看得見的智能
——人工智能在影視產業鏈中的應用和反思

(北京電影學院管理學院,北京 100088)

作為第四次工業革命的主角,人工智能已經從一種遙不可及的科學幻想,成為繼互聯網之后的又一個通用技術,并與諸多行業產生化學反應,落地為智慧醫療、智慧教育、智慧金融、智慧交通、智慧媒體等應用。而在影視產業,人工智能同樣作為智囊團和推動器帶來許多創新突破,基于人工智能的智能影視產業鏈逐漸得到關注。

1 人工智能概述

1.1 人工智能的起源

早在“人工智能”這一概念出現之前,就有學者圍繞著計算、邏輯、推理、人工大腦等話題開始了研究和探討,研究表明推理的某些方面可以用簡單的結構形式化。1943 年,MCCULLOCH 和PITTS提出世界上第一個神經網絡模型 (MP模型)“擬腦機器”(Mindlike machine)。1950年,TURING 在《計算機器與智能》一文中對機器智能進行了最早的系統化科學論述,文中提出的圖靈測試被認為是“檢驗機器是否具有智能”的唯一可操作性檢驗標準。1956 年,McCarthy等人在達特茅斯會議上提出:“我們將研究如何讓機器去使用語言、進行抽象思考并且形成可理解的概念,讓機器去解決目前只能人類去解決的問題,并使機器自我完善”,并以“人工智能”這一概念總結了研究想法,這標志著人工智能正式成為一個獨立的研究領域。

1.2 人工智能的定義

人工智能(AI,Artificial Intelligence)自1956年被正式提出至今仍未有統一定義。Charniak 和McDermott提出人工智能是通過計算模型來研究心智能力的學科。歐盟人工智能獨立委員會提出:“人工智能系統是由人類設計,給出一個復雜的目標,在物理或數字維度通過感知環境數據采集、解釋收集到的結構化或非結構化數據、知識推理或處理信息,從這些數據中得出并決定實現給定目標的最佳操作?！眹鴥鹊耐跹语w等學者提出人工智能是試圖挖掘人類智能的實質,從而對人類智能進行模擬和拓展的一門新興技術學科。

綜上可看出,關于人工智能的觀點終究離不開“研究人類智能的規律”這一核心。因此可將人工智能界定為“借助非生物載體對人類智能規律的挖掘和模擬,從而達到、延伸甚至超越人類智慧的一門技術科學”。

2 亟待人工智能轉型的影視產業鏈

隨著社會分工的深化和技術的突破,影視產業鏈由傳統向智能的方向轉型更新成為大勢所趨。影視產業盡管一貫以來視創意為發展核心,但正如布萊恩·阿瑟在《技術的本質》中指出,“經濟浮現或萌發于它的技術當中,隨著技術的變化而繼續重構,技術創造了經濟的結構?！比斯ぶ悄軙r代的到來意味著影視產業原有的生態將發生重構,近年來影視生產的諸多環節也出現了人工智能技術賦能的新情境。

2.1 實現智能影視的賦能技術

和影視產業密切相關的人工智能具體技術中包括:機器學習、自然語言處理和計算機視覺等技術。

(1)機器學習

機器學習是一種學習過程,它使用計算機累積和存儲數據,然后利用學習算法歸結出模型并訓練數據,當面對新情況時便能進行相應的判斷和預測9。

人工智能任務的解決途徑通常是取一個合適的特征集合,把它提供給學習算法從而提取出模型,但由于原始數據中的概念或特征層層相扣,我們難以判斷哪些應該提取。因此,我們讓機器去學習表示原始數據的特征,再用學到的表示方法去表示更復雜的特征,即通過簡單概念來構建復雜概念。上述過程便是深度學習 (Deep Learning)——一種特別的、更高層次的機器學習,是通向人工智能的重要途徑之一。

(2)自然語言處理

自然語言處理 (Natural Language Processing,NLP)是研究如何通過計算機建立語言模型并用該語言模型來實現人與計算機之間以自然語言的溝通。通俗而言,就是解決如何讓計算機“聽懂”人的語言的問題。自然語言處理主要包含語音識別、文本分類聚類、信息抽取、情感分析、機器翻譯等內容。

(3)計算機視覺

計算機視覺研究的是如何讓機器擁有像人眼一樣對事物的感知能力,如何建立一種“機器視覺”,讓機器可以識別和跟蹤目標圖像,并通過學習不斷優化對圖像的處理。計算機視覺是一門結合了數字信號處理技術、計算機圖形圖像、信息論和語義學的跨學科技術,主要涉及圖像信息理解、圖像檢索、目標跟蹤和監測等內容。從計算機視覺領域衍生的應用包括人臉識別、視頻推薦系統以及視頻內容審核等。

2.2 智能影視產業鏈布局

影視產業鏈是指以作品版權為核心的貫穿開發創作、拍攝制作、宣傳發行(內容推送)、影院放映(在線播映)以及衍生品開發整個過程的影視生產鏈條。人工智能技術在影視產業鏈上的滲透呈現跨領域、多技術融合的特征,逐漸向著多層次、具有復合結構的智能影視產業鏈發展。參考人工智能產業鏈,我們可將智能影視產業鏈的結構分為四層 (見圖1)。

圖1 智能影視產業鏈布局圖

(1)基礎層

最底層為基礎層,用于支撐人工智能影視的發展。如傳感系統負責在影視產業鏈各個環節搜集數據;高性能的芯片和計算服務器將大幅度提高數據識別和運算的效率,為上層的人工智能無監督學習提供強大的計算力;5G 以其出眾的帶寬速度、高覆蓋率和低延時的優勢助力信息在不同場景下的實時傳輸,更好地支持承載影視作品的大流量應用;云計算對分布式數據的虛擬化處理及其強大的計算力,使解讀影視大數據成為了可能,進而才能為人工智能訓練提供高維度的數據樣本。

(2)數據層

第二層為數據層,為影視行業實現人工智能提供物料和資源。人工智能技術通過計算、挖掘和學習各種數據從而得到規律,進而能夠針對細致的任務指令進行預測和判斷?？梢哉f,人工智能始于數據并向我們展現和提供更優的數據,進一步幫助影視數據可視化,從而指導影視從業者做出更優的預判和決策,為整個影視產業發展減少阻力。

(3)技術層

第三層為技術層,這一層包含著人工智能運用在影視產業中的算法和技術,如機器學習算法、自然語言處理技術、計算機視覺等。其主要作為溝通機器與現實問題的橋梁,讓機器準確地感知我們生活的世界,并且通過訓練學習實現更自主的問題解決。

(4)應用層

第四層為應用層,即影視產業鏈各個環節能夠實現的具體智能應用。如開發創作環節的人工智能選角和劇本預測,攝制環節中基于深度學習、云化等技術的智能動作表情捕捉和圖像渲染,宣傳發行環節中個性推薦系統和精準分發,影片放映環節中的人工智能廣告投放以及衍生品開發環節中不同場景的虛實交互等。

3 人工智能在影視產業鏈的應用

3.1 人工智能分析預測輔助項目開發創作

進入人工智能時代,大數據和機器學習改變了影視項目開發難以把控風險、調研時間成本高的局面。一類決策支持型人工智能平臺通過對已有數據的分類和聚類,形成多維度的樣本集,再交由算法模型訓練并測試,逐漸實現準確的預測。如人工智能平臺ScriptBook能對先前的案例數據進行建模,從角色的行為、對話中識別角色性格特征,對電影分級、目標觀眾構成和最受觀眾歡迎的角色以及票房收入做出預測,輔助項目開發決策。

而另一類人工智能平臺正朝著內容生成型轉變,如ScriptBook的劇本生成器能通過特定的詞和短語識別出風格和主題,生成指定的故事設定和類型,并依據上下文正確地描繪出劇本結構。迪士尼的Spellcheck能分析劇本中角色的性別、種族、殘疾等指標的百分比,以識別和糾正劇本的潛在的偏見,生成更中立的內容。更有學者使用人工智能甄別出能激起觀眾反應的特定弧線,讓故事的創作更深入人心。

人工智能還能輔助選角,減少人工選角主觀因素的干擾。如優酷通過全網輿情提煉出演員的個人標簽,又從其歷史扮演的角色中提煉出角色標簽,建立模型,將演員和角色進行匹配度計算,為《長安十二時辰》選定由雷佳音扮演張小敬這一角色,最終的市場表現也驗證了人工智能選角的可靠性。

盡管擁有智能分析與創作功能的人工智能產品不斷涌現,但大多數劇本都難以真正投入拍攝。這種制約既來自技術的尚未突破,也因人工智能與真正的人之間在邏輯分析、思辨和情感升華等方面存在著差距。相信隨著人工智能的技術積累,影視作品自動化生產的進程會加快,機器生產內容 (MGC模式,Machine-Generated Content)引領的時代隨時會到來。

3.2 人工智能為影視制作帶來更多創新可能

影視節目的攝制環節涉及到的專業技術頗多,人工智能在此階段的應用集中在面部與動作捕捉以及剪輯和視覺特效處理上,如 《復仇者聯盟3》中使用機器學習算法對真人演員面部表情的捕捉和跟蹤,制作出“滅霸”角色更逼真的表情;Weta公司使用深度學習的方法推算“阿麗塔”角色的運動數據,繪制出更精致的肌膚細節。

人工智能的進一步普及也會帶來攝制環節的“崗位洗牌”,在解放技術人員雙手的同時,倒逼業內整體人才素養提升。特效軟件Massive實現了人工智能模擬功能,人工智能替身幫助節省了生成CG 角色的時間,也減少對演員崗位的需求。《中國新說唱》的智能剪輯用人工智能進行自動化的音視頻對位工作,極大地減輕了剪輯師的基礎工作,留給他們更多創造的精力和空間。

在把握受眾需求的方面,人工智能在后期制作的運用試圖讓視覺效果不斷向高層次豐富,如用選取基準圖片和提取視頻的關鍵幀的方式,把圖片的風格遷移至視頻中,實現用戶對風格的定制。

就目前而言,我們看到人工智能在攝制階段的應用向后期制作傾斜,前期的拍攝準備、拍攝現場管理階段甚至全流程監管方面仍然留有人工智能施展才能的巨大空間。

3.3 人工智能推薦算法推動內容分發精準化

優質的內容生產更需要精準的分發渠道保駕護航。個性化推薦系統在機器學習技術的參與下對有效信息的抓取和冗余信息的過濾都更為準確,提高了分發和接受的效率。

一方面,這些推薦系統可以從用戶主觀感受的角度分發。如使用一種結合圖像與文本信息的電影推薦算法,從電影海報的圖像信息中提取情感要素進行識別,當用戶用相應的情緒關鍵詞進行檢索時,推薦系統能夠智能地篩選出符合用戶情感需求的電影。

另一方面,推薦系統還可以從用戶歷史行為的角度分發。國外的電影推薦網站IMDb 和爛番茄,流媒體平臺Netflix、You Tube早已借助人工智能驅動的推薦系統在穩固用戶的路上越走越遠。而國內近幾年迅速崛起的短視頻平臺抖音,依托在計算機視覺方面的研究,開發了強大的推薦系統為用戶精確匹配符合口味的短視頻。

但我們也需要看到局限——人工智能首先依賴“知識聚集”進行知識生產,大規模地對數據進行占有、挖掘和再生產,但這樣生產出來的知識更多是一種“形式化的內容”,為了提供系統效率,而非優化知識的內容。推薦系統看似實現了精準營銷和運營效率,但長久可能會形成“信息繭房”。而算法看似客觀中立,但在數據篩選、機器學習的過程中難免帶上程序員個人的偏見,因為計算機只單純進行程序運算,并沒有智能到質疑數據的程度。

3.4 人工智能算法助力體驗優化與流量變現

影院放映(在線播映)環節是影視作品得以變現的最重要環節。麻省理工學院用人工智能算法Pensieve模仿人工神經網絡,并通過機器學習不斷適應變化的播放環境,優化視頻加載、呈現的方式;Netflix的人工智能系統Dynamic Optimizer可對視頻進行逐幀分析,在連接速度慢的時候選擇性地壓縮場景以提高圖像質量,為用戶帶來更好的觀看體驗。以人工智能技術來優化在線視頻的播放質量和觀感,與提高影視作品的商業價值也息息相關。

另外,用人工智能技術對視頻內容的精準識別,挖掘廣告的投放場景甚至自動化地生成廣告創意以及采用“AI雷達”功能讓觀眾通過遙控實現對視頻里同款商品的檢測,這些方式都有助于拓寬影視作品的變現渠道。

4 熱潮下的冷思考

人工智能的浪潮給影視產業鏈帶來了升級和重構,為驅動影視產業發展和演進不斷注入活力。但在人工智能的熱浪帶來種種新鮮可能的同時,我們更應該冷靜下來思考其中的問題。

首先,人工智能還處于弱人工智能向強人工智能發展的階段,人工智能對于影視產業依然只是輔助的價值,“機器可以替代甚至超越人類”的想法還為時尚早。目前不管是令人耳目一新的劇本生成器還是智能剪輯,它們終究離不開人為建立和篩選的數據庫,并且產出的內容大多只是在基本輪廓上符合要求,與人類使用邏輯思維、生活閱歷、情感體驗而創作出的內容相比,其內核依然顯得空洞,缺少人心創作所攜帶的溫度和深度。

其次,人工智能在學習時所基于的龐大數據資料,很難說全都經由用戶授權同意提供。在沒有完善的行業規范和法律法規對人工智能應用進行指導和監管的情況下,是否給了高智商犯罪人員可乘之機,利用人工智能實施犯罪?

最后,商業邏輯下人工智能的應用善于投其所好,滿足用戶眼前的需求,還善于偵查輿情,參考他人的關注趨勢來推送信息。但倘若在算法設計階段被賦予具有偏差的價值取向,在信息傳播過程中又遇上“繭房效應”,負面影響將有可能被放大和增強。

未來一方面應讓人工智能技術在影視創作中更“像人”,除了依靠基礎技術的進一步突破,還要重視數據的真實性。采集得到的原始數據需要經過轉寫和標注,所形成數據集的可靠程度、專業程度,都會對后期人工智能訓練形成算法模型的效果造成影響。因此,讓影視創作的專業人士參與數據的處理過程,及時進行更正和調試,不失為一種改善最終創作效果的選擇。

另一方面,鑒于產業鏈是一個動態集合體,可以讓影視產業鏈條向吸收人工智能技術的方向去延伸和豐富?？紤]讓影視企業與人工智能企業或是數據服務商企業實現兼并、重組,以增強影視企業在人工智能方面的技術優勢和議價能力,在應用實現方案的溝通上也能更加有針對性,更為暢通。

5 結語

當下,人工智能技術為影視產業孕育著層出不窮的機遇,進一步推動著范式的轉換與產業的變革。然而站在風口上,卻并非每個人都能成功飛起來。在智能影視的盛宴里,并不意味著“博人眼球即是勝者”,盲目地使用人工智能技術而忽視影視創意本質的做法不能長久。智能影視為產業發展提供了一種思維方式,但更需潛心制作的創意內容作為支撐,只有當技術和內容有機結合,才能更好驅動影視產業的健康發展、有序提升。?