現(xiàn)階段深度學(xué)習(xí)機(jī)制下的“生成式”電影研究

中圖分類號(hào)：J905；TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-8122（2025）08-0088-06

人工智能的概念，早在古代的神話傳說中便已萌芽，承載著人們的期望與幻想。無論是《列子·湯問》中記載的偃師造人故事，還是希臘神話里皮格馬利翁的伽拉忒亞這類“人造人”，都體現(xiàn)了人們對(duì)創(chuàng)造有意識(shí)的非自然生命體的追求。20世紀(jì)30年代，第二次世界大戰(zhàn)爆發(fā)，推動(dòng)了電子計(jì)算機(jī)的發(fā)明和信息科學(xué)的興起，香農(nóng)、圖靈等學(xué)者得以真正嚴(yán)肅地探討構(gòu)造人造機(jī)械智能的可能性。時(shí)至今日，從ChatG-PT、Sora等人工智能工具的橫空出世能夠看出，人工智能作為人類夢(mèng)寐以求的生產(chǎn)力革命工具，始終貫穿于社會(huì)發(fā)展始終。近年來，計(jì)算機(jī)硬件領(lǐng)域的突飛猛進(jìn)以及互聯(lián)網(wǎng)普及帶來的海量數(shù)據(jù)，為深度學(xué)習(xí)技術(shù)的蓬勃發(fā)展提供了技術(shù)與經(jīng)驗(yàn)基礎(chǔ)。不同于符號(hào)主義和行為主義，人工智能技術(shù)憑借聯(lián)結(jié)主義這一新路徑，在人類社會(huì)的各行各業(yè)掀起了AIGC 浪潮[1]。與此同時(shí)，數(shù)字影像技術(shù)的發(fā)展，將依托化學(xué)、光學(xué)、機(jī)械等學(xué)科的百年電影歷史轉(zhuǎn)化為數(shù)字代碼影像，為人工智能提供了深度學(xué)習(xí)素材[2-3]。一些專家學(xué)者認(rèn)為，電影創(chuàng)作積累的海量數(shù)據(jù)天然契合大數(shù)據(jù)模型的訓(xùn)練需求。從實(shí)際應(yīng)用來看，人工智能技術(shù)已在文生視頻、AI換臉、智能剪輯，以及基于大數(shù)據(jù)的行業(yè)分析與策略制定等方面取得了多項(xiàng)突破性的進(jìn)展[4]。電影藝術(shù)正依托技術(shù)革新，邁向一場深刻的變革。面對(duì)人工智能在電影領(lǐng)域展現(xiàn)的潛力，學(xué)術(shù)界已有學(xué)者提出\"生成式電影”的概念[5]。當(dāng)前，人工智能技術(shù)對(duì)電影產(chǎn)業(yè)鏈產(chǎn)生了重要影響，其所具備的定量化分析、高度預(yù)見性和強(qiáng)大模擬能力，不僅深刻重塑了創(chuàng)意構(gòu)思、生產(chǎn)制作和分發(fā)推廣等環(huán)節(jié)，還為未來發(fā)展提供了無限可能。然而，在人工智能深度學(xué)習(xí)機(jī)制快速發(fā)展的繁榮圖景之下，也暗藏著電影行業(yè)被技術(shù)反噬的危機(jī)。

一、現(xiàn)階段“生成式”電影的首要選擇：深度學(xué)習(xí)機(jī)制

1956年，麻省理工學(xué)院的約翰·麥卡錫與羅切斯特在達(dá)特矛斯會(huì)議（DartmouthSummerResearch onArtificialIntelligence）上首次提出“人工智能”的概念[。此次會(huì)議匯聚了計(jì)算機(jī)、通信、心理學(xué)、數(shù)學(xué)等領(lǐng)域的學(xué)者，促使“人工智能”在學(xué)術(shù)范疇內(nèi)從一個(gè)可定義的研究領(lǐng)域逐漸發(fā)展為一門學(xué)科，并衍生出具有不同特點(diǎn)的分支[7]。例如，基于邏輯推理和符號(hào)處理，主張智能行為可通過符號(hào)操作來實(shí)現(xiàn)的符號(hào)主義；傾向于使用感知一動(dòng)作模型，認(rèn)為智能體通過感知環(huán)境并做出反應(yīng)來實(shí)現(xiàn)智能行為的行為主義；基于神經(jīng)網(wǎng)絡(luò)，模仿人腦神經(jīng)元的聯(lián)結(jié)和信息處理方式的聯(lián)結(jié)主義。

（一）符號(hào)主義學(xué)派的邏輯缺陷

符號(hào)主義學(xué)派認(rèn)為，智能行為源于大腦的抽象思維過程，包括概念化的知識(shí)表示、模型論的語義構(gòu)建以及邏輯推理。該學(xué)派基于物理符號(hào)系統(tǒng)假設(shè)，主張智能行為的實(shí)現(xiàn)依賴于操作具有物理模式的符號(hào)實(shí)體，通過生成新的符號(hào)結(jié)構(gòu)來模擬人腦思維。符號(hào)主義作為人工智能最早的流派之一，深受人類早期科學(xué)認(rèn)知的影響。當(dāng)時(shí)，人們普遍認(rèn)為人類思維必然能被特定理論或定律解釋，最終抽象化為承載智慧的模型。也就是說，實(shí)現(xiàn)機(jī)器智能需要以理解人類智能為前提。然而，這一時(shí)期的符號(hào)主義研究者高估了物理符號(hào)系統(tǒng)對(duì)智能的解釋能力，從根本上忽視了對(duì)人類智能機(jī)制的深入探究，大多將人工智能作為從屬于計(jì)算機(jī)科學(xué)的技術(shù)分支[8]

人腦的運(yùn)作方式復(fù)雜抽象，其表現(xiàn)出的“智能”僅有部分能被抽象為形式化的思路，至今仍有大量無法被抽象。因此，符號(hào)主義自誕生就存在底層邏輯上的缺陷，在20世紀(jì)80年代末的人工智能寒冬中深陷困境[9]

（二）行為主義的技術(shù)瓶頸

諾伯特·維納《控制論》著作的問世，標(biāo)志著行為主義流派的誕生[10]。該學(xué)派認(rèn)為，智能行為的產(chǎn)生是生物與機(jī)械領(lǐng)域的普遍現(xiàn)象，其核心在于統(tǒng)一的信息傳遞與反饋機(jī)制，在生物體中表現(xiàn)為神經(jīng)網(wǎng)絡(luò)的復(fù)雜交互，在機(jī)械系統(tǒng)中則表現(xiàn)為算法與傳感器的協(xié)同。因此，“智能”被視為這一機(jī)制運(yùn)行的直接結(jié)果，而非人類獨(dú)有的認(rèn)知過程。20世紀(jì)80年代，羅德尼·布魯克斯（RodneyBrooks）等研究者將行為主義的觀點(diǎn)引入人工智能領(lǐng)域。他們強(qiáng)調(diào)智能行為的實(shí)現(xiàn)無需依賴復(fù)雜的內(nèi)部表征，而是通過智能體與環(huán)境的直接交互實(shí)現(xiàn)，由此形成了有別于傳統(tǒng)人工智能的理論學(xué)派。1948年，圖靈在《智能機(jī)器》一文中對(duì)智能研究進(jìn)行了分類，區(qū)分了“具身智能”與“非具身智能”。其中，“具身智能”的理念與當(dāng)代“具身認(rèn)知”理論高度契合，都主張智能認(rèn)知與個(gè)體及其所處環(huán)境密不可分。

在行為主義框架下，智能并非腦部獨(dú)立運(yùn)作的產(chǎn)物，而是一個(gè)整合身體各部分與外部環(huán)境的復(fù)雜系統(tǒng)，其實(shí)現(xiàn)依賴于身體與環(huán)境之間的持續(xù)互動(dòng)和信息交流。智能體在與環(huán)境的交互中形成動(dòng)態(tài)認(rèn)知系統(tǒng)，并在學(xué)習(xí)與被環(huán)境淘汰的過程中實(shí)現(xiàn)進(jìn)化。然而，行為主義這種“自下而上”的研究方法，在系統(tǒng)設(shè)計(jì)過程中難以把握全局整體性，與基于符號(hào)系統(tǒng)的人工智能相比，后者在全局控制和邏輯推理方面更具優(yōu)勢[11]。同時(shí)，行為主義人工智能研究面臨算力局限、核心算法不足、運(yùn)用大數(shù)據(jù)的新范式尚未確立等技術(shù)挑戰(zhàn)。開放動(dòng)態(tài)環(huán)境中，智能主體在進(jìn)行任務(wù)遷移和資源變換時(shí)表現(xiàn)出的適應(yīng)性不足，也凸顯了其在理論和技術(shù)層面的發(fā)展瓶頸。因此，在人工智能生成領(lǐng)域中，行為主義仍處于自我協(xié)調(diào)與外部協(xié)調(diào)的發(fā)展過渡階段，難以支撐人們對(duì)人工智能抱有的宏大幻想。

（三）聯(lián)結(jié)主義的擬態(tài)順位

學(xué)者麥卡洛克和皮茨奠定了聯(lián)結(jié)主義的理論基石。1943年，二人發(fā)表《神經(jīng)活動(dòng)中內(nèi)在思想的邏輯演算》一文，站在人工智能與認(rèn)知科學(xué)的交匯點(diǎn)，首次提出M-P神經(jīng)元模型和\"神經(jīng)網(wǎng)絡(luò)\"概念[12]。該模型以簡化的邏輯門形式呈現(xiàn)神經(jīng)元功能，開創(chuàng)了構(gòu)建復(fù)雜計(jì)算功能的先河。該文的發(fā)表也被視為聯(lián)結(jié)主義的開端。20世紀(jì)50至60年代，心理學(xué)家羅森布拉特基于“赫布法則”（Hebb’sLaw）發(fā)明了感知機(jī)-一種簡單的人工神經(jīng)網(wǎng)絡(luò)模型。其意義在于首次實(shí)現(xiàn)了人工智能不依靠人類編程，僅通過機(jī)器學(xué)習(xí)完成部分機(jī)器視覺和模式識(shí)別任務(wù)的目標(biāo)。時(shí)至今日，眾多生成式模型均可追溯至感知機(jī)這一母體。

近年來，影視行業(yè)備受關(guān)注的AIGC（人工智能生成內(nèi)容)，就是杰弗里·辛頓“深度學(xué)習(xí)”概念的現(xiàn)實(shí)體現(xiàn)[13]。2014 年，伊恩·古德費(fèi)洛等學(xué)者首次闡述了生成對(duì)抗網(wǎng)絡(luò)（GAN）的原理及應(yīng)用，為深度學(xué)習(xí)技術(shù)在圖像合成、語音合成以及自然語言生成等領(lǐng)域的應(yīng)用開辟了新路徑[14]。隨著計(jì)算能力提升、預(yù)訓(xùn)練模型演進(jìn)以及多模態(tài)技術(shù)融合，AIGC技術(shù)進(jìn)入快速發(fā)展期。

2020年，湯姆·布朗等學(xué)者提出了預(yù)訓(xùn)練語言模型的方法，OpenAI實(shí)驗(yàn)室基于此推出了GPT-3模型，標(biāo)志著AIGC在質(zhì)量和相關(guān)性方面的重大突破[15]。隨后的GPT-4模型，不僅在文本生成上實(shí)現(xiàn)了質(zhì)的飛躍，還在強(qiáng)大多模態(tài)（文本一圖像交互）內(nèi)容生成上展現(xiàn)出較大潛力。Sora等文生視瀕工具的出現(xiàn)，進(jìn)一步強(qiáng)化了電影行業(yè)工作者對(duì)生成式電影可行性的信心。2023年，尼古拉斯·紐伯特發(fā)布了首部由人工智能主導(dǎo)制作的電影預(yù)告片《創(chuàng)世紀(jì)》，從圖像處理、視頻合成、剪輯到配樂，均由AI獨(dú)立完成。藝術(shù)家法比安·施特爾策在其《鹽》系列電影短片項(xiàng)目中，綜合運(yùn)用 Stable Diffusion、MidJoumey、DALL-E2等AI圖像生成工具構(gòu)建視覺藝術(shù)，借助Synthesia和Murf合成聲音，使用GPT-3完成劇本編寫。此類成功案例使人們對(duì)于生成式電影產(chǎn)生了新的期望，學(xué)界開始探討深度學(xué)習(xí)機(jī)制下AGI生成電影的可能性[16]。值得注意的是，哲學(xué)家約翰·羅杰斯·希爾勒（JohnRogersSearle）提出“強(qiáng)人工智能”，認(rèn)為其具備情感體驗(yàn)與社會(huì)理解力。這一概念與當(dāng)前“生成式電影”的構(gòu)想密切相關(guān)。但是，無論是基于“AGI\"還是“強(qiáng)人工智能”提出的生成式電影模型，其底層技術(shù)均深度依賴于當(dāng)前的深度學(xué)習(xí)機(jī)制[17]。

二、深度學(xué)習(xí)機(jī)制下“生成式”電影創(chuàng)作要素變化

影像技術(shù)的核心要素經(jīng)歷了深刻轉(zhuǎn)型。成像工具從機(jī)械驅(qū)動(dòng)的膠片攝影機(jī)演變?yōu)閿?shù)字化攝影設(shè)備，再到如今基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)化影像生成，傳統(tǒng)意義上的物理鏡頭已逐漸淡出。記錄與存儲(chǔ)媒介從化學(xué)膠片轉(zhuǎn)向固態(tài)物理存儲(chǔ)，再發(fā)展到云儲(chǔ)技術(shù)，其物理形態(tài)愈發(fā)隱蔽。場景構(gòu)建從現(xiàn)實(shí)場景到攝影棚模擬環(huán)境，再到當(dāng)前由計(jì)算機(jī)生成（CG）與AIGC技術(shù)創(chuàng)造的虛擬空間。一系列實(shí)體的消退，為數(shù)字?jǐn)M像的興起開辟了廣闊空間。至此，傳統(tǒng)電影的創(chuàng)作基礎(chǔ)發(fā)生了根本轉(zhuǎn)變：由具有實(shí)體屬性的現(xiàn)實(shí)世界，轉(zhuǎn)化為經(jīng)過AIGC處理而抽象化的“數(shù)字物質(zhì)性”智能數(shù)據(jù)空間。人工智能技術(shù)在生產(chǎn)機(jī)制、視聽修辭、敘事策略以及感知模式等維度上，實(shí)現(xiàn)了對(duì)傳統(tǒng)影像制作原則的更新[18]。傳統(tǒng)電影的創(chuàng)作主體、工具以及模式等核心要素的邊界，也被重新定義和劃分。

（一）人類創(chuàng)作主體的讓步

人工智能技術(shù)的深度滲透正在重塑視頻內(nèi)容生產(chǎn)格局。從劇本撰寫、表演指導(dǎo)、攝影、音樂編排，到剪輯與后期特效處理，原本由人類主導(dǎo)的核心環(huán)節(jié)逐漸被算法驅(qū)動(dòng)的“編程智能”接管。編劇、導(dǎo)演、演員、攝影師、錄音師等視頻制作中的核心角色被逐漸弱化，而原本作為輔助性資源的人工智能，則迅速躍升為內(nèi)容創(chuàng)造的核心驅(qū)動(dòng)力，一場以機(jī)器替代人工的系統(tǒng)性變革已然開啟。

在此背景下，人類創(chuàng)作者的工作重心被迫轉(zhuǎn)移：從復(fù)雜的策劃、籌備、組織協(xié)調(diào)、內(nèi)容制作以及意義構(gòu)建，簡化為“提示工程”（promptengineering），即通過精心設(shè)計(jì)的文本引導(dǎo)人工智能的創(chuàng)作方向。然而，由于生成過程缺乏直觀的控制機(jī)制，創(chuàng)作者只能依賴提示文本這一“中介”，試圖在人工智能的“黑箱\"操作中生產(chǎn)出創(chuàng)造性成果。目前，盡管部分AI生成的視頻能夠保證畫面連貫，實(shí)現(xiàn)基礎(chǔ)性主題表達(dá)，但多數(shù)作品在情節(jié)深度和敘事魅力上仍然難以媲美人類創(chuàng)作者的作品，其內(nèi)容單一且意義模糊，很難調(diào)動(dòng)觀眾的參與意識(shí)和想象力，更無法觸及藝術(shù)創(chuàng)作中那些根植于人性邏輯、人文關(guān)懷和人道主義精神的深層次價(jià)值。雖然人工智能視頻生成的初期自標(biāo)在于展示技術(shù)的可能性，而非刻意追求藝術(shù)，但其現(xiàn)狀不僅對(duì)電影的藝術(shù)性和深度構(gòu)成了挑戰(zhàn)，也促使視聽產(chǎn)業(yè)深刻思考未來的發(fā)展方向。

（二）電影創(chuàng)作工具的轉(zhuǎn)型

人工智能徹底革新了傳統(tǒng)電影創(chuàng)作工具，構(gòu)建起以數(shù)據(jù)集為基礎(chǔ)，包含特征提取、知識(shí)融合、視覺重構(gòu)等環(huán)節(jié)的全新生產(chǎn)鏈條。為電影創(chuàng)作提供創(chuàng)作靈感的現(xiàn)實(shí)生活空間，已經(jīng)轉(zhuǎn)化為用于人工智能訓(xùn)練的數(shù)據(jù)集，劇本創(chuàng)作也由創(chuàng)作者自主生成轉(zhuǎn)化為人機(jī)協(xié)同。DeepMind公司發(fā)布了劇本寫作應(yīng)用Dramatron，將傳統(tǒng)編劇創(chuàng)作依賴的語言編碼轉(zhuǎn)換為具有計(jì)算思維特質(zhì)的代碼編碼，大數(shù)據(jù)模型通過多模態(tài)樣本的分析、轉(zhuǎn)換與拼貼，生成接近編劇需求的數(shù)字劇本。

在剪輯領(lǐng)域，以“媒體大腦·MAGIC短視頻智能生產(chǎn)平臺(tái)”為代表的AI創(chuàng)作工具，被廣泛應(yīng)用于結(jié)構(gòu)化程度較高的影像作品中。其核心功能在于精準(zhǔn)識(shí)別影像內(nèi)容的特征屬性、情感基調(diào)、角色定位、對(duì)話旁白等關(guān)鍵要素，基于算法邏輯將其分解為獨(dú)立片段，并依據(jù)預(yù)設(shè)規(guī)則進(jìn)行篩選和重組。這類工具不僅能高效提煉用戶關(guān)注的內(nèi)容要點(diǎn)，進(jìn)而制作出符合需求的片段化視頻產(chǎn)品，還集成了人物識(shí)別、智能裁剪、直播內(nèi)容拆分、虛擬主播等先進(jìn)功能。盡管人工智能剪輯技術(shù)顯著降低了操作復(fù)雜性，優(yōu)化了工作流程，提升了制作效率，但人類在藝術(shù)決策等核心維度上的主導(dǎo)作用尚未被完全取代，他們掌握著最終決定權(quán)。

自世界上第一部科幻片《月球旅行記》誕生以來，特效技術(shù)作為滿足大眾好奇心的“娛樂工具”，已經(jīng)深人人心[19]。過去的后期特效制作軟件操作復(fù)雜，使用者需要經(jīng)過長期專業(yè)訓(xùn)練才能熟練掌握。然而，人工智能技術(shù)的介入顯著降低了操作門檻，用戶在影像生產(chǎn)傳播平臺(tái)中輕松實(shí)現(xiàn)一鍵美顏、圖像分割、面部替換以及色彩調(diào)整。不僅促進(jìn)了影像特效技術(shù)的普及，還為影像內(nèi)容創(chuàng)新提供了更多可能性。同時(shí)，人工智能特效技術(shù)的應(yīng)用為演員提供了突破生理限制的機(jī)會(huì)，使其精準(zhǔn)呈現(xiàn)不同年齡段以及多樣化角色的形象。對(duì)于電影創(chuàng)作者而言，AI簡化了數(shù)字繪景等繁復(fù)的人工操作環(huán)節(jié)，使他們得以自由探索新穎的主題、構(gòu)建宏大的世界觀，從而拓展影像敘事的維度和深度。例如，《指環(huán)王：護(hù)戒使者》中，WetaDigital公司運(yùn)用Massive角色創(chuàng)建軟件，生成了成千上萬的數(shù)字士兵，他們不僅外觀各不相同，行為模式也表現(xiàn)出驚人的多樣性與真實(shí)性，極大地簡化了大規(guī)模群體場景的創(chuàng)建和動(dòng)畫制作流程[20]

（三）創(chuàng)作模式的智能化轉(zhuǎn)變

生成藝術(shù)的崛起是對(duì)于傳統(tǒng)藝術(shù)創(chuàng)作模式的巔覆，機(jī)器的學(xué)習(xí)與計(jì)算過程改變了人類的審美體驗(yàn)、創(chuàng)意構(gòu)思和藝術(shù)表達(dá)。在人工智能輔助的電影藝術(shù)創(chuàng)作實(shí)踐中，盡管藝術(shù)創(chuàng)作的靈感與動(dòng)機(jī)仍源自人類藝術(shù)家，但其在內(nèi)容生成過程中的主導(dǎo)作用正逐漸弱化。這種人機(jī)協(xié)作關(guān)系，正催生出一種人類的創(chuàng)意與機(jī)器算法共同參與、相互補(bǔ)充的創(chuàng)作新范式。

面對(duì)這一變化，創(chuàng)作者必須轉(zhuǎn)變過去將工具視為人體功能的簡單延伸的“器官延伸”思維，積極探索深度學(xué)習(xí)機(jī)制下人工智能電影生成的特性[21]。傳統(tǒng)的“人一裝置加工—作品”創(chuàng)作模式正演變?yōu)椤叭恕狝I—加工一作品”的協(xié)同共生模式。在此模式中，人類只需要明確指示目標(biāo)與導(dǎo)向，人工智能便依據(jù)指令，篩選與組合元素，高效生成預(yù)期成果。然而，從現(xiàn)階段生成式電影的表現(xiàn)來看，人工智能在語言邏輯構(gòu)建和知識(shí)創(chuàng)新方面尚未成熟，難以理解深層文化語境和復(fù)雜情感，不具備創(chuàng)造性思維。換言之，人工智能生成的影像產(chǎn)物與人類的審美和認(rèn)知需求之間，尚未實(shí)現(xiàn)精準(zhǔn)“對(duì)齊”（alignment）。例如，PrivateIsland發(fā)布的由AI生成的啤酒宣傳影片《合成夏日》中，參與者笑容夸張至失真，燒烤時(shí)產(chǎn)生的煙霧如同龍卷風(fēng)一般劃破天際。雖然這種非典型超現(xiàn)實(shí)景觀為觀眾帶來了感官震撼，但由于過度偏離常規(guī)認(rèn)知而引發(fā)觀眾心理上的強(qiáng)烈不適感。

三、深度學(xué)習(xí)機(jī)制下“生成式”電影創(chuàng)作中存在的危機(jī)

深度學(xué)習(xí)機(jī)制在電影創(chuàng)作的實(shí)踐中起到了降本增效的作用。然而，當(dāng)前電影行業(yè)對(duì)于深度學(xué)習(xí)機(jī)制的期待過高，以至于在部分學(xué)術(shù)文獻(xiàn)中，出現(xiàn)了將“聯(lián)結(jié)主義”與“深度學(xué)習(xí)”這兩個(gè)術(shù)語互換使用的現(xiàn)象[22]。“生成式”電影是現(xiàn)階段深度學(xué)習(xí)機(jī)制下的人工智能技術(shù)與電影創(chuàng)作的終極形態(tài)，反映了人們對(duì)于人工智能技術(shù)在電影創(chuàng)作中發(fā)揮何種效用的理想化憧憬。如果將深度學(xué)習(xí)驅(qū)動(dòng)的人工智能與電影創(chuàng)作中的人類智慧相比較，我們不難發(fā)現(xiàn)，實(shí)現(xiàn)真正意義上“生成式”電影的大規(guī)模創(chuàng)作，僅依賴當(dāng)前的深度學(xué)習(xí)機(jī)制是遠(yuǎn)遠(yuǎn)不夠的。過度依賴或盲目追求這種“終極形態(tài)”，不但難以達(dá)成預(yù)期，甚至?xí)?duì)電影藝術(shù)的深度與獨(dú)特性構(gòu)成實(shí)質(zhì)性損害。

（一）模型缺陷的突破性流失

深度學(xué)習(xí)機(jī)制的核心智能，在于構(gòu)建輸入與輸出信息之間的映射關(guān)系，而這種關(guān)系的建立高度依賴于人類專家提供的大量優(yōu)質(zhì)樣本數(shù)據(jù)[23]。深度學(xué)習(xí)技術(shù)并非基于對(duì)人類大腦信息處理機(jī)制的深層次理解，而是僅僅把握表層現(xiàn)象，缺少對(duì)數(shù)據(jù)內(nèi)在意義的深刻洞察，且系統(tǒng)設(shè)計(jì)者與系統(tǒng)之間無法進(jìn)行符號(hào)層面的有效交流。深度學(xué)習(xí)機(jī)制憑借計(jì)算機(jī)強(qiáng)大的算力，在潛在的輸入輸出映射中隨機(jī)選擇，并將結(jié)果與預(yù)定義的理想解相匹配，以評(píng)估其準(zhǔn)確性；匹配成功后，系統(tǒng)通過調(diào)整內(nèi)部權(quán)重來存儲(chǔ)解決方案，并繼續(xù)迭代。這種基于試錯(cuò)與優(yōu)化的學(xué)習(xí)方式雖然具有實(shí)用價(jià)值，但在認(rèn)知層面存在原始性和局限性，而這恰恰是電影藝術(shù)創(chuàng)作所需的關(guān)鍵能力。

依據(jù)“整體大于部分”的系統(tǒng)原則，如果模擬系統(tǒng)的某個(gè)微觀組成部分的復(fù)雜性接近系統(tǒng)本身，那么模擬對(duì)象的整體復(fù)雜性必然遠(yuǎn)超模擬系統(tǒng)。正如以機(jī)械化的角度看待繁衍，就會(huì)得出“有機(jī)生命的自我復(fù)制是進(jìn)化的，機(jī)械的自我復(fù)制則是退化”的結(jié)論[24]同理，深度學(xué)習(xí)機(jī)制基于大量訓(xùn)練數(shù)據(jù)生成的內(nèi)容，無法超越其學(xué)習(xí)的樣本。以工業(yè)中用于制造機(jī)器部件的機(jī)床為例，子機(jī)床的精確度和復(fù)雜度必然比母機(jī)床更低。據(jù)此合理推斷，鑒于現(xiàn)有深度學(xué)習(xí)系統(tǒng)的復(fù)雜性無法與人腦相提并論，我們不應(yīng)期待其衍生的人工智能完全達(dá)到人類智慧水平。電影創(chuàng)作過度依賴人工智能技術(shù)追求“生成式”電影，不僅難以推動(dòng)藝術(shù)進(jìn)步，還會(huì)導(dǎo)致電影藝術(shù)陷入停滯甚至退化，喪失人類主導(dǎo)創(chuàng)作時(shí)所達(dá)到的深度與高度。

（二）數(shù)據(jù)學(xué)習(xí)的算法偏見

“生成式”電影依賴深度學(xué)習(xí)等算法，通過分析和學(xué)習(xí)海量數(shù)據(jù)，生成新的文本、圖像、音頻和視頻內(nèi)容。然而，這一過程難以規(guī)避“算法偏見”的影響，AI系統(tǒng)在設(shè)計(jì)、訓(xùn)練和部署過程中存在引入或放大現(xiàn)有社會(huì)偏見的問題，會(huì)導(dǎo)致不公平結(jié)果。“算法偏見”的產(chǎn)生是多種因素共同作用的結(jié)果。首先，數(shù)據(jù)集偏差是導(dǎo)致算法偏見的主要原因。如果訓(xùn)練數(shù)據(jù)在性別、種族、年齡等關(guān)鍵屬性處理方面存在代表性不足或失衡問題，模型就會(huì)學(xué)習(xí)并放大這些偏差，導(dǎo)致生成內(nèi)容中對(duì)特定群體存在不公平呈現(xiàn)。其次，特征選擇與權(quán)重分配在模型構(gòu)建中起著決定性作用。如果模型建構(gòu)過程中未能恰當(dāng)?shù)仄胶獠煌卣鳎^度強(qiáng)調(diào)某一屬性的相關(guān)特征，就會(huì)催生偏見。而算法設(shè)計(jì)的固有傾向性，如在優(yōu)化目標(biāo)選擇上的偏差，會(huì)導(dǎo)致算法偏向于多數(shù)群體或已有優(yōu)勢群體，加重“馬太效應(yīng)”。再次，深度學(xué)習(xí)模型的“黑箱”特性加劇了算法偏見風(fēng)險(xiǎn)。由于模型的決策過程缺乏透明度，即使是設(shè)計(jì)者也難以完全理解模型的決策邏輯，導(dǎo)致隱蔽的偏見難以被識(shí)別和修正。最后，算法的設(shè)計(jì)和開發(fā)受到創(chuàng)造者的文化和價(jià)值理念的影響，深度學(xué)習(xí)機(jī)制會(huì)因算法設(shè)計(jì)者的主觀調(diào)控而產(chǎn)生偏見。設(shè)計(jì)者掌握數(shù)據(jù)調(diào)配的權(quán)力，會(huì)將個(gè)人或社會(huì)既存的偏見融入訓(xùn)練目標(biāo)設(shè)定與算法調(diào)整中，進(jìn)而在電影生成過程中強(qiáng)化甚至固化這些偏見。例如，人臉識(shí)別系統(tǒng)會(huì)對(duì)特定面部特征的人群進(jìn)行傾向性分類，并在生成的電影內(nèi)容中體現(xiàn)出來。

（三）人文消耗的發(fā)展反噬

與依賴自然資源的傳統(tǒng)機(jī)器不同，深度學(xué)習(xí)系統(tǒng)在運(yùn)行過程中大量消耗著人文資源，而人文資源的再生和可持續(xù)發(fā)展依賴于人類的持續(xù)勞動(dòng)和創(chuàng)造活動(dòng)。因此，深度學(xué)習(xí)機(jī)制對(duì)于電影行業(yè)人類勞動(dòng)力的系統(tǒng)性替代，會(huì)對(duì)電影人文資源的可持續(xù)發(fā)展產(chǎn)生負(fù)面影響。

電影作為文化共同體，其內(nèi)部成員對(duì)價(jià)值理念的多元理解，不僅是激發(fā)創(chuàng)作活力的核心源泉，還驅(qū)動(dòng)著電影行業(yè)價(jià)值規(guī)范的集體認(rèn)知向更深層次遷移與分化，從而促進(jìn)電影藝術(shù)多樣化發(fā)展。與之相對(duì)，深度學(xué)習(xí)機(jī)制對(duì)于價(jià)值理念的單一把握與理解，限制了作品的多樣性，從長遠(yuǎn)發(fā)展看，會(huì)導(dǎo)致電影文化生態(tài)“荒漠化”。同時(shí)，深度學(xué)習(xí)系統(tǒng)以其較強(qiáng)的數(shù)據(jù)處理能力與模式識(shí)別能力，深度重塑電影制作流程，并在電影生成領(lǐng)域得到廣泛應(yīng)用。這種技術(shù)繁榮的陰影下，潛藏著危機(jī)：短期內(nèi)，對(duì)人類電影專家的依賴減少，其職業(yè)穩(wěn)定性和發(fā)展機(jī)會(huì)受到威脅，進(jìn)而導(dǎo)致電影創(chuàng)作在人力資源層面的抗風(fēng)險(xiǎn)性被迅速削弱。從業(yè)者不得不將“創(chuàng)作思維\"轉(zhuǎn)化為“計(jì)算思維”，減少對(duì)于人類獨(dú)有創(chuàng)意和專業(yè)技能的需求，深度學(xué)習(xí)系統(tǒng)因缺乏足夠的“智慧”來源，失去發(fā)展根基[25]。最終，電影藝術(shù)在普及深度學(xué)習(xí)機(jī)制的“生成式幻想”中走向自我反噬——作品失去人類獨(dú)有的情感深度和文化多樣性。

四、結(jié)語

隨著深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，其在“生成式”電影創(chuàng)作中的應(yīng)用日益廣泛，為電影產(chǎn)業(yè)帶來了前所未有的變革。我們必須認(rèn)識(shí)到，技術(shù)的發(fā)展應(yīng)當(dāng)服務(wù)于人類文化的繁榮和多樣性，而不是成為其替代品。因此，電影行業(yè)在采納深度學(xué)習(xí)技術(shù)時(shí)，需要審慎考慮其長遠(yuǎn)影響，尋求技術(shù)與藝術(shù)之間的平衡，確保電影藝術(shù)的可持續(xù)發(fā)展。未來的電影創(chuàng)作，應(yīng)當(dāng)是技術(shù)與人類智慧相結(jié)合的過程，既運(yùn)用技術(shù)提高效率，又保持人類對(duì)藝術(shù)的深刻理解和創(chuàng)造性貢獻(xiàn)。只有這樣，我們才能確保電影藝術(shù)不會(huì)在技術(shù)進(jìn)步的浪潮中失去其獨(dú)特的人文價(jià)值和情感深度。

參考文獻(xiàn)：

[1］韓水法.人工智能時(shí)代的人文主義學(xué)[J].中國社會(huì)科學(xué)，2019（6） 25-44+204-205

[2] 周文姬.膠片、數(shù)字代碼、GPT類AI：電影中的現(xiàn)實(shí)轉(zhuǎn)向和變體[J].當(dāng)代電影，2023(9)：69-76.

[3] 何謙.影像之熱與電影史的物質(zhì)性：燃火、銀鹽和景觀[J].電影藝術(shù)，2023（1)：70-79.

[4] 程檣，陳微.數(shù)智化“生成式”電影多模態(tài)交互構(gòu)建研究［J].電影藝術(shù)2024（3)：110-119.

[5] 陳焱松，周雯.人工智能影像敘事的涌現(xiàn)化生成[J].當(dāng)代電影，2024(5）：14-20.

[6]張新科.人工智能背景下的藝術(shù)創(chuàng)作思考[J].藝術(shù)評(píng)論，2019(5)：142-150.

[7］蔡自興，徐光佑.人工智能及其應(yīng)用[M].北京：清華大學(xué)出版社，1996：5-23.

［8］谷永新，趙松.生存論視域下的哲學(xué)和人工智能的內(nèi)在關(guān)系［J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023(6):9-16..

[9]LRokach，O Maimon.Top-down induction of deci-sion trees classifiers-a survey[J]. IEEE，2O05(9）:476-487.

[10]羅伯特·維納.控制論[M].劉佳，譯.重慶：重慶出版社，2023.

[11］徐心和，么健石.有關(guān)行為主義人工智能研究綜述[J].控制與決策，2004(3）:241-246.

[12]W McCulloch，W Pits.A logical calculus of the ide-asimmanent in nervousactivity[J].PhilosophyofArtificial，1990(50) :99-115.

[13]Geoffrey Hinton，Simon Osindero，Yee Whye Teh.AFast Learning Algorithm for Deep Belief Nets[J].Neural Computation，2006，18（7）:1527-1554.

[14]Ian Goodfellowetal. Generative Adversarial Nets[J].In Advances in Neural Information Processing Sys-tems，2014，12(2) :2672-2680.

[15]Tom Brownetal.Language Models are Few-Shot Learners[EB/0L].（2020-05-28)[2023-10-20]. ht-tps://arxiv.org/abs/2005.14165.

[16]劉達(dá).智能科技引領(lǐng)電影產(chǎn)業(yè)提質(zhì)升級(jí);思考、策略與前瞻[J].現(xiàn)代電影技術(shù)，2023（11)：6-13.

[17]張路正.Sora 賦能視頻創(chuàng)作：機(jī)遇、挑戰(zhàn)及前瞻[J].中國電視，2024(6):4-10.

[18］許孝媛，金鑫.人工智能視頻生成：“新影像\"制造與\"人-技關(guān)系\"的變革[J].當(dāng)代電影，2024（8)：35-44.

[19］克里斯蒂安·麥茨，于昌民.特效與電影[J].電影藝術(shù)，2016(5):101-108.

[20]澎湃新聞.重溫史詩級(jí)經(jīng)典科幻巨作，見證這場由AI推動(dòng)的3D電影特效技術(shù)革命［EB/OL].(2020-04-08)[2024-08-17].https://www.the-paper.cn/newsDetail_forward_6873453.

[21]司若，曹曉露.從“電影引擎”到“引擎電影”：人工智能時(shí)代的電影形態(tài)與產(chǎn)業(yè)演化[J].電影評(píng)介，2024(8).

[22］徐英瑾.人工智能哲學(xué)十五講[M].北京：北京大學(xué)出版社，2001:32-61.

[23]黃鶯.人類物質(zhì)顆粒與數(shù)字赤裸生命：人工智能對(duì)影視產(chǎn)業(yè)的賦能與負(fù)能［J].北京電影學(xué)院學(xué)報(bào)，2023(7) :73-83.

[24］周志明.智慧的疆界：從圖靈機(jī)到人工智能［M].北京：機(jī)械工業(yè)出版社，2018:418-440.

[25］薄一航.后數(shù)字時(shí)代計(jì)算思維下的電影研究新范式[J].北京電影學(xué)院學(xué)報(bào)，2023（10）：23-32.

[責(zé)任編輯：喻靖雯]