ChatGPT將如何影響影視產業？
——生成式人工智能背景下的影視產業發展趨向

趙 瑜 張亦弛

2022年12月，《科學》雜志將生成式人工智能與詹姆斯·韋布空間望遠鏡、巨型細胞、多年生水稻等成果并舉，一同評選為年度科學突破。雖然人工智能多次進入相關榜單，但在被稱為生成式人工智能（AI Generated Content，AIGC）元年的2022年，《科學》雜志更加關注它在藝術領域的運用，提示我們正在面對一個具有創造力的人工智能時代（AI gets creative）。1

生成式人工智能目前最知名的產品就是ChatGPT，強大的自然語言理解能力讓人機交互能力獲得了令世人矚目的提升。ChatGPT快速的故事大綱和情節生成能力在其面世之初就引起了關注。同樣也在2022年12月，由ChatGPT “自編自導” 的電影短片《安全地帶》（The Safe Zone）問世。故事講述了在一個已經被人工智能掌權的世界中，三個人類手足爭奪一家人中唯一一個進入政府 “安全地帶”的生存機會。短片帶有明顯的反烏托邦色彩。生成式人工智能日益顯現的“ 創作” 能力，也讓人類憂思未來藝術的 “安全地帶” 何在。人工智能進入藝術這一最高級的人類精神活動2并非毫無爭議，如《太空歌劇院》 獲獎之后蜩螗羹沸便是明證。

一直以來影視行業對生成式人工智能的態度相對友好，計算機圖形處理、數字虛擬拍攝、CG特效制作等多個領域都已嵌入自動內容生成因素。目前行業已經在哪些領域應用生成式人工智能？使用的效果如何？從藝術本身帶有的復雜性來看，智能機器是否可以替代人類，生產出有溫度、有創造力的作品？本文將通過行業典型案例分析，為解答上述問題提供智識資源與實踐指引。

一、生成式人工智能及其在影視行業的應用

目前AIGC更多地居于產業討論范疇，是內容生產主體地位向機器和算法的進一步開放。2022年9月，中國信通院和京東探索研究院共同發布了《人工智能生成內容(AIGC)白皮書》，將AIGC定義為“既是從內容生產者視角進行分類的一類內容，又是一種內容生產方式，還是用于內容自動化生成的一類技術集合”。3這個概念和早前的 “機器生產內容”（Machine Generated Content，MGC）有一定的關聯。4卡內基梅隆大學和里海大學的研究者將AIGC定義為“使用高級生成式人工智能(GAI)技術生成的內容，而非人類作者創造的內容，（前者）可以在短時間內自動創建大量內容”。5

AI抑或機器，都在內容生產領域引入了技術人工物，也都在隱喻一種脫離人類掌控的自動化生產場景。影視從誕生伊始就是以技術人工物為中介的時間和空間雙重采樣6，每秒24幀的呈現模式成功地打散了連續性的時間，這種離散式的生產觀念突破為新媒體的發展開辟了道路，也為影視產業與計算機技術的結合奠定基礎。當下，自動文本生成、自動圖像和影像生成技術紛紛進入影視行業，雖然應用的程度和效果不一，但已經為影視工作者、研究者和欣賞者描繪了一幅“具有創造力的人工智能” 產業圖景。

圖1.短片《陽春》（Sunspring）劇照

（一）自動文本生成

導演Oscar Sharp和藝術家Ross Goodwin 在2016 年 運 用AI “本杰明” 編劇了短片《陽春》（Sunspring）。“本杰明” 是一個神經網絡模型，根據標題、對話、道具與動作等 “提示” 深度學習了大量的科幻劇本之后進行自動創作。與此同時 “本杰明” 還生成了一首歌的歌詞，最后成為影片的配曲。從影視敘事和美學特質分析，劇本中大部分的臺詞缺乏邏輯性和連貫性，時常讓人不知所云。例如，影片的結尾是女主角的獨白特寫長鏡頭，喃喃地說著：“我的意思是，他是虛弱的。我以為我可以改變我的想法。他瘋狂地要把它拿出來。這是很久之前了。他有些遲了。我將要成為一個時刻。我就是想要告訴你，我比他好很多……” 不僅臺詞含糊，《陽春》的故事結構也較為混亂，沒有學習到經典劇作敘事規范。這一方面是 “本杰明” 的參數不夠以致深度學習效果不佳所導致的，另一方面也客觀上顯現出當時的人工智能技術水平仍不能勝任長段落的寫作。

2017年《陽春》的原班人馬又用AI “本杰明” 編劇了第二部短片《這不是游戲》（It’s No Game）。乍看之下，這次 “本杰明” 的創作令人驚喜：不但故事結構、具體情節和臺詞寫作都有了明顯的進步，長段落前后連貫甚至富含深意。有評論因此認為AI編劇替換人類編劇可能性甚高。7然而，“本杰明” 只是該片的第一編劇而非唯一編劇，導演Oscar Sharp也參與了劇本的創作，這是一次 “人機互補” 的創作。由于創作者沒有公布具體的人機創作比例，AIGC用于自動劇本生成是否有了實質性的進步仍不得而知，但需要導演參與創作的結果使人推測系統生成的原作并不令人滿意。

2020年美國查普曼大學影視制作專業的兩名學生使用基于GPT-3的AI編劇Shortly Read，續寫了電影劇本并拍成短片《 目擊者》（Solicitors）。人類創作者給了AI編劇一個由兩三句話組成的 “激勵事件”（Inciting Incident），之后AI續寫了接下來的故事情節。最終成片除了前20秒，所有內容均由Shortly Read軟件編劇。雖然部分語句存在歧義和不通順的情況，但總體的故事走向明朗而富有懸念，尤其令人類創作者驚訝的是Shortly Read 居然在劇作中埋入了兩個歐·亨利風格的轉折。該片的導演Jacob Vaus表示：“從故事的角度來看它踩準了情節點，雖然是以一種有些奇異的方式。”8也許以此來判斷AIGC已經產生了獨特的創造性仍然為時過早。不過相比令人不明就里的《陽春》，《目擊者》在故事連貫性和臺詞寫作上都有了質的提升。

2021年2月，第一部由AI寫作的戲劇《人工智能：當一個機器人寫劇本》網絡公映。此劇總長60分鐘，講述了一個機器人充滿歡樂與痛苦的日常生活，涉及它如何理解人類的終極命題——愛與死亡，頗具未來版《小王子》的氣質。9劇本由GPT-2編寫，創作過程與前文述及的系統類似，即程序員輸入一段提示后，GPT-2根據提示生成附加的文本。這是GPT-2的第一部戲劇作品，故事內容連貫、明確，臺詞也符合情理、易于理解。然而，和《這不是游戲》一樣，該劇本同樣存在人為的改動，改動的比例大約為10%。哥倫比亞大學人工智能專家德漢特因此認為將這個劇本視為由人工智能創造的并不準確，他判斷由人工智能獨立生成一個連貫而情節復雜的戲劇劇本還需要15年左右的時間。10

2022年12月，ChatGPT “自編自導” 了電影短片《安全地帶》。創作團隊先讓ChatGPT進行 “頭腦風暴”，自主生成多個故事想法。隨后制片人挑選了其中一個選題并讓ChatGPT完善具體的情節。當系統生成離題或是不合理的情節時，創作團隊會給出新的提示以進行修正。11最后ChatGPT生成了一個4分鐘左右的劇本以及導演分鏡表，通過人機互動ChatGPT甚至提供了燈光、鏡頭焦段、相機運動、演員服裝等一系列建議12，如同一個人類導演一樣，參與了影片創作各個方面。當然，這個作品的目的是展示人機合作的創作成果，這其中包含著大量的人類反饋與智慧。而且如果將ChatGPT的電影 “處女作” 與經典科幻作品相比，質量和深度仍無法與人類比肩。

總體而言，雖然自動文本生成在近些年有了實質性的進步，大參數模型如GPT-3已能夠生成更加多元的文本，甚至在ChatGPT的應用中產生準社會互動，但影視劇本不僅關乎語言結構的完整、連貫，也關乎意義和情感的生成，目前人工智能寫作系統對于情感和敘事結構的學習和理解仍然需要人類創作者的輔助。

（二）自動影像生成

在自動圖像生成領域，最受人矚目的莫過于Open AI的自動圖像生成產品達利（Dall·E2）。該系統功能強大，可以基于輸入的自然語言文本生成圖片，甚至能夠通過語義判斷探索不同的藝術風格。

而在與影視有著直接關聯的影像生成領域，也有了不少突破。2016年8月，IBM的 “沃森” 系統為21世紀福克斯的懸疑恐怖片《摩根》創作了一支預告片。為此 “沃森” 深度學習觀摩了100個恐怖片的預告片，并進行了視覺、聽覺和場景構成的分析。隨后 “沃森” 挑選出電影《摩根》6分鐘的情節，人類剪輯師再對這些場景進行剪輯，形成最終版的預告片。13所以這同樣是一個人機互補合作的應用，人工智能沒有獨立完成所有的剪輯工作，但也邁出了理解影像敘事結構的第一步。

2018年，AI “本杰明” 創作了第三部科幻短片《神游天外》（Zone Out）。不同于以往兩部短片，“本杰明” 不僅寫作了劇本，還演出并導演了這部短片。由于AI系統并沒有實體形象或者攝像機，人類創作者讓它學習了《陽春》演員在綠幕前錄制的個人視頻以及所有公域（Public Domain）影片作為創作素材。系統生成的劇本仍然和《陽春》一樣沒有邏輯性和故事性，影像的 “換臉” 也并不成功：公域電影演員的臉與《陽春》三位主演的臉重疊在了一起，閃爍不清。時長為6分鐘的短片《神游天外》基本上是對公域電影素材的剪輯重組，這使得所謂的自編、自導、自演更像是一次自動剪輯的嘗試，而沒有生成真正意義上的新影像。

目前應用自動拍攝和剪輯系統較為成熟的是短視頻領域，因為這一領域對模式化的敘事結構和影像風格接受度更高。2020年新華智云研發推出了國內首個Vlog機器人。這套設備 “集合了360°環視高清攝像機、專業攝影機和超高算力邊緣計算節點，通過激光視覺多傳感器混合定位導航、人物識別追蹤等技術，能自由移動、自主采集視頻、自動識別人物、自行生成專屬VLOG”。14它采集的資料能實時上傳，在云端剪輯、處理，最終形成短視頻。通過深度學習，機器人生成的Vlog具有合乎情理的故事情節和多模態的內容類型。15

圖2. 動畫短片《犬與少年》（The Dog and The Boy）劇照

在由文本生成影像（Text-to-Video）的領域，Netflix與作家、喜劇演員Keaton Patti合作，模仿機器人的語氣創作了一系列劇本，再由AI生成動畫，形成系列短片。這批短片在Youtube的 “網飛是個笑話”（Netflix is a Joke）頻道上播出。16網飛已經從多個維度嘗試文本生成動畫的技術，如2021年的《謎題先生希望你少活一點》（Mr. Puzzles Wants You to Be Less Alive），不但敘事流暢，保持了情節、人物、場景的連貫性，且畫面的鏡頭語言達到了一定水準。2023年，網飛又與日本AI軟件公司Rinna合作制作了三分鐘的動畫短片《犬與少年》（The Dog and The Boy），并用AI生成了動畫片的背景。17網飛的官方新聞表示，動畫行業的人才短缺是推動其使用AI繪制背景的原因。18

如果說網飛主要聚焦動畫生成，那么2022年的谷歌文本生成影像模型Phenaki則在真實影像的自動生成上有了突破。Phenaki生成的影像最大的特點是 “有故事，有長度”。19它能根據要求智能生成不同的景別和鏡頭運動模式，且能處理一定程度的變形，如讓泰迪熊流暢地轉變為大熊貓。20

二、AIGC對影視產業的影響

根據美國國會研究服務部（ Congressional Research Service）于2021年發布的《人工智能：背景、選擇性問題和政策考量》，自從2015年起，全球范圍內投入人工智能的私人和公共基金一直在持續增長。對AI企業的投資從2015年的128億美元增長到了2020年的678億美元。21研發了ChatGPT與Dalle·E的Open AI截至2023年1月，已經籌資110億美元。可以預測，隨著全球在AI和AIGC領域的不斷投入，將涌現出更多、更完善的影視自動內容生成產品，它們對影視行業的影響也將涉及全產業鏈。

（一）全周期賦能影視制作

圖3. CHAT GPT

在影視制作的前期，AIGC可以協助人類創作者進行劇本創作、概念圖描繪以及分鏡。即使目前自動劇本生成仍然處于初級階段，存在著諸如缺乏情節連貫性、故事合理性、臺詞邏輯性等問題，但是隨著技術迭代與經費持續投入，AIGC的質量會越來越接近于人的創作。例如敘事連貫性是一直困擾文本自動生成領域的老問題，近年來就出現了諸多新模型以優化技術方案。2019年研究者推出了 “獎勵—塑造” 技術來引導模型朝著一個已知目標行進，最終的測試結果顯示這種技術可以生成一個穩定且目標完成度較高的故事情節，同時人類的評估者也覺得如此生成的故事有更可靠合理的事件順序。22同年，另一批研究者探索了 “計劃與寫作”（Plan and Write）的方式，測試結果顯示，靜態計劃模式（把整個故事線都計劃出來后再生成故事）比動態模式（生成故事線的一個單詞，緊接著生成故事中的一句話）更加有效，生成的故事更加連貫而多樣化。23這為之后的研究者提供了思路指引，有助于新的自動編劇軟件生成更加符合人類閱讀習慣的劇本。

在影視拍攝和制作后期，從攝影、導演、表演，到剪輯、聲音和配樂，AIGC的潛力也不容小覷。現階段，我們已經有了像Phenaki這樣文本生成影像的突破性模型，但系統目前只能處理非常簡單的句子。目前該領域的研究集中在通過文本簡化等語言學轉換規則來進一步優化系統性能。24此外，雖然《神游天外》這樣的作品十分粗糙，但也顯示了人工智能自導、自演并配音、配樂的可能性，影視生產的各個環節都有了智能化生產系統介入的空間甚至應用嘗試。

（二）人機協同觸發靈感

雖然藝術創作被更多地歸于人類獨特的精神活動，但當下的技術發展讓人機協同突破藝術探索的邊界成為可能。Dalle·E等自動圖像生成軟件不但可以直接應用于概念設計、服裝設計，也可以為制片人和導演提供前期概念圖，減少用于雇傭場景設計師、概念設計師和分鏡設計師等工種的成本。英偉達開發的GauGAN智能工具，也在科幻電影的原畫創作中發揮了日益重要的作用。

人工智能系統同樣被運用于預視動畫和分鏡圖創作。2021年韓國研究者開發了ASAP系統，該系統可以讓用戶在3D動視場景模擬他們的故事，為電影制作者自動生成分鏡和動畫預覽。用戶首先使用專業劇本軟件Final Draft寫作劇本，劇本隨后被ASAP系統分解為動作、角色和對話。通過深度學習、數據驅動和規則驅動，系統快速生成虛擬人及其物理動作、同聲姿勢，模擬出劇本中的行為和對話場景。用戶可以觀看自動生成的預視動畫，截取播放場景制作分鏡圖。25

人機協同讓人類從曾經耗時耗力的工種中極大地解放出來，更為重要的是人類的創作模式和自動化生成內容互相觸發，進一步激發了靈感、擴增了創作空間。隨著智能系統的日益完善，它們也將超越一般意義的工具角色，成為人類創意的重要助手。

（三）降低成本，提升效率

人工智能從既往的大練模型進入了練大模型階段，剛剛面世的GPT-4模型參數據說達到了令人震驚的百萬億級別。26基于這些大模型，不僅能生成更大規模、更多變風格的文本，而且獲得了高于人類的視覺識別速度和生產效率。27前文述及的IBM “沃森”，從開始觀看電影《摩根》到人類剪輯師完成預告片，整個過程只用了24小時，而通常一支電影預告片的制作需要10-30天。這大大降低了時間成本和人力成本，也有助于降低相關預算。

在自動文本生成研發領域，慣常的做法是人類創作者輸入簡單的提示或開篇，就能得到一個不完美但至少篇幅達標的劇本。ChatGPT也進一步向人類展現了智能系統在互聯網數據和知識沉淀的基礎上，在各個領域迅速生成綜述類文本的能力，甚至在交互性上達到全新的高度，具有重塑傳播、交互和知識結構的可能性。這些帶有自動化生成因素的系統是否能被視作完全獨立的創作者，在當下仍然需要審慎的觀察，但即便是作為一種輔助工具，這些技術對于克服人力短缺和提升效率，都有明顯的優勢。

自動影像生成需要克服的技術難題更多也更加復雜，但現有的技術突破也至少顯示了AI創作者在生產數量和速度上超越人類的效能。特別是目前的自動影像生成在短視頻領域的進展十分迅速，視聽產業借助自動化生產系統能夠更加有效率地生產不同定位、不同風格的作品，至少能給人類創作者提供有益的參考，讓人機協同發揮出更大效能。

三、AIGC的問題和完善重點

人工智能在影視行業各環節顯示出了巨大的能動性，但直到目前預判系統將替代人類創作者仍然為時過早。目前AIGC還存在不擅于處理長篇幅作品、作品缺乏生命力的問題，并且激發了包括版權歸屬在內的激烈討論和實踐困境。這些既是生成式人工智能的缺點，也是技術研發和社會制度完善的重點。

（一）缺乏連貫性，需要人機互補

2019年以前，自動故事生成采取的模式就是從一個語言模型中采集樣本，從而推測出加入故事的下一個角色、單詞或句子來構建劇情。但是通過這種方法創作的故事往往沒有一個清晰的行進線索。28這個問題在 “本杰明” 創作的三個劇本中體現得非常明顯，幾乎喪失了故事的最基本價值。這個問題到現在都沒有被根本性的解決。2022年的一個研究指出，自動寫作模型仍然缺乏語義連貫性，這在很大程度上限制了它們從事更長篇幅的創意寫作能力。29

由于AIGC會輸出不合故事邏輯的情節或自相矛盾的陳述，很多自動生成的作品采用了人機互補的形式。例如前文所述的《這不是游戲》《人工智能：當一個機器人寫劇本》以及恐怖懸疑片《摩根》的預告片均是AI和人類的創意性合作。這種合作首先迫于AI創作的局限性，但也顯示了機器與人類創意結合的增強效應。

AI創作的人機互補還出現在演員或觀眾詮釋劇本的環節。當《陽春》被拍成影片，在詮釋最后一段不知所云的獨白時，女演員的眼中逐漸噙滿淚水。然而，劇本原文中并沒有對角色情感方面的描述，從某種角度上而言，這里的表演缺乏足夠的劇本支撐，仿佛是人類適應人工智能，而非人工智能適應人類的主客體倒置。如果目前所有的創作人員均完全采用AI創作的劇本，而不加以人工干預，可以想見，這對于演員將會是巨大的挑戰。《目擊者》的演員在接受采訪時說：“對于我而言，在一個大部分都是由人工智能編劇的影片中表演，最大的挑戰是試圖去找到我角色的動機以及對話中的意圖。”30在人工智能無法真正習得（也許永遠無法習得）人類情感之時，人機協同交互是產生藝術作品的前提。至此，人類似乎還壟斷著意義的生產和再生產，并且獨有對情感的理解和表達權利。

此外觀眾會對A I 生成的內容存在過度解讀，雖然這也是某種意義上的 “人機互補”，但這種過度解讀也可能引起人類的不適感。例如，戲劇《人工智能：當一個機器人寫劇本》中有一個場景，人類角色讓機器人給他講笑話，機器人說：“當你死了，你的孩子死了，你的孫子也死了，我還會活著。” 這乍聽之下似乎是AI對人類的諷刺，讓人隱隱恐慌，但這也許僅是人類對此的過度解釋而并非AI的本意。恰如人工智能專家德漢特所言，AI并不能真正理解句子的含義。31連句子含義都無法理解，更不用說刻意諷刺人類了。

綜合上述材料，人工智能在影視領域的應用受限于自然語言處理框架和對人類情感的習得難度，所以目前更多是采取了人機協作的模式。從這個角度分析，AI創作僅僅是人類的助手而非替代者。就像GPT-3為英國《衛報》撰寫的評論所言：“我知道人類不信任而且害怕我，但我只做人類設定我去做的。我只是一組代碼管理者。”32

（二）藝術性和生命力有待提高

目前機器創作生成的故事雖然有偶爾的 “靈光乍現”33，但大體總是遵循著傳統的編劇模版，故事老套落俗，乏善可陳，并不具備創新的能力，“難以呈現個體的敘事、記憶和生命歷程”。34然而，也有部分模型顯示出創造的能動性，比如前文提到的谷歌的Phenaki在處理場景轉換上似乎有自己的想法：在處理一段宇航員在藍色房間里敲打鍵盤到宇航員身后出現藍色海洋的場景轉換上，宇航員的身后依次出現了橘色的光、透著高樓大廈的兩扇窗戶等，沒有出現在輸入文本里的畫面。雖然這樣的場景變化沒有令人信服的邏輯，但是做到了絲滑連貫、畫面和諧。連貫性是Phenaki生成視頻的一大優勢，但并非每個視頻都能處理得盡善盡美。比方說在泰迪熊浮出水面和走上沙灘這兩個行為的銜接上，Phenaki無法讓畫面保持連貫，而是出現了卡頓以及場景的突然跳躍。35

藝術性并不完全取決于敘事的連貫性，更在于對情感的觸動能力，后者是機器創作更大的危機。在追求獨異性的晚現代，創作需要追求闡釋、敘事、審美、樂趣或者倫理的價值36，正是這些維度閃現著人類的智慧和靈性，也正是這些維度的創新和價值真正打動了受眾。未來AIGC是否有可能達到這樣的高度，還是藝術作品的 “靈韻” 會和本雅明認為的那樣在機械生產的過程中凋謝37，這不僅僅是留給技術的問題，更是留給藝術之所是的根本性議題。

（三）觸發法律風險

機器給人以中立客觀的印象，但無監督學習模式也可能讓人工智能嵌入偏見。有研究者在對三種流行的語言模型生成的文本進行檢測后發現，在職業、性別、種族等多個領域，機器生成文本都比人類編寫的維基百科文本呈現出更大的社會偏見。38

此外，在版權方面，也存在著模糊地帶。2019年，北京互聯網法院判定軟件智能生成的 “作品” 不屬于著作權法保護的文字作品，但即便如此，因其內容仍需軟件的開發者和使用者的精力投入，百度網訊公司未經菲林律所許可就擅自使用仍然構成侵權，賠償共計1560元。392020年，深圳南山區人民法院判決一家名為網貸之家的公司對騰訊Dreamwriter軟件自動撰寫的文章構成侵權，賠償1500元。這兩個判例的根本性差異在于對機器生成內容是否適用著作權法的不同看法。不同于北京互聯網法院，深圳南山區人民法院認為機器生成內容同樣具有獨創性，符合著作權法對文字作品的保護條件。40這兩個針對AI版權做出的不同判決預示著AI生成內容復雜的法律風險與爭議。前文中，不論是ChatGPT還是其他軟件生成的文字和影像作品，因為尚未涉及商業用途，其版權歸屬都并不明確。未來，如果有一部由ChatGPT自編自導的長片要在院線上映，其利潤究竟是應該歸屬于軟件開發者，還是人類創作團隊，抑或是原始訓練數據的所有者，這其中涉及了復雜的法律問題。在美國編劇工會（WGA，Writers Guild of America）的新一輪罷工中，工會在與影視制片人聯盟（Alliance of Motion Picture and Television Producers）協議新合同的過程中提議，未來可以允許人類編劇使用ChatGPT編寫劇本，只要人類不需要與ChatGPT共享署名和分成。并且，對于一個交由人類編劇修改或改寫的AI生成劇本，其第一作者也仍應為人類編劇。該工會甚至提議，AI不應當被認為是傳統意義上的改編源材料。該工會站在編劇的角度為其爭取權益，將AI視為“低人一等” 的創作者情有可原。如果這樣的提議被付諸實踐，確實可以避免編劇陷入和軟件公司的版權紛爭。美國編劇工會認為，像ChatGPT這樣的人工智能軟件生成的內容，只能算作類似于維基百科一樣的調研材料。ChatGPT本身無法分辨其訓練數據是版權保護的內容還是公域內容。因此，美國編劇工會認為，這樣生成的內容是無法受版權法保護的，AI也無權署名。41與美國編劇工會的 “開放態度” 相反的是，著名科幻雜志《克拉克世界》（Clarkesworld）在大量的人工智能生成的科幻作品涌入投稿箱后，已經關閉了故事提交通道。該雜志創始人表示，他們希望能夠在確保能 “正確” 使用科技的時候再去擁抱它，而非在目前法律問題尚未決斷的時刻。42

除了版權問題，人工智能自動生成內容如果產生侵權問題，由誰來承擔責任也是一個法律難題。目前人類的法律體系只能通過懲罰自然人或法人來強化規則框架，帶有自動化生產因素的系統如若產生抄襲、侵犯他人名譽權等問題，系統開發者是否會因此受到懲戒？受到侵害的組織和個體又如何實施法律救濟？這些問題可能在不久的將來就是人類社會面臨的現實問題。

圖4.短片《安全地帶》（The Safe Zone，2023）

結語

2023年3月Open AI發布了GPT-4，人工智能進一步實現多模態的輸入和輸出，對人工信息生產、加工和傳播的能力也獲得了更大的提升。自GPT-2以來，大參數模型已經多維度介入自動劇本生成、自動圖片和影像生成，影視行業固有的生產流程和創作邏輯面臨來自機器自動化生產的沖擊。

電影史的研究已經明確了這一藝術類型和技術發展的緊密聯系，所以 “闖入花園的機器” 式的批判在影視研究中并非主旋律43，但技術人工物是否能夠獲得 “創作者”身份，這在藝術研究中將是一個充滿挑戰的議題。雖然AIGC仍然處于其嬰兒期，自動化生產系統并未從根本上擺脫工具的地位，基于這些系統生成的作品至多是系統能力的顯現而無法將之視作藝術創作而予以嚴肅的評論，但技術奇點將至的宿命論再次被Chat GPT點燃，人類對人工智能加速發展的技術前景和社會影響產生了更為彌散的不確定性。

毫無疑問， 人工智能已經在多個領域成為一個能力出眾的行動者，但它是否能被賦予行動主體的地位，仍遭遇以人為中心的倫理觀的頑強抵抗。所以人工智能不僅是個技術問題，同時也是哲學問題。44在藝術領域，承認自動化系統為創作主體將是一個更加具有冒犯性的問題，畢竟藝術長期被認為是獨屬于人的精神活動。但也許于此更加務實的立足點是承認人機協同的現實和前景，世界再也不可能認可破壞機器的盧德主義。當然這不是放棄人類的自主性，而是從實踐意識上切實思考如何引導智生產的發展方向。

當科學家在不斷優化人工智能系統的性能之時，人文藝術學者更加應該深入思考哪些人類長久以來珍視的價值被寫入智能系統，使技術成為追求至善生活的助力而非解構性力量。我們不能等到思想的列車行駛到站之后再用炸藥改變其方向45，而是應該在其行駛途中就擔負起引導者的職能。