作者 | 刘丹如
快手悄悄成立了一个关于AI的科技实验室Y-Lab。如果不是它参与了即将上映的《猩球崛起3》的宣发，人们可能直到现在仍旧没有发这个实验室的存在。
为了配合电影《猩球崛起3》的宣发，快手上出现了能够将用户的面部变化为猩猩的魔法表情。除此之外， Y-Lab实验室还研发出另一项秘密武器：人体姿态捕捉。在电影活动预热的现场，Y-Lab实验室的负责人郑文博士介绍说，这种技术常用于电影特效，比如在《猩球崛起》中，演员们穿上特制的衣服进行表演，电影里呈现出来的便是经过加工的形象。
与电影中运用的特效技术有所不同，Y-Lab实验室研发出的人体姿态捕捉主要在手机端运转，且不需要用户进行任何外带设备的佩戴，手机摄像头会自动捕捉用户的身体部位和动作进行特效转化。按照郑文目前的规划，在这部电影上映期间，快手的这个功能可以让用户“一秒变凯撒”。
实际上，Y-Lab实验室在2016年9月已经成立，致力于通过最前沿的科技带给用户新奇的记录体验，研究领域涉及人工智能、机器学习、计算机视觉和计算机图形学等。郑文告诉《三声》（微信公号ID:tosansheng）说：“宿华一直想用一些高精尖的技术给用户带来一些比较新奇的玩法，所他很早就提出想做一个实验室的想法。”
郑文是宿华在清华期间的同学，同博士读到一半就去谷歌工作的宿华不同，郑文在清华毕业后在美国斯坦福计算机系读博士，其导师专注于电影特效，并两次获得奥斯卡科技奖。在博士期间，郑文的研究方向主要集中在计算机图形学和电影特效方面，毕业之后也一直在美国从事机器学习和计算机视觉相关的研究。
作为国内目前用户数最多的短视频平台，快手希望通过人工智能、计算机视觉、计算机图形学、机器学习等技术进一步推动短视频的玩法。2016年9月，在宿华的力劝之下，郑文决定回国加入快手，郑文对《三声》（微信公号ID:tosansheng）说：“我觉得他想要做的事情挺有趣，跟我的经验也非常吻合，我自己也感兴趣，所以就回来了。”
在快手内部，这是一个没有特别限定目标的神秘部门。除了郑文外，还拥有不少名校博士和对人工智能研究深入的技术专家。郑文介绍说，“我们会研究一些好玩的东西，只要能够对快速用户带来好的信息体验的都可以。”
Y-lab实验室里的“黑科技”
在位于五道口的快手办公楼里，Y-Lab实验室的工位看起来并不起眼，但有所不同的是，在Y-Lab实验室里，几乎每个人都会单独负责一个项目的开发，开发周期短则几周，长则几个月。这些“好玩的东西”，将陆续上线。
最近，Y-Lab实验室推出的教新的技术是人体姿态捕捉。在郑文看来，这项技术的功能并不止于帮助快手的合作方进行宣发活动，而是“还会衍生出更多的特效，或者和其他技术进行组合，形成新的玩法”。
郑文博士演示技术
在推出人体姿态捕捉技术之前，Y-Lab实验室已经在快手的产品上进行了几次小的试水。郑文现场为我们展示了其中两项技术：一个是帮助用户直接将背景抠掉，换成自带背景；另一个则是利用AR技术，使得人们通过手机摄像头拍出虚拟的、逐步盛开的多肉花朵。
在展示过程中，郑文用手机拍摄桌面，并轻触屏幕。尽管桌面上空无一物，但从屏幕里看过去，一颗种子从天而降，落在桌面上开出花的效果，他还在工作人员的手上进行了这个实验，同样出现手心开出花的效果。
对于第一项在视频中抠背景的技术，郑文表示，这项技术的模型已经有很多公开论文的发表，但更多的是基于PC端。“这个模型在手机上跑是非常困难的，我们要把它弄到非常小、非常快，所以在算法和底层技术上面，做了很多工作。”
在算法层面，Y-Lab实验室自主研发全新的神经网络架构，对模型的大小和计算量进行了几个数量级的缩减；在底层层面，Y-Lab是探视研发了一套可以在手机上高效运行的深度学习推理引擎，以支持CPU和GPU两种运行模式，同时针对硬件架构进行了高度的性能优化。
目前，快手在图像理解方面已经非常完善，对于Y-Lab实验室而言，他们则是要在图像理解的基础上增加新玩法：“我们的目的是可以理解视频里面所有的信息，所有理解出的信息都可以用于做出好玩的特殊效果。”
郑文以人体姿态捕捉为例，在能判断出人体的部位和动作后，他们能实现的特效不仅仅是一秒变凯撒，还可以有更多的特效玩法，“信息理解得越多，能做的事情越多”。
短视频行业的下一个阶段
视频理解对于快手的内容分发和生成都至关重要。
在8月5日的公开活动中，宿华如此说道：“使每个人都能够看到自己喜欢的内容、每个人能够找到喜欢自己的人，让自己的生活记录被他看到，背后是一整套机器学习和人工智能的算法、基础架构和数据分析的技术。我认为核心是理解，构建一个算法架构，操控计算机，让它能理解人、内容、人和内容的互动。”
在采访过程中，郑文解释了电影特效、计算机图形学、计算机视觉和视频理解的概念。其中，视频理解是目前快手领先于行业的成熟技术之一，快手用人工智能理解每一个上传到UGC视频，通过计算机视觉和音频理解等技术抽象出视频中的内容，再根据内容分发至最可能喜欢它的用户。
“视频理解就是计算机’看’一个视频，从里面抽象出各种层次的信息，”郑文说。目前，快手对于视频理解技术在推荐、审查等方面的应用已经比较成熟，而Y-Lab则是用视频理解技术来增加新的玩法。“我们从视频中提取出语义和几何等信息，然后用这些信息去修改视频内容。”
以狗为内容主体的视频为例。视频理解能够分辨出图像里狗的位置、种类、在图像中所占的像素区域等，甚至可以重构狗的三维模型，在此基础上，特效技术能够对狗进行视觉效果的修改和替换，这时就会用到计算机图形学的技术。“计算机图形学是从一个抽象的表达出发，比如说你要画一只狗，就要先建立它的三维模型，然后再把它渲染到二维图像上去，这个信息流向是与计算机视觉刚好相反的。”
AR 技术在快手的应用
AR也是Y-Lab重视的技术之一。郑文认为，虽然VR由于设备问题发展正在受限，但是各种手机平台都开始研发自己的AR技术，目前的趋势是从现有设备开始推动。“我们也是在这样做，但这是一个慢慢的过程。现在大部分AR都是通过视频完成,所以我觉得AR跟短视频结合得很好。”
实际上，这项技术有着更长远的可能性。“短视频发力已经是几年前的时候，下一步AR会不会成为一种新的记录和分享方式？我们也不知道，但现在出现了新的趋势，我们就要早一天做好准备。”
在中美两国都有长期科研经验的郑文看来，目前中国技术的发展速度，与国外相比并没有太大差距，甚至更快，但在深度方面依然还有差距。他以曾经工作过的美国电影特效公司举例，在国外电影特效行业，一部电影会有专门的技术导演和完整的工种团队，从总监到软件工程师开发的，整个团队会为了细节进行不断地钻研，最终打磨得很好。
郑文希望Y-Lab实验室能够具有这样的精神，“中国公司真的要成为谷歌那样的企业，目前就是缺一些精益求精。”
始终技术驱动的快手
Y-lab 实验室的首次亮相
在科技公司的实验室中，人们最容易联想到举世闻名的谷歌实验室GoogleX。在快手的诠释里，Y-Lab中的Y代表着Young，Y是x的下一个字母，所以也代表着超越x。在少数有关GoogleX的报道，这家位于美国旧金山的实验室，孕育合发展着物联网、无人驾驶汽车、机器人、谷歌眼镜等项目。
虽然目前的Y-Lab与GoogleX还差很远，但这并不阻碍快手有一个向往成为谷歌的愿景。2006年，宿华放下读了一半的清华大学博士学位，退学到谷歌工作了两年，此后与程一笑将GIF工具转型为短视频社区快手之后，他也把谷歌的公司文化带到了快手。
这种文化主要体现在这家公司对于技术的追求和推崇上。之前在接受《人物》杂志采访时，宿华曾经表示：“从早年的微软到Google，到现在的Facebook，最近这50年的产业变革需要的技术都是程序员掌握的。”
对于快手而言，尽管此刻已经逐步开始完善自己的商业版块和布局，但技术仍是最引以为傲的资本。在2017年年初完成总额为3.5亿美元的融资之后后，如今的快手人数规模已经扩充到800多人，但是程序员在其中所占比例仍旧高达80%左右。
“从个人愿望来说，我希望Y-Lab能成为DeepMind这样在人工智能领域扛旗的实验室，我们希望能做出像AlphaGo这种能够对业界产生较大影响的东西。”在郑文眼中，快手是一家靠技术驱动的公司，从创立至今，快手已经完成了6亿注册用户，8000万日活的数据累积，而这一切的背后主要依靠推荐算法进行支撑。在接下来的发展规划里，他们想把快手做成一个把技术做到很前沿的公司。
“成立Y-Lab实验室不是为融资、上市积累名声，快手的目标要更为长远。”郑文认为快手最终的目标是增加所有人的幸福感，而实现方式是通过记录生活和记录世界，革新记录的方式是一个大目标里面的小分支，“我们可以提供不同的好玩的东西吸引用户去玩，还有很多好玩的东西正在研究，很快都会出来。”
