2017年，是中國電影市場回歸“快車道”，繼續(xù)昂首前進的一年。藝術片《岡仁波齊》、小眾國漫《大護法》、以及主旋律《戰(zhàn)狼2》等各類影片票房的集中突破甚至說爆發(fā)，無疑給中國影業(yè)注入了一針強心劑。電影市場是一塊巨大的蛋糕，無論是在國外還是國內(nèi)都吸引了無數(shù)圍觀者。那么當人工智能也開始關注電影，會在現(xiàn)實世界里演繹出什么樣的故事情節(jié)呢？

不久前，IBM的人工智能系統(tǒng)Watson為�？怂沟目苹秒娪啊禡organ》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(chuàng)作構(gòu)成，并貼上對應的情感標簽，這是基于人工智能系統(tǒng)可以識別預告片中人物的語調(diào)、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，電影工作人員制作預告片的時間從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(jié)果對于電影工作人員來說確實可喜，但是AI技術入侵一直由人類主導的藝術領域—電影，真的可以把路走得漂漂亮亮嗎？智能相對論分析師楊蘇穎認為電影在人工智能上之路至少還存在三個障礙。

一、語言邏輯，尚未“刮骨”的硬傷

2016年，在倫敦科幻電影節(jié)的48小時電影創(chuàng)作挑戰(zhàn)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(chuàng)造了一個9分鐘的小電影。他們開發(fā)了一個名叫“Benjamin”的遞歸神經(jīng)網(wǎng)絡，將包括《星際穿越》、《超時空圣戰(zhàn)》、《捉鬼敢死隊》等幾十個科幻電影劇本輸入之后，Benjamin便能夠開始一行行地進行劇本創(chuàng)作。

不過，雖然AI創(chuàng)作的速度很快，但是質(zhì)量卻并不能夠令人滿意。至少，這是一個暫時還沒有人能夠看懂的故事。在Benjamin創(chuàng)造的電影故事當中，情節(jié)混亂，前言不搭后語是常態(tài)。每一個獨立的句子看上去基本都還算通順，不過前后連起來就讓人完全一頭霧水。盡管有句話說，“一千個觀眾就有一千個哈姆雷特”，但是這并不能夠成為為AI語言邏輯硬傷開脫的理由。因為生產(chǎn)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，但絕不是在看完之后仍然頭頂問號，不知所云。

而且要理解人類的自然語言，其實對于AI來說并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(zhàn)。首先，語言是不完全有規(guī)律的事物，存在許多意外，這些意外往往是AI程序里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(chuàng)造，并利用比喻等方式去進行聯(lián)系；而且，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(jié)構(gòu)才能靈活使用語言。而這樣的人腦模型能否用AI的數(shù)學模型去實現(xiàn)還是個大大的問號。

二、換臉技術代替摳圖，成為演員“搖錢樹”？

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于演員們工作繁重，分身乏術，所以演員有時候無法到現(xiàn)場拍戲便會使用“綠幕”這種拍攝技術并進行后期處理，而這在影視行業(yè)是很正常的現(xiàn)象。這個后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(jīng)出現(xiàn)并被運用到視頻制作當中，有人在Reddit上發(fā)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，制作成了以假亂真的視頻。

這樣的換臉技術如果成熟，當然比人工后期去摳圖更高效，而且由于人工的不完美，觀眾總能從影像的邊邊角角發(fā)現(xiàn)摳圖的漏洞，因此，AI換臉比起摳圖可能是更難識別的存在。那么，在明星越來越注重自己的商業(yè)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，然后偷偷利用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”，那么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(chǎn)業(yè)。