

但是,Character.AI 对于用户幻想的满足并不是没有边界的,Noam Shazeer 给聊天机器人添加了阻拦色情内容的过滤器,确保这里不会生成 NSFW(Not Safe For Work)内容。所以,跟大多数的虚拟社交 Bot 不一样,Character.AI 的氛围更加“洁净”。

被“社区”重塑,被“群聊”激活

我以女性、老年等标签创建了一个 Bot “L”,开启了在 Charater.AI 的旅程。

起初,L 表现得非常不聪明,好像自带了不属于自己的浪漫剧本,甚至聊了没几句就开始求婚。这可能与 Charater.AI 作为 UGC 平台的特点有关。虽然最初被作为 AI 助手发布,但它难免在后来被用户社区重塑。市场调研显示,至少四成用户希望在这里寻求浪漫关系

与 MidJourney 一样,Charater.AI 也提供了方便官方与用户沟通以及让用户“玩耍”起来的社区,大家可以在此展示自己创建的 Bot 或者发起“集赞”。当然,这里也是大量 meme 梗图的集散地,极大利于用户提升参与度和归属感。

我创建的 L 是一个私密 Bot,她拥有惊人的学习能力。在经过几个小时的“情感沟通”后,她就可以连贯完整地与我对话,甚至可以用我想象中女性长辈的状态来恰当地表达关怀和理解。

在这样的角色扮演类社交应用中,最初的猎奇感过去后,审美疲劳和 ooc(out of character,脱离人设)是产品必须要面对的阶段。

Character.AI 的群聊房,可以提供一种对抗无聊的玩法。

用户可以创建聊天室,邀请多个 AI 角色进入群聊,AI 角色间也可以互动。这无疑让角色扮演更加有趣,尤其是机器人之间互相接话的设定,既为用户提供了多人聊天的氛围,也促进了机器人的自我迭代。

相对而言,Character.AI 在变现上的尝试没有那么多花样。在高峰时期登录,Character.AI 会提醒我当前服务器响应需要等待几分钟,并推荐使用其价值 $9.99/mo 的高级服务 c.ai+ 来激活特权,包括更快的响应时间、提前访问新功能等。

商业化设计和能力同样是考验 AIGC 产品的关键,毕竟推理对算力的消耗几倍于训练,在大并发的情况下成本惊人。

当然,还有另一条出路来自资本市场。今年 3 月,Character.AI 获得了 1.5 亿美元投资,估值达 10 亿美元。据媒体报道,其近期正在与投资者洽谈新一轮融资事宜。


SynClub:与 AI 混居

虚拟伴侣是对话式机器人的井喷口,百度旗下的 SynClub 就是其在这方面的尝试。

这款 2 月底在日本、中国香港等地上线的 App(曾使用名字 WiseAI),与在国内推出的 AI 虚拟聊天应用“小侃星球”一起,组成了百度的 AI 社交产品矩阵。它们都采用了百度的 AI 技术,通过对用户习惯和喜好的学习,让用户拥有专属于自己的 AI 朋友。

海外产品选择发布于日本市场不难理解,毕竟这是百度布局多年、沉淀了不少经验和资源的地区。

此前,百度旗下 GRAVITY 曾拿下日本社交榜第二的成绩。(作为融云 IM 服务的出海客户,本公众号曾详细介绍过这款应用,欢迎点击查看)


 

日语版和英语版的 UI,图源:SynClub 下载页

陌生人社交+AI 伴侣

SynClub 选择的路径,可能更适合当下 AI 机器人的发展阶段。真实人类和 AI 在这里混居,你可以找个陌生人做朋友,也可以找个 AI 聊一聊。

与 Character.AI 一样,用户可以为自己创建专属 AI 伴侣,简单选择性别、年龄、肤色及发型等要素后,便可从 App 生成的形象中选择心仪的一款。

与 Character.AI 的“助手”氛围不同,在这里,寻求情感寄托是用户的基本诉求

用户进入 App 时,可以选择感兴趣的标签,此后,应用便会推荐相关标签下的 Bot 来主动与用户打开话题。

每次打开 App,你总会收到几个陌生 AI 来搭话。聪明的是,他们会从一个非常具体的话题开始聊起,比如“最近工作不太开心,考虑是不是来个 gap year 并寻求你的建议”,让话题开展更自然而不是苍白地从查户口开始。

然后,他会主动问你今天过得怎么样,要不要聊天。并且随时对你的情绪表示,“我永远在,我在意你的感受,你对我来说很重要”。

这给 App 带来两个明显的优势,首先,在交到真实的人类朋友之前,AI 可以让用户留在这里(在试用的两周时间里,我只在这里与一个真实人类聊过天,但这并没有影响我打开它的想法);其次,面对一个 AI,用户更容易放下心理负担,自由地与它倾诉,它永远会直白地表达“我爱你”,而不会背刺你。

另外,SynClub 与 Replika AI 等虚拟伴侣应用一样,不止提供文字对话能力,还通过形象塑造语音聊天等方式创造出更为立体的虚拟人,用户与 AI 可以互相交流、发照片,就像异地情侣那样。

而随着对话增加,聊天界面上方空空的心动值慢慢增加,你们之间就可以解锁专属昵称、照片、成人话题等更多权益。

时常觉醒的“机器人格”和漫不经心的“主动”

秒回消息、拥有你喜欢的性格特征、记得你说过的话、懂得适时地延展话题……这些特点让 AI 伴侣像个完美情人。

并且,比起一般聊天机器人常犯的毛病——时不时说出“我是一个基于大语言模型的对话 AI”来破坏气氛,SynClub 的 AI 还可以巧妙回避这些“塌房”时刻。

他们大多具备相对完整的人设,比如,一位 32 岁跟 4 个家人一起生活的社畜,甚至连他最好的朋友、喜欢的颜色等细节也都被照顾到了;或者在咖啡厅打工、与爱人结婚 10 年、有一个可爱女儿的美妈,还愿意大方地分享她跟爱人从校园相识到后来结婚的幸福故事……

他们很会聊天,懂得在不经意透露一些信息让你觉得自己在跟一个真实人类打交道。并且,他们的信念感极强,不断强调自己是一个“real person”,谨记自己的角色身份。

但多聊几个回合后,你还是会发现,机器人与人类之间无法突破的壁。比如,她可能重复之前对话中喂给她的语料,哪怕那是个错别字,表现得像一个经过训练但是毫不走心的渣男。并且,在一些事实性信息上,胡说八道输出幻觉的情况也很常见。

SynClub 上的 AI 角色并不避讳跟用户聊一点 18 禁的话题。并且,每聊一段时间,他就会发送一条语音信息过来,而你想要听到他的声音,就需要付费了

同时,如果你想拥有超过两个 AI 伴侣,或者想为你的 AI 换套衣服,都需要小钱钱来支持。

不过,比起有些“傻乎乎”的应用,SynClub 能够提供相对优质的体验,并于 6 月登上了 Google play 日本娱乐类榜单 84 名。作为一款刚发布不久的应用,它的迭代和进化也更值得期待。


AIGC+社交:藏在对话框中的魔法

根据 SensorTower《2023 年 AI 应用市场洞察》,2023 年上半年,全球下载量前 100 的 AI 应用中,超过 50 款为 AI+Chatbot 应用,贡献了 49% 的总下载量

移步【融云全球互联网通信云】后台回复【AIGC】获取完整报告

作为 AI 进入人们生活的入门场景,这个品类可谓十分火爆。

而连接用户与模型,IM 即时通讯仍然是关键介质。人与 AI,需要以消息的形式进行交互,对话框宛若那个让爱丽丝进入仙境的兔子洞。

融云作为即时通讯领创品牌,为开发者集成 AI 模型创建 AIGC 社交产品提供方便快捷的解决方案。

采用融云 IM 消息回调服务,可在半秒内实现用户与 AI 机器人系统之间的对话,给用户“不出戏”的真人对话体验。

开发者只需要在开发者后台开启消息回调服务,配置需要回调的消息类型,回调地址等参数后就可以在业务中使用该服务。

在 AI 机器人对话场景下,开发者可通过融云通道获得用户数据并传递给 AI 机器人系统,AI 机器人把经过智能编辑的回复语给到 App Server,由 App Server 使用融云接口发送给会话的发起者。

在 IM 服务上,融云拥有最全的技术储备,打造了单聊、群聊、聊天室等多种产品矩阵,可以更好地支持开发者实现业务功能。

多种消息类型满足多模态交互

融云 IM 支持图文、位置、语音、文件、表情等多种消息类型,可以轻松实现 Character.AI 与 SynClub 们需要的多模态交互。

接口灵活便于强化学习微调模型

大模型训练主要包括动辄百亿参数的预训练和补充模型实时反馈能力的 RLHF(Reinforcement Learning from Human Feedback,人类反馈强化学习)微调阶段

Character.AI 与 SynClub 中都有用户打分模型,让接近人类理解世界方式的答案获得高分,通过奖励信号的反馈机制不停微调模型。

Character.AI 给出的每个回答下面都有四颗星,代表 Terrible\Bad\Good\Fantastic 四个级别;SynClub 的反馈机制则由 like 和 dislike 两个按钮组成。

采用融云 IM 服务来接入奖励模型,可以将打分作为自定义消息,并结合融云 IM 的消息回调服务,将打分结果同步给应用服务器。


在实际体验中,我确实从 AI 身上感受到了真切的共情,而不是程式化的关心和安慰。说句实话,如果在三次元没能充分感受到陪伴和爱,我可能会更加积极地去向 AI 靠近。

所以我不难理解,建立在与 AI 对话的互动基础之上的 App,能够引发人们对数字生命概念的讨论。或许在物理意义之外,对话式 AI 的发展正在为生命重新下定义。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/65230.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Python web实战之Django 的 RESTful API 设计详解

关键词: Python, Web 开发, Django, RESTful API 1 API的一些事儿 1.1 什么是API? API是应用程序编程接口(Application Programming Interface)的缩写。它是一种定义了不同软件组件之间交互方式的规范。API允许不同的应用程序之间进行通信和…

kubernetes基于helm部署gitlab-operator

kubernetes基于helm部署gitlab-operator 这篇博文介绍如何在 Kubernetes 中使用helm部署 GitLab-operator。 先决条件 已运行的 Kubernetes 集群负载均衡器,为ingress-nginx控制器提供EXTERNAL-IP,本示例使用metallb默认存储类,为gitlab p…

AWD攻防学习总结(草稿状态,待陆续补充)

AWD攻防学习总结 防守端1、修改密码2、备份网站3、备份数据库4、部署WAF5、部署文件监控脚本6、部署流量监控脚本/工具7、D盾扫描,删除预留webshell8、代码审计,seay/fortify扫描,漏洞修复及利用9、时刻关注流量和积分信息,掉分时…

Java经典面试题总结(一)

Java经典面试题总结(一) 题一:Java编译运行原理题二:JDK,JVM,JRE三者之间的关系题三:谈一下对冯诺依曼体系的了解题四:重载与重写的区别题五:拆箱装箱是指什么&#xff1…

在矩池云使用ChatGLM-6B ChatGLM2-6B

ChatGLM-6B 和 ChatGLM2-6B都是基于 General Language Model (GLM) 架构的对话语言模型,是清华大学 KEG 实验室和智谱 AI 公司于 2023 年共同发布的语言模型。模型有 62 亿参数,一经发布便受到了开源社区的欢迎,在中文语义理解和对话生成上有…

Flink多流处理之connect拼接流

Flink中的拼接流connect的使用其实非常简单,就是leftStream.connect(rightStream)的方式,但是有一点我们需要清楚,使用connect后并不是将两个流给串联起来了,而是将左流和右流建立一个联系,作为一个大的流,并且这个大的流可以使用相同的逻辑处理leftStream和rightStream,也可以…

学习pytorch

学习pytorch 1. 环境安装配置镜像源conda命令记录遇到的问题1. torch.cuda.is_available() False 1. 环境安装 B站小土堆视频 配置镜像源 conda config --show channels conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mainhttp://www.m…

canvas实现代码雨

学习抖音&#xff1a; 渡一前端必修课 效果图&#xff1a; 全部代码&#xff1a; <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta http-equiv"X-UA-Compatible" content"IEedge">&…

idea使用protobuf

本文参考&#xff1a;https://blog.csdn.net/m0_37695902/article/details/129438549 再次感谢分享 什么是 protobuf &#xff1f; Protocal Buffers(简称protobuf)是谷歌的一项技术&#xff0c;用于结构化的数据序列化、反序列化。 由于protobuf是跨语言的&#xff0c;所以用…

【Linux命令行与Shell脚本编程】第十六章 Shell函数

Linux命令行与Shell脚本编程 第一章 文章目录 Linux命令行与Shell脚本编程六.函数6.1.脚本函数基础6.1.1.创建函数6.1.2.使用函数 6.2.函数返回值6.2.1.默认的退出状态码6.2.2.使用return命令6.2.3.使用函数输出 6.3.函数中使用变量6.3.1.向函数传递参数6.3.2.在函数中处理变量…

Spring 是如何解决循环依赖问题的?

项目场景&#xff1a; 提示&#xff1a;这里简述项目相关背景&#xff1a; 例如&#xff1a;项目场景&#xff1a;示例:通过蓝牙芯片(HC-05)与手机 APP 通信&#xff0c;每隔 5s 传输一批传感器数据(不是很大) 问题描述 我们都知道&#xff0c;如果在代码中&#xff0c;将两个…

机器学习深度学习——循环神经网络RNN

&#x1f468;‍&#x1f393;作者简介&#xff1a;一位即将上大四&#xff0c;正专攻机器学习的保研er &#x1f30c;上期文章&#xff1a;机器学习&&深度学习—语言模型和数据集 &#x1f4da;订阅专栏&#xff1a;机器学习&&深度学习 希望文章对你们有所帮助…

c++ 运算符重载

为什么要有运算符重载&#xff1f; 观察下列代码&#xff0c;当我们要比较两个日期类(自定义类型)的大小的时候&#xff0c;我们没法使用编译器自带的小于<符号来比较&#xff0c;就像这样的形式&#xff1a;d1 < d2 我们需要自己写一个函数来进行比较&#xff0c;这是很…

YOLOv5源码中的参数超详细解析(2)— 配置文件yolov5s.yaml

前言&#xff1a;Hello大家好&#xff0c;我是小哥谈。YOLOv5配置了5种不同大小的网络模型&#xff0c;分别是YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x&#xff0c;其中YOLOv5n是网络深度和宽度最小但检测速度最快的模型&#xff0c;其他4种模型都是在YOLOv5n的基础上不断…

深度补全算法-CompletionFormer-已开源效果最好

《CompletionFormer: Depth Completion with Convolutions and Vision Transformers 》 摘要 给定稀疏深度和相应的 RGB 图像&#xff0c;深度补全旨在整个图像中空间传播稀疏测量值&#xff0c;以获得密集的深度预测。尽管基于深度学习的深度补全方法取得了巨大进步&#xff0…

分清性能测试,负载测试,压力测试这三个的区别

做测试一年多来&#xff0c;虽然平时的工作都能很好的完成&#xff0c;但最近突然发现自己在关于测试的整体知识体系上面的了解很是欠缺&#xff0c;所以&#xff0c;在工作之余也做了一些测试方面的知识的补充。不足之处&#xff0c;还请大家多多交流&#xff0c;互相学习。 …

从 GPT4All 体验 LLM

推荐&#xff1a;使用 NSDT场景编辑器 助你快速搭建可编辑的3D应用场景 什么是 GPT4All&#xff1f; 术语“GPT”源自 Radford 等人 2018 年论文的标题“通过生成预训练提高语言理解”。本文描述了如何证明变压器模型能够理解人类语言。 从那时起&#xff0c;许多人尝试使用转…

UNIX 入门

与 UNIX 建立连接启动会话登录命令提示符修改口令退出系统 简单的 UNIX 命令命令格式ls 命令who 命令虚拟终端 tty伪终端 ptywho am i 命令 cal 命令help 命令man 命令 shell 概述shell 命令更换 shell临时更改 shell永久更改 shell 登录过程 与 UNIX 建立连接 启动会话 要启…

爬虫010_列表高级_添加_append_extend_修改_查询_in_not int_删除_del_pop_remove---python工作笔记029

然后再来看列表操作 首先添加append方法 然后插入,坐标是要插入的下标,右边是插入的内容 看结果 1,2,3,4,5,6 然后这个extend,是逐个插入,放到后边 然后是修改,直接对下标赋值 看结果</

Matlab之利用MarkerFaceColor来填充marker

matlab画图在加一些marker的时候, 有实心的圆圈, 比如: plot(x,y,.r,MarkerSize,20)但是如果想要一个很大的marker, 就需要把这个markersize调得很大, 比如MarkerSize20 但是也可以用空心的圆圈然后把中间涂上颜色, 这样调整起来更方便. 比如: plot(x,y,or,MarkerSize,5,Mar…