AI在電影領域的正確打開方式是什麼？

AI開始成電影導演了。

不久前，IBM的人工智能係統Watson為福克斯的科幻電影《Morgan》操刀了一支電影預告片。 工程師們首先給Watson輸入100部恐怖電影預告片進行學習，主要分析了預告片的畫面、聲音、創作構成，並貼上對應的情感標籤，這是基於人工智能係統可以識別預告片中人物的語調 、聲音、背景音樂與此時人類相對應的情感類型。 在Watson的幫助之下，電影工作人員製作預告片的時間從10天~1個月的周期縮減到了24小時。

AI的電影之路，少不了跌跌撞撞

Waston學習的結果對於電影工作人員來說確實可喜，但是電影在人工智能上之路至少還存在三個障礙。

1. 語言邏輯的硬傷

2016年，在倫敦科幻電影節的48小時電影創作挑戰單元上，紐約大學AI研究人員奧斯卡·夏普和羅斯·古德溫利用AI創造了一個9分鐘的小電影。 他們開發了一個名叫“Benjamin”的遞歸神經網絡，將包括《星際穿越》、《超時空聖戰》、《捉鬼敢死隊》等幾十個科幻電影劇本輸入之後，Benjamin便能夠開始一行行地進行 劇本創作。

不過，雖然AI創作的速度很快，但是質量卻並不能夠令人滿意。

至少，這是一個暫時還沒有人能夠看懂的故事。 在Benjamin創造的電影故事當中，情節混亂，前言不搭後語是常態。 每一個獨立的句子看上去基本都還算通順，不過前後連起來就讓人完全一頭霧水。 因為生產電影的終極目的還是為了給予人們一定意義層面上的啟示，可以或深或淺，但絕不是在看完之後仍然頭頂問號，不知所云。

要理解人類的自然語言，對於AI來說並不是一件容易的事情。

我們可以簡單列舉它所面對的幾個挑戰。 首先，語言是不完全有規律的事物，存在許多意外，這些意外往往是AI程序裡面所無法全面覆蓋的；再者，語言是開源的，人們可以無止盡地對其進行創造，並利用比喻 等方式去進行聯繫；理解語言的前提還需要有共通的符號空間，也就是相似的社會生活背景和文化背景。

所以，綜合這幾點，從理論上來說，AI必須要擁有和人腦幾乎接近的結構才能靈活使用語言。 而這樣的人腦模型能否用AI的數學模型去實現還是個大大的問號。

2. 換臉技術代替摳圖？  

大家可能還記得去年微博熱議的“摳圖不自賞”。 這部戲的導演聲稱由於演員們工作繁重，分身乏術，所以演員有時候無法到現場拍戲便會使用“綠幕”這種拍攝技術並進行後期處理，而這在影視行業是很正常的現象。

這個後期摳圖正不正常暫且不論，觀眾們的“火眼金睛”恐怕不久是要廢了。 因為AI換臉技術已經出現並被運用到視頻製作當中，有人在Reddit上發布假臉視頻，利用AI深度學習和其他一些AI新技術在成人電影中把演員的臉替換成某些明星藝人的臉 ，製作成了以假亂真的視頻。

這樣的換臉技術如果成熟，當然比人工後期去摳圖更高效，而且由於人工的不完美，觀眾總能從影像的邊邊角角發現摳圖的漏洞。 因此，AI換臉比起摳圖可能是更難識別的存在。 那麼，在明星越來越注重自己的商業價值而頻繁曝光在各大綜藝、廣告拍攝的情況之下，他們本應投入大量時間和精力的影視表演有可能會通過尋找替身演員，然後偷偷利用AI 換臉技術的方式來完成。 如果明星們偷懶到使用AI技術進行“搖錢”，那麼相信市場是絕不會買單的。 因為AI的視覺“戲法”，不僅欺騙觀眾，更會極大擾亂電影產業。

3. “工業複製品”，可能並不是人類期待的結局

眾所周知，機器更適合做一些簡單重複的工作，而人類則更適合從事創造性的工作，目前AI入侵藝術創作的結果不是把作品搞砸，就是讓作品失去靈韻。

《暮光之城》90後女主角斯圖爾特在康奈爾大學的論文分享平台上發表了一篇有關人工智能的論文，討論神經風格轉移技術在電影中的應用。 主要通過畫面內容比例的調整來限制電影每一幀風格的強度，試圖製作出“斯圖爾特”式的電影。

無獨有偶，騰訊AI Lab也提出了一個實時視頻藝術濾鏡的算法，能夠基於前饋神經網絡轉換素材的藝術風格。 應用到電影領域，換句話來說，就是“電影濾鏡”。 如果想製作類似《至愛梵高·星空之謎》這部油畫電影風格的作品，在手機設備上應用這款電影濾鏡就可以完成。

誠然，AI可以幫助完成電影產品，但如果為了追求某一位電影大師的風格，而去迎合大眾，那麼不僅這種風格會變成毫無生機的工業複製品，藝術創作的源泉也會逐漸枯竭 。

 AI與電影的緣分出口在哪？

既然直接把AI運用到電影創作上會造成很多麻煩，不如轉換思維，嘗試把AI與電影產業當中的其他環節相結合，形成AI與電影緣分的新出口。

最重要的是在電影製成後，上映前的環節。

2017年3月1日《電影產業促進法》正式實施，其中有提倡藝人德藝雙馨的內容和懲處偷漏瞞報票房的規定等等，不過電影法雖然能夠對電影產業的規范運行起到 一定的約束作用，但是卻無法從根本上切斷湧入產業的“惡水”。 因為法律只能管壞片，卻不能管爛片。

但是AI利用大數據預測爛片率或許可以給電影內容的創作者們敲響一記警鐘。

例如，一個導演如果總是拍爛片，或者啟用一些爛片率高的演員，那麼AI在電影上映前給出的爛片預測值就會很高。 這給予了觀眾們提前用腳投票的機會。 不僅可以讓觀眾真正接觸到更好的影片，避免無意識的爛片消費，更可以促使電影製作方，包括投資人、導演、編劇、演員對電影創作更加用心。

AI是想像力落地後綻放的花朵。 而電影又是人類最天馬行空的想像，這二者結合的路還有很遠。