共计 2873 个字符，预计需要花费 8 分钟才能阅读完成。
来源：Los Angeles Times
编译：李雷、宋欣仪
屡获殊荣的电影制作人 Kevin Macdonald 曾执导过许多部电影，包括《末代独裁》和《国家要案》等，而在去年，Macdonald 第一次尝试了拍摄由机器编写剧本的影片。
Macdonald 执导的是一部 60 秒的雷克萨斯轿车商业广告片，剧本来自科技巨头 IBM 的 Watson 人工智能平台。在这个广告中，雷克萨斯 ES 轿车仿佛有了生命，行驶在开阔的道路上，沿途是美丽的的海岸线和森林，并且轻松躲过了途中的意外。
“机器编写的剧本充满了不确定性和新奇感，令人惊叹。”Macdonald 说，“假以时日，机器一定可以构建出一个精彩的故事或是一个伟大的角色。”
听起来可能像科幻小说，但使用机器编写剧本的想法正在受到好莱坞的青睐。机器学习——使用算法分析大量数据以给出决策建议——正在渗透到电影业的各个角落。
数据帮助决策
与许多硅谷科技公司（如 Netflix 或 Google）不同，好莱坞电影公司应用人工智能和机器学习，至少非电脑动画方面，一直进展缓慢。也许是机器接管人类的警示太过深入人心，就像 1968 年的经典影片《2001 太空漫游》中的电脑“哈尔”所做的那样。
“计算机统治世界所产生的奥威尔式的后果总会给人带来一种世界末日般的感觉。”南加州大学娱乐技术中心执行董事 Kenneth Williams 说，“这使得人们非常担心任何形式的自动化，特别是人工智能。”
但人们的态度正在改变，要想了解大众喜欢什么样的广告或电影，单靠人工来对诸如观众调查和评论这样大量的信息进行分类是很难的。但将这些信息交给机器，使用庞大的经验数据库进行编程，那么很轻松就可以料事如神了。
机器学习可以生成关于电影或电视节目成功或失败原因的宝贵数据集。 卡内基梅隆大学（CMU）的娱乐技术中心去年做了一项分析，展示了电影故事结构与全球票房表现之间的相关性。例如，以动作、枪战开场的电影，如 2008 年《黑暗骑士》片头的劫案或 2010 年《驯龙高手》开场的战斗，其票房收入比以回忆叙事开头的电影好 13 倍。
为了拍广告，雷克萨斯（Lexus）公司与多家广告商合作，包括创意机构 The&Partnership 和营销技术服务公司 Visual Voice，其人工智能平台基于 IBM Watson（采用认知计算系统的商业人工智能技术平台）。这个平台共分析了过去 15 年间的获奖汽车和奢侈品广告数据以及消费者洞察数据。
这些数据有助于人工智能识别出能使消费者产生共鸣的事物， 包括对话要少、要有某些视觉上吸引人的场景，比如一条蜿蜒的道路，一边是潺潺的河流，另一边是茂密的森林——工作人员花了两三周的时间还真在罗马尼亚找到了这样一条路。
“我们希望创造一些令人难忘的东西，”雷克萨斯欧洲品牌传播部总经理 Michael Tripp 说。“剧本是使人与广告产生强烈情感联系的重要原因。”
雷克萨斯表示，这个广告自去年 11 月在 YouTube 和其他社交媒体网站上发布以来，已经使其欧洲豪华轿车的销量比原有目标提高了 35%。
在娱乐界的应用早已有之
早在 2016 年就有人用机器学习技术检索了 100 部恐怖电影预告片，以确定什么样的电影元素可以吸引观众。基于这样的分析，通过从电影中选择特定的片段，该技术帮助 20 世纪福克斯公司的恐怖电影《摩根》创作了预告片。
“人与机器可以共同创造出更好的产品。”IBM Watson 的首席营销官 Michelle Boockoff-Bajdek 表示。
福克斯曾与云计算服务巨头 Google Cloud 合作分析了 2017 福克斯动作电影《金刚狼 3: 殊死一战》预告片里人物形象的特征，比如金刚狼罗根的胡子。然后通过检查 YouTube 上包含其他类似形象的电影预告片，以评估哪种类型的观众会喜欢这部影片。
机器学习还能够通过分析喜欢《金刚狼 3》的观众过去看过的电影，判断出他们都喜欢超级英雄电影或是荧屏硬汉主演的动作电影。
新技术还可以确定哪些故事情节更容易产生共鸣，以及最容易激发人们情感的场景或角色。
加拿大大众媒体和娱乐公司 Entertainment One（简称 eOne）正在将两部 Wattpad（总部在多伦多的在线阅读与写作分享平台）上的小说改编成电视剧，其中包括一部名为《The Numbered》的反乌托邦小说，Wattpad 通过技术分析发现不少用户喜欢其中一个同性恋角色，这也使得 eOne 在电视版本里保留了这个角色。
“这种来自网络平台用户的视角和观点，给我们带来一种全新的娱乐节目开发方式。”eOne 高管 Jocelyn Hamilton 说。
机器学习大展拳脚
位于洛杉矶的创新艺人经纪公司 CAA（Creative Artists Agency）运营着一个数据分析平台，通过机器学习来分析观众行为。该平台名为 CAAintell，2017 年开发，有几十个数据源，包括社交媒体网站和信用卡消费信息。
经纪公司可以使用分析平台产生的数据向电影公司推荐演员 ，例如，全球粉丝众多的女影星参演的电影会有更好的票房。这个平台还可以根据粉丝喜欢的产品和品牌，找出旗下明星应该代言什么品牌。
CAA Global 的首席执行官 Steve Hasker 说：“这个平台可以发现明星们的特点，帮他们创造前所未有的机会。”
但 Hasker 认为这绝不意味着 CAAintell 平台会取代经纪人。“如果我们能够实时地给经纪人们提供更好的信息和建议，他们的工作会做得更好，”他补充道。
总部位于圣何塞的 Adobe 公司正在尝试用机器学习来辅助模仿人的声音。 这项技术可以根据一段人的音频生成长达 30 分钟的合成语音。Adobe 研究中心主管 Gavin Miller 说：“只要输入某人的大量音频，就可以训练机器来生成其他的词汇的音频。”
这样可以更方便地重塑演员对白或修改剧本中的烂台词，而无需再请演员回来重新录制对白。虽然这也增加了语音滥用的可能性。
计算机分析还可以解决好莱坞的多元化问题。 南加州大学的维特比工程学院信号分析实验室（SAIL）和 Geena Davis 媒体性别研究中心利用机器学习进行人物跟踪和音频分析，使电影公司明白女演员在电影中正面出现和对白的频率有多么低。
包括索尼影业在内的一些电影公司正在使用该研究所的机器学习工具来推进多元化和包容并存的倡议。这项倡议的目标是“不要告诉导演或编剧们该做什么，而是给他们一个机会，让他们认识到这种无意识偏见，并判断他们是否故意为之，”科技公司 shift7 首席执行官 Megan Smith 说。“如果他们不是有意的，那么这就是改变的契机。”
机器学习的局限
当然，机器学习也有尚未克服的局限。如果训练数据不足，算法也会产生带有缺陷和偏见的结果。其中一个臭名昭着的案例，是 2015 年照片分类软件 Google Photos 错误地将黑人标记为大猩猩，其原因是谷歌未能使用足够多样化的人脸数据来训练算法。
南加州大学信号分析实验室的主任 Shri Narayanan 表示，SAIL 还在研究如何进行剧本的情感分析，但他们的机器至今还不能很准确地分析喜剧剧本。“目前机器学习技术还做不到发现喜剧的笑点以及怎样制造笑点，”Narayanan 说。
