淺談人工智能對(duì)電影行業(yè)的影響：應(yīng)用與挑戰(zhàn)

孫見(jiàn)昕

中影動(dòng)畫(huà)產(chǎn)業(yè)有限公司，北京 101400

1 引言

電影是科技和藝術(shù)高度融合的產(chǎn)物。隨著計(jì)算機(jī)技術(shù)不斷革新，人工智能（AI）在電影行業(yè)的應(yīng)用正逐漸深入到電影創(chuàng)作、后期制作、營(yíng)銷推廣等各個(gè)領(lǐng)域。從節(jié)約時(shí)間和成本到提高工作效率和質(zhì)量，再到深入分析受眾群體和市場(chǎng)趨勢(shì)，人工智能可以為電影制作提供全方位的支持和幫助。

2 人工智能在電影攝制中的應(yīng)用

2.1 前期準(zhǔn)備階段

電影的前期準(zhǔn)備階段是奠定電影基礎(chǔ)的重要環(huán)節(jié)，是確定電影創(chuàng)作基調(diào)以及影片風(fēng)格的決定性環(huán)節(jié)。人工智能在此環(huán)節(jié)的主要作用是輔助創(chuàng)作和方案生成。

2.2 前期開(kāi)發(fā)階段

通過(guò)分析電影市場(chǎng)和觀眾偏好的數(shù)據(jù)進(jìn)行計(jì)算，人工智能能夠預(yù)測(cè)哪些電影類型可能更受歡迎、票房收入會(huì)更高，并指導(dǎo)他制片方選擇更適合的電影概念和創(chuàng)意方向。美劇《紙牌屋》的成功并非偶然。2013 年奈飛（Netflix）利用AI 技術(shù)搜集并分析用戶的收視選擇、評(píng)論、瀏覽習(xí)慣后，發(fā)現(xiàn)喜歡關(guān)鍵詞為“大衛(wèi)·芬奇”和“凱文·史派西”的用戶存在交集，于是決定買下《紙牌屋》的版權(quán)，并選定大衛(wèi)·芬奇擔(dān)任導(dǎo)演，凱文·史派西擔(dān)當(dāng)男主角?！都埮莆荨飞霞苤笱杆俪蔀槟物w有史以來(lái)觀看量最高的劇集之一。該平臺(tái)其他項(xiàng)目如《女子監(jiān)獄》《怪奇物語(yǔ)》等，都采用了類似的測(cè)算流程。

2.3 劇本編寫(xiě)階段

在劇本編寫(xiě)階段，AI 可以輔助編劇生成創(chuàng)意和故事概念，并根據(jù)電影風(fēng)格提供一些指導(dǎo)性建議，以幫助他們快速生成高質(zhì)量的劇本。AI 在劇本創(chuàng)作中的應(yīng)用主要有兩種：自動(dòng)劇本生成和劇本智能編輯。前者是通過(guò)大語(yǔ)言模型生成新劇本，以O(shè)penAI 公司的ChatGPT、百度文心一言等多模態(tài)大語(yǔ)言模型為代表，而后者是通過(guò)自然語(yǔ)言處理（NLP）技術(shù)對(duì)已有劇本進(jìn)行分析并進(jìn)行多層級(jí)的智能編輯和修改（圖1），以谷歌Dramatron 語(yǔ)言模型系統(tǒng)[1]為代表。Dramatron系統(tǒng)根據(jù)編劇提供的劇本摘要進(jìn)行分層，分為劇本標(biāo)題層、角色層、情節(jié)層、場(chǎng)景層等，之后生成整個(gè)劇本。編劇可以在分層生成的任何階段利用提示詞（Prompt）對(duì)生成結(jié)果進(jìn)行調(diào)節(jié)，以實(shí)現(xiàn)編劇和AI 共同編寫(xiě)劇本。自動(dòng)劇本生成是一種基于Transformer的多模態(tài)大模型技術(shù)，其核心在于多維度數(shù)據(jù)的深度學(xué)習(xí)算法。這種技術(shù)需要使用大量的數(shù)據(jù)作為輸入，并對(duì)數(shù)據(jù)進(jìn)行清洗以及編碼，設(shè)定學(xué)習(xí)目標(biāo)和模型結(jié)構(gòu)、訓(xùn)練模型，通過(guò)提示詞生成全新的劇本內(nèi)容。劇本智能編輯技術(shù)則是一種自然語(yǔ)言模型技術(shù)，它可以生成劇本，也可以對(duì)已有的劇本進(jìn)行智能編輯和修改。通過(guò)自動(dòng)檢測(cè)和修復(fù)劇本中的錯(cuò)誤，優(yōu)化劇本結(jié)構(gòu)和情節(jié)，接收編劇的指令與編劇共同完成劇本。類似的劇本編輯系統(tǒng)還有ScriptBook 公司開(kāi)發(fā)的DeepStory 劇本創(chuàng)作系統(tǒng)。

2.4 角色設(shè)計(jì)和演員選擇階段

通過(guò)分析演員的表演能力、人氣、流量、粉絲活躍程度、市場(chǎng)價(jià)值等多個(gè)指標(biāo)，AI 可以幫助電影公司更加準(zhǔn)確地選擇演員。通過(guò)采集演員的表演歷史和作品，評(píng)估其表演能力和風(fēng)格，從而找到最適合某個(gè)角色的演員。分析社交媒體和短視頻平臺(tái)上的演員熱度和關(guān)注度以及粉絲的活躍程度，幫助電影公司更好地把握市場(chǎng)需求，選擇更具市場(chǎng)潛力的演員。電影角色可以通過(guò)智能圖像技術(shù)提前進(jìn)行虛擬試鏡，運(yùn)用該技術(shù)還可對(duì)每個(gè)演員的表演進(jìn)行分析和比較。根據(jù)虛擬試鏡的結(jié)果，綜合流量、人氣等數(shù)據(jù)，選擇最適合的演員（圖2）。

圖2 智能角色設(shè)計(jì)和演員選擇流程圖

Cinelytic 平臺(tái)的TalentScoresTM能夠基于電影人才（歐美市場(chǎng)）分析功能對(duì)演員的商業(yè)利潤(rùn)標(biāo)準(zhǔn)進(jìn)行分析并給出排名，以便電影公司根據(jù)排名選擇商業(yè)價(jià)值高的演員（圖3）。國(guó)內(nèi)貓眼平臺(tái)和燈塔平臺(tái)也陸續(xù)跟進(jìn)這一功能。

圖3 Cinelytic 平臺(tái)TalentScoresTM電影人才分析排名頁(yè)面[2]

圖4 Stable Diffusion 通過(guò)提示詞生成圖片流程圖

2.5 美術(shù)設(shè)計(jì)階段

2014 年，人工智能生成式對(duì)抗網(wǎng)絡(luò)（GAN）技術(shù)產(chǎn)生，原理是通過(guò)兩個(gè)神經(jīng)網(wǎng)絡(luò)相互競(jìng)爭(zhēng)來(lái)產(chǎn)生圖像。運(yùn)用這項(xiàng)技術(shù)生成的藝術(shù)作品《埃德蒙·貝拉米的肖像》在2018 年佳士得拍賣會(huì)上以43.25 萬(wàn)美元的價(jià)格售出。CompVis 和Runway 團(tuán)隊(duì)于2021 年12月提出潛在擴(kuò)散模型（Latent Diffusion Model，LDM），運(yùn)用該模型生成的繪畫(huà)作品《太空歌劇院》,一舉獲得2022 年8 月美國(guó)科羅拉多州博覽會(huì)美術(shù)比賽第一名,這一事件在業(yè)內(nèi)外引起了廣泛關(guān)注和熱烈討論，進(jìn)一步推動(dòng)了AI繪畫(huà)的開(kāi)發(fā)和應(yīng)用熱潮。

訓(xùn)練大模型需要大量的時(shí)間和金錢(qián)成本，對(duì)于電影劇組而言，以少量數(shù)據(jù)快速訓(xùn)練成為一種迫切的需求。LoRA（Low-Rank Adaptation）模型是一種輕量化微調(diào)（Parameter-Efficient Fine-Tuning,PEFT）模型，可以通過(guò)低秩矩陣（Low-Rank Matrix）的方式完成短時(shí)間訓(xùn)練成型，LoRA 模型參數(shù)不會(huì)破壞大模型的數(shù)據(jù)，通過(guò)參數(shù)注入的方式調(diào)整模型的生成風(fēng)格從而生成圖片。簡(jiǎn)單文本輸入無(wú)法滿足美術(shù)部門(mén)對(duì)構(gòu)圖和畫(huà)面精準(zhǔn)控制需求，PEFT 微調(diào)模型Control-Net[3]控制network block 的輸入條件，使得生成圖像更加可控，從而實(shí)現(xiàn)了線稿上色、風(fēng)格遷移、局部重繪等諸多實(shí)用功能（圖5）。這類微調(diào)模型的出現(xiàn)使得可控圖像生成領(lǐng)域得到進(jìn)一步發(fā)展。

圖5 基于ControlNet 微調(diào)技術(shù)，通過(guò)輸入線稿引導(dǎo)擴(kuò)散模型生成不同風(fēng)格的圖像

2.6 中期拍攝階段

電影拍攝是個(gè)復(fù)雜的過(guò)程，其中不乏重復(fù)且枯燥，但不得不做的環(huán)節(jié)。AI 技術(shù)已能從多方面輔助人員從這些事務(wù)中解脫出來(lái)，得以更專注于電影創(chuàng)作本身，進(jìn)而提高電影的拍攝效率和質(zhì)量。

(1)制定拍攝計(jì)劃及拍攝方案：根據(jù)劇本和美術(shù)設(shè)計(jì)生成拍攝計(jì)劃和拍攝方案，包括攝影機(jī)的擺放和移動(dòng)位置、攝影師的拍攝角度和光線選擇、場(chǎng)面調(diào)度、演員走位等。

(2)攝影技術(shù)優(yōu)化：攝影優(yōu)化目前廣泛應(yīng)用于智能手機(jī)、微單、短視頻創(chuàng)作等領(lǐng)域。在電影長(zhǎng)片攝影中這些技術(shù)多用于輔助拍攝，如智能對(duì)焦、智能色彩校正和圖像穩(wěn)定等方面的技術(shù)。現(xiàn)階段AI在此領(lǐng)域無(wú)法完全替代人工操作。

(3)攝制現(xiàn)場(chǎng)監(jiān)測(cè)：視頻監(jiān)測(cè)技術(shù)廣泛應(yīng)用于安防監(jiān)控、流量監(jiān)控、自動(dòng)駕駛等領(lǐng)域。但目前在電影攝制領(lǐng)域，這項(xiàng)技術(shù)仍處于探索階段。谷歌公司開(kāi)發(fā)的MediaPipe Solutions 是基于預(yù)訓(xùn)練的TensorFlow Lite（TFLite）模型，能夠?qū)崿F(xiàn)攝像機(jī)感知、視頻目標(biāo)監(jiān)測(cè)（圖6）等功能。

圖6 基于MediaPipe Solutions 的攝制現(xiàn)場(chǎng)目標(biāo)監(jiān)測(cè)

(4)面部識(shí)別和跟蹤：使用MediaPipe Face Mesh結(jié)合OpenCV 進(jìn)行人體面部實(shí)時(shí)計(jì)算生成面部的3D拓?fù)浣Y(jié)構(gòu)，其計(jì)算過(guò)程采用機(jī)器學(xué)習(xí)(ML)來(lái)推斷這個(gè)3D 結(jié)構(gòu)表面點(diǎn)的空間位置（XYZ），從而形成動(dòng)態(tài)幾何體動(dòng)畫(huà)，輸出幾何體動(dòng)畫(huà)數(shù)據(jù)得以驅(qū)動(dòng)三維CG角色（圖7）。該方案在整個(gè)數(shù)據(jù)計(jì)算過(guò)程可以利用輕模型架構(gòu)和GPU 加速，做到實(shí)時(shí)輸出有效數(shù)據(jù)。目前該項(xiàng)技術(shù)的精度和穩(wěn)定性不足以生成直接可用的電影級(jí)別數(shù)據(jù)，不過(guò)其意義在于可以在現(xiàn)場(chǎng)實(shí)時(shí)驅(qū)動(dòng)用于電影預(yù)演（Previz)、預(yù)拍攝等環(huán)節(jié)的虛擬數(shù)字人角色。

圖7 通過(guò)MediaPipe Face Mesh 進(jìn)行面部識(shí)別,并根據(jù)相應(yīng)數(shù)據(jù)驅(qū)動(dòng)三維CG 角色

(5)動(dòng)作捕捉：傳統(tǒng)的動(dòng)作捕捉技術(shù)是通過(guò)身體佩戴傳感器(慣性捕捉）或者身上粘貼反光點(diǎn)（光學(xué)捕捉）的方式，利用終端接收傳感器信號(hào)或者光點(diǎn)信號(hào)進(jìn)行匹配三維角色以完成動(dòng)作捕捉工作。傳統(tǒng)動(dòng)作捕捉流程對(duì)場(chǎng)地和設(shè)備都有一定要求，而人體姿態(tài)估計(jì)技術(shù)可以只利用一個(gè)攝像頭或者一段視頻，通過(guò)一個(gè)輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）架構(gòu)實(shí)現(xiàn)身體姿態(tài)實(shí)時(shí)追蹤(圖8）。盡管目前通過(guò)這種方式獲得的動(dòng)作捕捉精確度無(wú)法達(dá)到光學(xué)捕捉的程度，但在遮擋物體不多的情況下，其精度接近慣性動(dòng)作捕捉。由于電影預(yù)演環(huán)節(jié)對(duì)動(dòng)作的精準(zhǔn)度和流暢度要求只需達(dá)到對(duì)后續(xù)現(xiàn)場(chǎng)拍攝有一定的動(dòng)作參考作用即可，因此身體姿態(tài)實(shí)時(shí)追蹤技術(shù)可應(yīng)用于電影預(yù)演環(huán)節(jié)。

圖8 基于MediaPipe BlazePose 動(dòng)作捕捉數(shù)據(jù)生成不同風(fēng)格的AIGC 角色

(6)素材歸檔分類：利用圖像分割模型(Segment Anything Model，SAM)識(shí)別技術(shù)實(shí)現(xiàn)拍攝素材自動(dòng)分類和歸檔，提高后期制作效率（圖9）。

圖9 通過(guò)SAM 模型對(duì)畫(huà)面進(jìn)行分割[4]

2.7 電影視效制作階段

(1)視覺(jué)效果合成:通過(guò)自動(dòng)識(shí)別、分類、匹配等算法來(lái)進(jìn)行自動(dòng)合成和處理，實(shí)現(xiàn)智能摳像、擦除威亞、更換背景、物體追蹤、物體移除（圖10）等工作，有效提升后期合成效率。

圖10 后期調(diào)色軟件DaVinci Resolve 物體移除效果[5]

(2)生成特效:目前通過(guò)人工智能生成內(nèi)容（AIGC）獲得的特效精度和動(dòng)態(tài)尚未達(dá)到電影級(jí)別，但可用于電影預(yù)演的部分工作，包括示意特效位置、大小、動(dòng)態(tài)等信息。例如，根據(jù)提示詞或者提示畫(huà)面直接生成天氣變化、物理碎裂、爆炸（圖11）等特效視頻。

圖11 通過(guò)Runway 的Gen-2模型生成一段連貫的爆炸視頻[6]

(3)畫(huà)面修復(fù)和上色:人工智能可輔助修復(fù)視頻素材中的瑕疵問(wèn)題，如面部修復(fù)、去壞點(diǎn)、去噪點(diǎn)等?；谏墒綄?duì)抗網(wǎng)絡(luò)（GAN）技術(shù)廣泛應(yīng)用于老電影的修復(fù)工作（圖12），《紅日》《開(kāi)國(guó)大典》《決勝時(shí)刻》《永不消逝的電波》等多部經(jīng)典老電影經(jīng)過(guò)AI修復(fù)后得以重映。

圖12 通過(guò)生成式對(duì)抗網(wǎng)絡(luò)對(duì)電影《紅日》黑白畫(huà)面進(jìn)行上色測(cè)試截圖

(4)三維建模:通過(guò)提示詞或者提示畫(huà)面生成虛擬角色和場(chǎng)景，從而減少三維制作環(huán)節(jié)的工作量和時(shí)間成本。在一些歷史題材的電影中，AI 能夠通過(guò)分析歷史資料和文獻(xiàn)，自動(dòng)生成符合歷史風(fēng)貌的三維場(chǎng)景。目前基于AIGC 生成的場(chǎng)景模型大多面臨布線和精度的問(wèn)題，還是需要人工重新進(jìn)行拓?fù)洳⒃黾蛹?xì)節(jié)以滿足電影標(biāo)準(zhǔn)。

(5)換臉技術(shù)：使用深度學(xué)習(xí)算法在視頻中生成逼真的人臉交換。在影片《愛(ài)爾蘭人》《流浪地球2》中用于改變演員面部以達(dá)到改變年齡的效果。

2.8 聲音創(chuàng)作制作方面

1957 年，列哈倫·希勒用計(jì)算機(jī)寫(xiě)出的弦樂(lè)四重奏《伊利亞克組曲》；20 世紀(jì)80 年代大衛(wèi)·庫(kù)佩開(kāi)發(fā)了能模仿巴赫音樂(lè)風(fēng)格的作曲程序音樂(lè)智能實(shí)驗(yàn)（Experiments in Musical Intelligence，EMI）；到20 世紀(jì)90 年代，運(yùn)用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模式進(jìn)行和聲生成的Musact 系統(tǒng)被開(kāi)發(fā)出來(lái)[7]。受限于當(dāng)時(shí)高昂的研發(fā)成本，加上當(dāng)時(shí)商業(yè)上沒(méi)有成熟的運(yùn)營(yíng)模式，在之后很長(zhǎng)一段時(shí)間內(nèi)各國(guó)對(duì)AI 技術(shù)的投入逐漸收緊，導(dǎo)致AI技術(shù)沒(méi)有取得重大突破。

互聯(lián)網(wǎng)時(shí)代的到來(lái)使得數(shù)據(jù)規(guī)模急速膨脹，通用圖形處理器（Graphics Processing Unit，GPU）、張量處理器（Tensor Processing Unit，TPU）等算力硬件設(shè)備的性能得到大大提升，為AIGC 的快速發(fā)展奠定了基礎(chǔ)。2014 年，深度學(xué)習(xí)算法的提出以及互聯(lián)網(wǎng)的海量可用數(shù)據(jù)，促使AIGC 快速發(fā)展時(shí)代的到來(lái)。音樂(lè)領(lǐng)域基于深度學(xué)習(xí)技術(shù)的AIGC 系統(tǒng)百花齊放，可以根據(jù)提示詞和圖片自動(dòng)生成音樂(lè)和音效的AIVA、MusicLM、Jukebox，此外結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）技術(shù)的AutoFoley，可以實(shí)現(xiàn)從無(wú)聲視頻生成擬音音效和音樂(lè)。除了對(duì)音樂(lè)和音效的直接生成，目前還有智能降噪、人聲提取、音色轉(zhuǎn)換（“AI孫燕姿”所使用的So-VITS-SVC 技術(shù)）等，被廣泛應(yīng)用于聲音的創(chuàng)作生產(chǎn)中。

2.9 電影視頻剪輯方面

(1)視頻標(biāo)注：使用圖像和文本分割技術(shù)來(lái)標(biāo)注或分類視頻。例如，通過(guò)視頻識(shí)別出現(xiàn)的物體、場(chǎng)景和人物等元素，將視頻分類為不同的主題和類型并為它們添加標(biāo)簽和描述，提高剪輯師對(duì)素材的搜索和瀏覽效率。

(2)智能剪輯：根據(jù)用戶輸入的提示詞或者文案腳本，自動(dòng)抓取視頻素材并匹配相應(yīng)的音樂(lè)，完成一段視頻的剪輯制作。目前抖音推出的剪映、Adobe 推出的Firefly 均提供智能剪輯服務(wù)。2016 年，科幻片《摩根》（Morgan）成為全球第一部由AI 剪輯完成的電影預(yù)告片。智能剪輯目前廣泛應(yīng)用于短視頻、宣傳片等的創(chuàng)作，但現(xiàn)階段智能剪輯在電影長(zhǎng)片的應(yīng)用還處于探索階段。

3 人工智能在電影制片中的應(yīng)用

現(xiàn)今電影拍攝逐漸成為新技術(shù)的高度融合體，電影工業(yè)化也是業(yè)內(nèi)外的熱點(diǎn)話題之一，拍攝現(xiàn)場(chǎng)利用運(yùn)動(dòng)控制系統(tǒng)（Motion Control System，MoCo）、無(wú)人機(jī)等設(shè)備進(jìn)行拍攝，視效團(tuán)隊(duì)也使用先進(jìn)的技術(shù)制作令人驚嘆的視覺(jué)效果。人工智能生產(chǎn)管理[8]被廣泛應(yīng)用于工業(yè)生產(chǎn)中并發(fā)揮著越來(lái)越重要的作用，但由于尚處于探索和嘗試階段，其在電影制片管理的應(yīng)用并不多。

(1)預(yù)算分配優(yōu)化：通過(guò)分析數(shù)據(jù)[9]、預(yù)測(cè)模型，人工智能幫助制片公司更加準(zhǔn)確地預(yù)測(cè)電影制作過(guò)程中的成本和時(shí)間，并根據(jù)各個(gè)部門(mén)的需求和工作量，優(yōu)化預(yù)算分配，確保每個(gè)環(huán)節(jié)獲得適當(dāng)?shù)馁Y源。

(2)風(fēng)險(xiǎn)評(píng)估：通過(guò)對(duì)數(shù)據(jù)和相關(guān)因素分析，對(duì)可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和評(píng)估，并提前制定相應(yīng)的預(yù)算措施，降低制片風(fēng)險(xiǎn)。

(3)物料采購(gòu)管理：電影制作需要大量的物料采購(gòu)，人工智能可以幫助制片公司根據(jù)預(yù)算和需求，分析、優(yōu)化并跟進(jìn)物料采購(gòu)計(jì)劃，以確保如服裝、道具、特效材料等物料的質(zhì)量和數(shù)量。

(4)進(jìn)度跟進(jìn)管理：通過(guò)智能化進(jìn)度管理系統(tǒng)，實(shí)現(xiàn)電影制作項(xiàng)目的計(jì)劃、進(jìn)度跟蹤、資源調(diào)度等方面的全流程自動(dòng)化管理，以期更好地控制和協(xié)調(diào)制作進(jìn)度。

(5)人員管理：優(yōu)化人員管理，包括招聘、考核、培訓(xùn)等方面，提高人員效率，控制項(xiàng)目成本。

(6)在線審片：智能在線審片系統(tǒng)實(shí)現(xiàn)了自動(dòng)化管理電影的審片流程和評(píng)審結(jié)果，確保審片過(guò)程的公正性。

目前如ScriptBook、Cinelytic、Merlin 等基于AI 的影視服務(wù)公司均提供智能制片服務(wù)。此外，華納兄弟（Warner Bros.）、20 世紀(jì)影業(yè)（20th Century Studios）、奈飛（Netflix）等影視公司也正在嘗試使用AI輔助制片工作。

4 人工智能在電影發(fā)行放映中的應(yīng)用

移動(dòng)設(shè)備逐漸成為大眾獲取信息的主要渠道，觀眾觀看電影的習(xí)慣隨之發(fā)生改變，更多的人選擇通過(guò)視頻平臺(tái)、流媒體等移動(dòng)端觀影。觀看方式的改變致使電影制片公司和電影院不得不調(diào)整商業(yè)模式和宣發(fā)策略。在這個(gè)新的市場(chǎng)環(huán)境中，制片公司和發(fā)行商需要更好地了解受眾喜好，并制定相應(yīng)的宣發(fā)策略。影片《八角籠中》宣發(fā)團(tuán)隊(duì)利用AI模型分析并最終選擇將短視頻和社交媒體平臺(tái)作為宣發(fā)的“主戰(zhàn)場(chǎng)”，根據(jù)社交媒體和短視頻平臺(tái)的觀眾行為及數(shù)據(jù)進(jìn)行有效分析，同時(shí)按照觀眾喜好制作宣發(fā)物料，并進(jìn)行相應(yīng)的精準(zhǔn)投放[10]。根據(jù)物料投放的實(shí)際效果和有效數(shù)據(jù)，實(shí)時(shí)調(diào)整宣發(fā)策略，使得影片的宣傳視頻多次登上各平臺(tái)的熱門(mén)榜，圍繞影片的相關(guān)話題也持續(xù)發(fā)酵，進(jìn)而吸引大批觀眾進(jìn)入影院觀影，使得影片票房理想。

發(fā)行公司還可以通過(guò)人工智能所分析的數(shù)據(jù)，預(yù)測(cè)電影在不同地區(qū)的票房收入以及觀眾對(duì)電影的口碑反饋，從而助力制定匹配的市場(chǎng)策略，包括宣傳時(shí)間、放映周期、排片場(chǎng)次等。例如，AI 分析顯示某個(gè)地區(qū)的觀眾對(duì)恐怖電影的喜愛(ài)度很高，那么就可以將該地區(qū)的放映影片類型調(diào)整為恐怖類電影，從而提高影院相應(yīng)時(shí)段的票房收入。

智能化影院票務(wù)和座位分配系統(tǒng)，是為確保觀眾能夠獲得最佳的觀影體驗(yàn)，影院可以根據(jù)觀眾的偏好和歷史購(gòu)票記錄，通過(guò)AI預(yù)測(cè)觀眾選座需求，從而制定最佳的座位分配方案。

5 面臨的挑戰(zhàn)和不確定性

人工智能為電影制作、發(fā)行、放映帶來(lái)了巨大的機(jī)遇。通過(guò)自動(dòng)化、高效能的流程應(yīng)用和數(shù)據(jù)分析技術(shù)，更快地生產(chǎn)出高質(zhì)量影片，更好地滿足觀眾的需求，匹配投資者利益。但同時(shí)也會(huì)帶來(lái)一定的風(fēng)險(xiǎn)和挑戰(zhàn)。

（1）技術(shù)限制：雖然AI可以輔助電影制作中的許多流程，但這些大多應(yīng)用于機(jī)械性、重復(fù)性的工作環(huán)節(jié)，而在關(guān)鍵創(chuàng)意環(huán)節(jié)，AI 仍無(wú)法完全替代人類。如導(dǎo)演、攝影師、演員、作曲家等創(chuàng)造性崗位，目前難以通過(guò)算法替代。

（2）成本限制：訓(xùn)練和優(yōu)化大模型需要大量的計(jì)算資源，時(shí)間成本高昂。電影的制作周期及預(yù)算通常比較緊張，在有限的時(shí)間內(nèi)完成模型的訓(xùn)練和優(yōu)化，也會(huì)給制作團(tuán)隊(duì)帶來(lái)額外的壓力和成本。

（3）降低電影創(chuàng)作水平：智能技術(shù)的發(fā)展及廣泛應(yīng)用可能會(huì)導(dǎo)致電影作品逐漸缺乏獨(dú)特性和藝術(shù)性，降低行業(yè)的創(chuàng)作水平和作品價(jià)值。AI 并不具備人類藝術(shù)家的思考能力和表現(xiàn)能力，目前的智能系統(tǒng)只能通過(guò)學(xué)習(xí)現(xiàn)有的數(shù)據(jù)和算法，從中提取規(guī)律和模式，進(jìn)行推理和決策。過(guò)度依賴AI 可能會(huì)降低人類創(chuàng)作的參與度，進(jìn)而影響行業(yè)創(chuàng)造力、想象力。智能分析和預(yù)測(cè)電影的時(shí)候，AI 往往只選擇那些有可能獲得高回報(bào)的電影進(jìn)行制作，長(zhǎng)久下去這可能會(huì)影響到電影制作的多樣性和藝術(shù)性。

（4）決策可信度：目前主流的AI大多基于深度學(xué)習(xí)算法，這種算法具有不可解釋性的特點(diǎn)（圖13），深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分為三層：輸入層、隱藏層、輸出層。隱藏層中的每一個(gè)節(jié)點(diǎn)就是一個(gè)神經(jīng)元，神經(jīng)元在學(xué)習(xí)過(guò)程中自主選擇對(duì)應(yīng)參數(shù)的特征。這些參數(shù)的具體含義不是人為設(shè)計(jì)的，即使開(kāi)發(fā)者了解智能神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和訓(xùn)練數(shù)據(jù)，也無(wú)法解釋為什么它會(huì)給出特定的結(jié)果或決策以致預(yù)測(cè)很可能不會(huì)被采納。

圖13 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

（5)管理邊界：AI 的計(jì)算過(guò)程并非完全由人類控制，存在一定的自主決策能力。這些決策可能會(huì)產(chǎn)生不利影響，如何讓人工智能承擔(dān)決策的責(zé)任，以及如何劃分AI 的管理邊界是一個(gè)需要思考和解決的問(wèn)題。

（6)數(shù)據(jù)隱私和信息安全風(fēng)險(xiǎn)：在電影行業(yè)中，AI涉及到的數(shù)據(jù)包括劇本、演職人員的個(gè)人信息、財(cái)務(wù)記錄、拍攝地點(diǎn)和安全措施等敏感信息。如果這些信息被泄露或遭到黑客攻擊，可能會(huì)給行業(yè)內(nèi)參與單位、人員等帶來(lái)巨大的損失。

（7)產(chǎn)生不公平和歧視：盡管當(dāng)前的人工智能并不能理解歧視和偏見(jiàn)等概念，但基于數(shù)據(jù)收集的方式、數(shù)據(jù)樣本的不平衡，以及數(shù)據(jù)標(biāo)注者的主觀觀點(diǎn)等因素，在現(xiàn)實(shí)世界應(yīng)用AI 仍可能產(chǎn)生不公平的結(jié)果，也可能會(huì)對(duì)某些群體造成不利影響。

（8)著作權(quán)歸屬問(wèn)題：雖然各國(guó)正在積極制定人工智能相關(guān)法律法規(guī)，但目前AIGC 作品著作權(quán)的歸屬問(wèn)題仍存在一定爭(zhēng)議。

（9)對(duì)就業(yè)的影響：通過(guò)深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)，AI 可以更快、更準(zhǔn)確地完成簡(jiǎn)單、重復(fù)性工作，一些傳統(tǒng)的勞動(dòng)密集型工作可能會(huì)被自動(dòng)化和機(jī)器人取代，進(jìn)而對(duì)就業(yè)市場(chǎng)產(chǎn)生一定影響。美國(guó)編劇工會(huì)（WGA）自2023 年5 月開(kāi)始罷工；2023 年7 月，美國(guó)演員工會(huì)（SAG-AFTRA）宣布罷工。AI 可能取代電影從業(yè)者的威脅成為本輪罷工的主要原因之一，這是自1960 年以來(lái)的好萊塢首次編劇和演員工會(huì)同時(shí)罷工。

6 結(jié)語(yǔ)

人工智能對(duì)電影行業(yè)的影響是一個(gè)復(fù)雜而多維的問(wèn)題，需要從技術(shù)、商業(yè)、文化等多個(gè)角度進(jìn)行思考和研究。2023 年7 月13 日，國(guó)家網(wǎng)信辦聯(lián)合國(guó)家發(fā)展改革委、教育部、科技部、工業(yè)和信息化部、公安部、廣電總局公布《生成式人工智能服務(wù)管理暫行辦法》[11]，該辦法的出臺(tái)是國(guó)家促進(jìn)AI 產(chǎn)業(yè)在我國(guó)發(fā)展的清晰信號(hào)，可以預(yù)見(jiàn)未來(lái)AI 技術(shù)在中國(guó)影視行業(yè)將會(huì)取得長(zhǎng)足的發(fā)展。當(dāng)前，電影制作公司和從業(yè)者需要在技術(shù)發(fā)展和商業(yè)變革中保持冷靜客觀的思考和適應(yīng)能力，在保持創(chuàng)意性、人性化的前提下充分利用AI 的優(yōu)勢(shì)輔助影片的創(chuàng)作和生產(chǎn)，電影本身仍然需要內(nèi)容、藝術(shù)以及觀眾的共鳴，這些關(guān)鍵因素是無(wú)法完全由算法和數(shù)據(jù)取代的。