圖片來自“123rf．com．cn”

2017年，是中國電影市場回歸“快車道”，繼續(xù)昂首前進(jìn)的一年。藝術(shù)片《岡仁波齊》、小眾國漫《大護(hù)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(qiáng)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(dāng)人工智能也開始關(guān)注電影，會在現(xiàn)實(shí)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(yù)告片。工程師們首先給Watson輸入100部恐怖電影預(yù)告片進(jìn)行學(xué)習(xí)，主要分析了預(yù)告片的畫面、聲音、創(chuàng)作構(gòu)成，并貼上對應(yīng)的情感標(biāo)簽，這是基于人工智能系統(tǒng)可以識別預(yù)告片中人物的語調(diào)、聲音、背景音樂與此時人類相對應(yīng)的情感類型。在Watson的幫助之下，電影工作人員制作預(yù)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(xué)習(xí)的結(jié)果對于電影工作人員來說確實(shí)可喜，但是AI技術(shù)入侵一直由人類主導(dǎo)的藝術(shù)領(lǐng)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(rèn)為電影在人工智能上之路至少還存在三個障礙。

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(xué)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(luò)，將包括《星際穿越》、《超時空圣戰(zhàn)》、《捉鬼敢死隊(duì)》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(jìn)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(dāng)中，情節(jié)混亂，前言不搭后語是常態(tài)。每一個獨(dú)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?yàn)樯�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(shí)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(jìn)行創(chuàng)造，并利用比喻等方式去進(jìn)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(diǎn)，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(xué)模型去實(shí)現(xiàn)還是個大大的問號。