日前，第29屆ACM國際多媒體頂級會議（ACM International Conference on Multimedia, 簡稱ACM Multimedia）在成都舉行，京東探索研究院AI團隊憑借多模態(tài)交互數(shù)字人技術(shù)、跨模態(tài)分析技術(shù)分別斬獲最佳演示獎及最佳開源項目獎。會上，京東集團副總裁梅濤當選ACM Multimedia 2023大會共同主席（General Co-Chair）。

　　ACM Multimedia是計算機科學領(lǐng)域中多媒體領(lǐng)域的首要國際會議，1993年以來每年召開一次，已成為多媒體領(lǐng)域頂級盛典，大會致力于推動多媒體的研究和應(yīng)用，京東探索研究院的該兩項獲獎技術(shù)均為ACM Multimedia頒發(fā)的該技術(shù)領(lǐng)域唯一獎項，分量十足。

　　過去十年多媒體領(lǐng)域視覺和語言之間的跨模態(tài)分析出現(xiàn)了穩(wěn)定創(chuàng)新和突破的勢頭。然而，X-modaler出現(xiàn)之前，還沒有一個開源的代碼庫來支持以統(tǒng)一和模塊化的方式訓練和部署眾多的跨模態(tài)分析的神經(jīng)網(wǎng)絡(luò)模型。京東探索研究院的跨模態(tài)視覺分析代碼庫X-modaler是業(yè)界首個模塊化、標準化的跨模態(tài)視覺分析代碼庫，涵蓋了視覺語言領(lǐng)域各種前沿技術(shù)，并支持各種多模態(tài)任務(wù)。它可以輕松復(fù)現(xiàn)視覺語言領(lǐng)域目前主流的技術(shù)，促進學術(shù)界在視覺語言領(lǐng)域的發(fā)展。同時也便于工業(yè)界集成跨模態(tài)視覺分析的模塊，推動AI在工業(yè)互聯(lián)網(wǎng)應(yīng)用的落地應(yīng)用和技術(shù)進步。

     在傳統(tǒng)的AI認知中，視覺領(lǐng)域、語音領(lǐng)域、自然語言領(lǐng)域等領(lǐng)域之前是獨立演進的技術(shù)和應(yīng)用，可以認為是單模態(tài)技術(shù)，而人是一個看、聽、說多模態(tài)共同工作的智能體，所以多模態(tài)技術(shù)是未來人工智能應(yīng)用發(fā)展的方向。京東探索研究院的多模態(tài)交互數(shù)字人技術(shù)ViDA-Man致力于打造具備多感官交互能力的人機交互系統(tǒng)，深入多模態(tài)交互技術(shù)研究，專注于人機交互的消費科技產(chǎn)品打造?；谠摷夹g(shù)開發(fā)的多模態(tài)交互數(shù)字人形象引擎，能夠提供快速的形象定制能力，從外觀的數(shù)字化逐漸深入到行為的交互化、情緒的智能化。

    近年來，數(shù)字浪潮的推動讓人工智能技術(shù)已經(jīng)實現(xiàn)從不可用到可用，AI產(chǎn)品化時期，諸如智能語音識別技術(shù)、智能圖片處理技術(shù)、基于用戶興趣的算法引擎推薦、智能審核技術(shù)、AR/VR技術(shù)、5G技術(shù)等成為了AI落地的抓手，掀起了科技創(chuàng)新的新浪潮。京東集團副總裁梅濤表示，獲獎技術(shù)早已服務(wù)于京東云打造的虛擬數(shù)字人、拍照購、搭配購等多個產(chǎn)品，并開始在產(chǎn)業(yè)化、商業(yè)化項目中廣泛應(yīng)用。

　　這些技術(shù)已大規(guī)模應(yīng)用于正在如火如荼展開的京東11.11。如，基于計算機視覺以圖搜圖的搜索應(yīng)用，輔助以語音對話交互技術(shù)的“拍照購”和“搭配購”功能已在剛剛拉開帷幕的京東11.11中大放異彩，通過拍照或截圖方式，直接匹配搭配好的時尚單品，打造“一站加購”、“一鍵買齊”的購物新體驗，幫助商家強種草、高轉(zhuǎn)化。

　　今年京東11.11期間，針對商品營銷內(nèi)容推出的智能寫作服務(wù)“達人寫作”，形成一篇百余字商品文案僅需300毫秒，5分鐘可以創(chuàng)作出1000篇文案，覆蓋近3000個商品品類，累計生成3,000萬AI內(nèi)容，相比于人工撰寫內(nèi)容點擊轉(zhuǎn)化率超過40%，成本降低93.2%。

　　除京東內(nèi)部應(yīng)用之外，這些獲得國際學術(shù)界頂尖榮譽的領(lǐng)先技術(shù)正在通過京東云這個統(tǒng)一平臺輸出對外賦能各行各業(yè)。比如，基于多模態(tài)交互數(shù)字人技術(shù)研發(fā)的“虛擬數(shù)字人”能助力京東云智能客服產(chǎn)品提升智能接待、服務(wù)和虛擬助手的體驗。比如，京東云智能客服業(yè)務(wù)與某銀行合作，打造了全國第一個交互式數(shù)字人項目“數(shù)字柜員”，有別于播報式數(shù)字人，“數(shù)字柜員”涉及VTM虛擬坐席交互，利用AI技術(shù)，實現(xiàn)用虛擬人替代真人柜員辦理業(yè)務(wù)、把控風險。

    可以看到，京東AI技術(shù)之所以能取得如此優(yōu)異的成績，是其在真實復(fù)雜場景的有效實踐和千錘百煉。作為京東集團對外技術(shù)輸出的窗口，京東云不僅是政府、企業(yè)、家庭數(shù)字化轉(zhuǎn)型全生命周期合伙人，并基于人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、隱私計算等技術(shù)，通過數(shù)智化全鏈條技術(shù)服務(wù)，助力千行百業(yè)數(shù)字化轉(zhuǎn)型，激發(fā)產(chǎn)業(yè)無限可能。