“技術藥學”視域下早期電影AI修復技術的算法暴力與認知爭議

柏拉圖曾在《斐德若篇》的隱喻中提出了關于修辭和書寫問題的爭論，他寫道：“書寫和修辭，就像法馬西婭（按：pharmakeia，即“藥”的古希臘說法）死后變成的清泉一樣，一方面這種特殊的技藝會幫助人們留下更優美的修辭，但另一方面也會形成遺忘，甚至只把書寫和修辭留下的文字當成真實…\"①這一思路能與今天我們面對人工智能的情境產生共鳴AI修復技術便是當下的“法馬西婭”。根據德里達對柏拉圖的回應，藥（pharmakon）本身具有“解藥”與\"毒藥”的雙重性。②斯蒂格勒（BernardStiegler）承襲柏拉圖、德里達的脈絡，主張將技術視為一種“藥學對象”（phar-macologyoftechnology），并將被技術媒介外化的記憶視作“第三持存\"（tertiaryretention）。③電影顯然是外化記憶的一種物質載體，而其物理衰變在實質上就是集體記憶的慢性死亡。至于如今的算法則可以將影像從載體剝離，實現記憶的“超工業化保存”。應當注意的是，人類過度依賴AI技術并陷于由“注意力經濟”導致的精神貧困，與柏拉圖筆下由書寫技術導致的“靈魂外化”困境形成了跨時空的共振：如果說書寫作為一種外化的、使人脫離口語的在場性的技術，催生了“去語境化”認知模式①，那么AI修復技術就是對歷史影像的算法重構，可視為書寫技術帶來的“去物質化”進程在數字維度的延伸。

在世界電影誕生130周年、中國電影誕生120周年之際，官方與民間對“老電影”（亦不妨籠統稱為“早期電影\"）進行AI修復的嘗試均已掀起熱潮。AI修復作為數字修復的一種新的技術形式，能以全新的運算網絡結構設計、優化的損失函數和細節處理為路徑，去除這些影像中的刮痕、褪色等瑕疵。目前，中國電影資料館以及不少主流媒體都在利用這一手段實施電影文物的保護工作。按斯蒂格勒的觀點，在大規模工業化和數字化的時代，技術首先造成“失向”（disorientation）和“非調諧”，破壞注意力、知識傳遞和主體形成，但也隱藏著治療和再生的可能性。②由此我們也不妨注意到，AI修復技術作為記憶延續的“義肢”，同時具有保存記憶的“解藥”治療性與扭曲藝術原貌的“毒性”。

目前，相關的行業報道以及學術文章多關注影像修復的積極面，且大多停留在傳統修復技術的層面，而本文則要著重探討AI深度學習修復技術對早期電影的上色和平滑操作在史料真實性、文化記憶認知方面帶來的爭議，關注數字技術介入歷史影像所產生的復雜后果和倫理困境，即AI在修復過程中的“算法暴力”問題—過于依賴AI算法實現的自動化修復，會造成電影畫面銳化過度、色彩飽和度過高、畫面失真等狀況，使其原有的藝術價值和歷史風貌被扭曲和剝蝕，從而影響電影作品的視覺效果，并引發觀眾的認知爭議。本文將圍繞這一話題，在從“解藥”維度拆解算法本質并辨析AI修復與傳統修復的差異的同時，從“毒藥”維度分析算法暴力引發的三重認知危機，并在“解毒”維度對AI修復的存在論進行倫理反思，以求突破單純技術批判的局限，在具有媒介物質性的認知史研究范式下給出自己的心得。

一、“解藥”維度：解構AI影像修復技術的本質

斯蒂格勒從人類學的“缺陷存在論\"（de-faultofbeing）出發，提出：技術作為“代具”（prosthesis）是人類本質的外在化延伸，人始終存在于與技術性假體的關系之中，且“人在發明工具的同時在技術中自我發明——自我實現技術化的‘外在化'”。①傳統電影修復依托于膠片的物質性即“第三持存”，在本質上是通過物理清潔與化學穩定手段（如銀鹽顆粒感光、醋酸片基的氧化惰性）實現人類記憶的具身性外化。其修復人員手工修補膠片刮痕并調整染色液配比，均依賴于膠片載體與人體知覺的交互，由此形成具身化的記憶循環。在此過程中，時間痕跡（如褪色、劃痕）作為“負熵”被部分地保留下來，維系了記憶載體與歷史時間的肉身性聯結，其本質則是在維護物質的連續性與時間性的痕跡，使經典作品得以在影院中重生。

而AI電影修復技術與之不同，它是對“第三持存”的修復與重構，其過程也是在“第二持存”（secondaryretention）的介人下完成的。不過，算法畢竟已將影像從化學載體中徹底抽離，變成可以無限復制的矢量數據流，存儲在了超工業化的“記憶云端”。這一轉換使得記憶脫離了人類知覺的負熵循環，變成了可以被算法編程、優化的對象。AI修復含有大量的機器深度學習訓練成分，其自動修復過程等于是將歷史影像轉化為“數字持存”的過程，這會造成“時間矢量”的斷裂，是“再創作\"而不是“復原”。目前的AI修復經常將卷積神經網絡（CNN）、自編碼器（AE）以及生成對抗網絡（GAN）這些結構組合起來，提供很強的特征提取和重建能力，以便改善圖像質量，把已模糊、損壞的影像幀變得清晰，其間有代表性的模型和工具有DeOldify、Dande-_re2x 、Hotpot.ai等。這個過程表現出算法自身極強的計算能力以及它對早期電影視覺元素的深刻\"認識”。具體來說，這類處理先要對電影執行幀提取，這一步一般依靠自動識別算法來把每幀圖像分離開，有些研究者也采用自適應閾值方法，以利于靈活調節算法參數，適應各種不同的早期電影的畫質和風格。得到幀畫面數據后，可以采用圖像超分辨技術把數據從低分辨率“超分辨”成高分辨率，這一步涉及GAN神經網絡，需要經過多次試驗才能確定一些重要的參數，比如學習率設置方法、權重初始化的方式以及訓練過程中的正則化手段等。研究人員在訓練AI修復模型的時候，也經常會搜集數量非常大的電影數據集并把它分成訓練集和測試集兩部分，主要依靠反向傳播算法在多次迭代的過程中持續改善卷積層的權重或說偏置，從而減小預測誤差。而且，他們也會采用數據增強技術，包括剪切、縮放等操作來增強模型的泛化能力。經過數十萬次迭代后得到的模型，在峰值信噪比（PSNR）、結構相似性（SSIM）等評價指標上都有顯著提升，修復后的圖像不僅清晰度提升很多，顏色、對比度、紋理等也宛然如新。目前由上海大學上海電影學院電影特效工程技術研究中心牽頭的“老電影修復深度學習技術”在科研層面已初具規模，已發表的成果有于冰、范正輝等人的《基于深度學習的電影數字修復系統研究》②、《基于循環多尺度卷積混合器的老電影修復方法研究》③等。相關研究還包括“廈門大學一愛奇藝電影修復聯合實驗室”項目①，以及中國電影資料館北京電影資料庫對傳統修復和AI修復進行的實踐與對比探討②。事實上，當卷積神經網絡通過對抗學習“想象”出缺失的畫面成分時，是通過數字采樣將銀鹽分子結構轉化成了二進制代碼，因此，修復已從物理層面的維護轉向了認知層面的重構，即實現了記憶載體從有機基質向無機基質的“物種遷移”—這超越了機械復制的范疇，進入了后復制時代的生產范式，使作品不再是原作的摹本，而是算法對文化記憶的創造性詮釋。就某種意義而言，本雅明所說的藝術品的“靈暈\"（aura）源于其“此時此地”（hicetnunc）的獨特性，即作品在特定時空中的物質存在與歷史痕跡，而AI修復可以被視為依靠靈暈實現重構的算法考古學，開創了一種逆向實踐。

目前對早期電影進行修復的主要算法不一而足，涉及多方面的復雜場景處理，包括超分辨率重建、幀插值技術、色彩重建、噪聲去除和細節增強，以及多種修復算法的集成等。其中，超分辨率重建主要是在低分辨素材中提煉出高分辨率的細節，該算法雖然在提高清晰度上效果明顯，但對計算資源的需求較高，其算法優化嘗試通過限制卷積神經網絡的深度和寬度，來達到修復質量與計算效率之間的平衡。幀插值技術可以增加視頻的幀率，但是對快速運動場景的處理效果有限，其算法優化措施是引入遞歸神經網絡（RNN），提升連續幀間運動預測的準確度。色彩重建技術用條件隨機場（CRF）和GAN構成聯合框架，以便更準確地模仿色彩分布，以此削減色彩推測的不確定性。去噪和加強細節的算法能夠去掉年代感比較重的噪點，這個過程使用自適應濾波器來進行優化，因而不會丟失原始細節。多種修復算法的集成則可以給出更全面的解決辦法。綜上，為了較高的性價比，修復者要依照影片自身的特色和損壞情況，靈活選擇單個算法或者多個算法組合的策略，讓整個修復流程依靠對計算資源和修復質量的細致權衡來保證修復結果既尊重并保留原作的藝術風格，又滿足當代受眾的觀看及審美需求。

就未來的發展趨勢而言，注意力機制與多尺度處理方式也會被廣泛應用在神經網絡當中，從而更精準地抓住圖片的細節并且提高模型的上下文感知能力。此外，智能語音AI應用技術的專利申請趨勢也體現了該領域的創新活躍程度，從側面證明了AI在多媒體處理技術方面的發展潛力很大，不限于音頻處理領域，而是同樣適用于早期電影的修復技術。

不過，修復算法的發展也不是一步到位的事情，研究者要對模型進行大規模的訓練，把總計數萬乃至數十萬幀的電影畫面送入模型之中；如此海量的數據要有足夠大的框架來支撐，所以一次輸入的幀數必須控制在模型能夠承受的范圍之內，一般不會超過幾百幀。而且，此類模型的訓練還牽涉到復雜的梯度下降算法以及細致的參數調整。何況，伴隨著AI影像修復工作而來的，還有對算法性能和倫理辨識的雙重審視。基特勒強調人類記憶不再依賴生物大腦，而是依賴外部技術系統，如唱片、膠片、硬盤，因此“記憶形態”由媒介的存儲邏輯決定，隨著信息保存的物質形式變遷而演化。①正如羊皮紙的物理特性形塑了中世紀手抄本文化，算法也正在重構我們對歷史影像的認知框架。數字義肢延續記憶的過程，是用硅基邏輯改寫碳基記憶的生物學編碼，這正是“技術藥學”的當代印證，即技術的治療性本身有可能暗含著“毒性”。

二、“毒藥\"維度：AI修復的算法暴力與認知爭議

從某種意義上說，人是技術的結果。斯蒂格勒警示說，數字自生簡化了神經系統的反思功能，可能催生“系統性愚昧”（systemicstupidity）②，AI影像修復過程也會不可避免地引入算法主觀性，導致修復后的影片在細節表現上與原作存在一定差異。這些修復過的影片會引發有關“歷史真實性”與“藝術創造性”的爭議，而許多觀眾正在市場中自動接受著修復影像的“投喂”。在這樣的背景下，對早期電影之AI修復的“毒性”的討論變得尤為必要和緊迫。

20世紀80年代，阿萊達·阿斯曼（AleidaAssmann）與揚·阿斯曼（JanAssmann）就已提出了“文化記憶\"（daskulturellesged?chtnis）理論，其思想立足于對歷史的社會性重構，包含著對過去回憶的指涉、對當下的肯定和傳統形成過程中的文化延續，指出制度化、物質化通過媒介和象征符號來傳承，后兩者是對國家和民族歷史起到連接和聯系作用的凝聚性結構。③誠然，對早期電影的AI修復能夠拯救文化記憶，如使全球南方的影像檔案突破主流檔案館的物質性禁錮，進人觀眾視野之中，又如“優兔”（YouTube）和“嘩哩嘩哩”的

AI修復頻道能夠讓百年前的電影從資料館及院線方進入流媒體平臺，實現克拉考爾“電影物質論”的當代轉化；然而，算法暴力亦可能扭曲電影所記錄下的社會風貌和歷史面貌——這種狀況將會引發一種新型的文化記憶研究與歷史編纂學，即關于集體文化記憶的算法重構的研究。這種“逆向靈暈”的操作方法，其標準很大程度上受制于技術公司的參數體系。下文分幾方面具體闡述。

（一）色彩算法“殖民”引發文化記憶重構

我們不妨先來探討上色失真問題。目前我國對黑白電影進行上色修復仍主要依賴西方的色彩數據集和工具，如DeOldify、Nuke、ColorLabAI、ChromaGAN等，這個早期影像“遭遇”好萊塢色彩數據庫標準化色彩“殖民”的過程，本質上緣于技術開發過程中存在的系統性文化偏見。這一偏差的種子在先期選擇訓練資料的環節就埋下了，比如以DeOldify為代表的模型，其訓練數據中大量樣本來自好萊塢的“特藝彩色”（Technicolor）膠片，這直接造成了其算法對色彩的認知是西方中心主義的。即便是常被用來自主訓練模型的第三方色彩分析平臺Screenmusings的數據，雖然號稱收錄了全球超300部電影的2萬多張高質量截圖，但其劃分色彩標簽和季節色調的數據標準仍是由西方人規定的，因此其分析色彩與情緒關聯、標注不同顏色的象征意義的結果也不免帶有西方中心主義的成分。①所以，相關的功能運用在早期電影的修復中，就等于采用了由數據庫自動設定的視覺美學，從而引入高飽和度的色彩或高對比度的影像元素，而這些在民國時期的電影中并不常見。以《永不消逝的電波》高清上色修復版為例，在“嘩哩嘩哩”的彈幕中就有觀眾提出了對衣服顏色變化的疑問，如“日寇特務到底是藍西裝還是灰西裝呀”“坐下紅色站起灰色”，可見其對技術處理的結果很困惑。②又以《良心》（1961）為例，在StableDiffusion上運行DeOldify，筆者發現修復后不同的場景被賦予了不同的色調，但所賦的色調并非無可爭議，比如辦公室場景被默認為冷峻的灰綠色，其中的綠色成分就值得推敲，而展現母女溫情的片段在整體上被默認為紅色，讓人覺得如果改成橙色才好一些（見圖1）。這顯然是受了修復算法之訓練數據的默認參數的影響。另外，畫幅的整體顏色還會有隨機的小幅波動，這就更屬于技術瑕疵了。

圖1《良心》1961）經修復后出現的場景顏色偏向

應該注意的是，在模型訓練過程中，這種數據偏向性通過反向傳播算法而被不斷強化。西方模型訓練過程中的損失函數設計，會強制所有文化語境下的色彩向其“主流數據集\"收斂，最終在權重矩陣中固化出“高飽和度即優質”的評判標準。這里更為深層的問題是：現有的損失函數設計完全建立在技術指標上，僅關注像素級的色彩還原的準確度，而完全忽視了色彩作為文化符號的歷史意義。黑箱化的色彩決策鏈條，就這樣通過數據采樣、特征提取和生成對抗，將歷史美學差異壓縮成了技術參數的同質化輸出。有學者進一步指出：“AI算法著色之所以會出現偏差，是因為現有的彩色圖像需要轉換為具有一定灰度的圖像并采用算法對其進行重新繪制，而重新著色的圖像與原圖相比會顯得十分暗淡。著色對AI而言更難，這意味著在給定灰度等級的情況下，AI很難分辨應該為景物添加何種顏色。比如說女人的衣服可能是藍色的，但也可能是紅色或者其他顏色，灰度像素中沒有信息表明缺少何種顏色。但現有軟件沒有龐大的選色邏輯系統，而是在AI深度學習中從最有可能出現的顏色數據庫中去挑選AI認為正確的色彩。此外，影片修復還須考慮電影（故事）發生的地點和時間，人工調色能夠知道哪種配色方案對照片和視頻更有意義。”③

從文化記憶層面講，AI訓練數據集可被視作一種新型權力檔案，由其催生的特定的算法將會對歷史認知發揮規訓作用。可以想象，目前這種訓練集的“技術無意識”若用于修復革命現實主義題材的影片，將會使之在一定意義上異化為“跨語境奇觀”，使其原有的政治符號被染上好萊塢視覺消費元素的調子。目前DeOldify可以基本識別特定的花草樹木與人物著裝，在黑白電影中也可以嘗試附著顏色，但具體操作中仍舊會失手，特別是在涉及訓練集中未曾涉及的物體時。這種算法暴力將西方的視覺記憶納入全球技術霸權，形成了斯蒂格勒批判的“感官殖民”，造成了色彩考古學的認知陷阱，引發了影像檔案的認知正義問題。本雅明強調技術從來不是中立的，總滲透著意識形態。①我們說，如此修復色彩的賦值，是在技術無意識中隱含著代際解釋權的壟斷與集體記憶的斷裂，會改寫觀念的歷史感知，導致其文化記憶被不盡恰當地重塑。

（二）“平滑算法”擦除電影美學特質

西方訓練的數據集的“平滑算法”可能存在偏差，從而折損修復效果的原真性。這種偏差一方面源自模型訓練數據的局限性，另一方面則與算法設計者的主觀判斷密切相關，最終會導致修復后的影片在風格表現上發生微妙變化。例如“嘩哩嘩哩”上多位“up主”上傳過的1922年《勞工之愛情》修復版本中，女演員面部在有些片段中過度發亮且平滑。又如有一個對《神女》（1934）的畫面修復案例將DeOldify運用到MyHeritage中，結果算法對阮玲玉面部光影的重構出現失誤，導致其表演中的悲情特質被弱化為“網紅臉”（見圖2）。這里對第二個例子展開來看。數據集對阮玲玉表演質感的消磨，產生了審美干預：首先是特征的均勻化，導致其五官看起來過于迎合當代人的審美標準，可以說是用“超真實修復”造成了時間性的消解；其次是淤塞了情感深度，使得觀眾難以充分感受到這個角色內心的糾葛和悲傷，意境也被機械化。另外值得關注的是，AI修復算法的暴力程度與視頻幀的運動程度、視頻內容的復雜度、視頻畫質的損壞程度以及修復過程中算法的選擇等因素密切相關，而物體過度銳化的邊緣、失真的色彩以及丟失的紋理細節都會破壞電影原有的質感和氛圍，引發審美不適。計算美學的到來，恰恰在引導我們思考算法與媒介對“電影藝術”觀念的消解。②

圖2《神女》畫面修復后的“平滑”呈現

此外，GAN對膠片裂痕的平復修整，在某種意義上說亦是對歷史記憶的遮蔽。比如《早春二月》（1963）的雨巷場景，若原片的膠片顆粒產生的朦朧詩意被超分辨率算法清除，轉化為4K銳化圖像，則水墨意境蕩然無存。因此，修復算法的參數設置應該充分考慮不同時期、不同類型電影的特點，避免“一刀切”式的魯葬操作，以便修復后的電影給觀眾留出想象和詮釋的空間，而非完全用數據庫標準取代人眼的判斷。傳統修復受限于材料與手工技藝，修復者的主觀判斷必須服從膠片物質性的客觀制約，恰好形成了技術有限性下的倫理緩沖帶；而AI修復的算法黑箱中，修復哪些影片，訓練數據如何選擇，何為“完美畫面”的損失函數設定以及風格遷移的偏好，都暗含技術權力對集體記憶的規訓。

（三）AI幀插值技術抹除物質媒介的歷史痕跡

視頻幀插值（videoframeinterpolation）是目前對早期電影進行AI修復的重要方法之一。它主要通過AI算法在低幀率視頻中插入中間幀，使畫面更流暢，把早期16fps（16幀/秒）的電影插值到24fps乃至60fps的現當代規格，減輕快速運動場景中的模糊現象，其主流的技術有“結合深度信息的幀插值技術”（DAIN）和“適合大范圍運動的插幀模型”（FILM）。這種操作似乎打破了電影本體的構成，消解了原作中由幀率、膠片劃痕與顆粒噪點共同構成的“靈暈”。德勒茲在《電影I》中提出電影的“等距性”（isochrony）原理，即攝影機以24fps隨機截取運動的任意瞬間，對現實作無主體性的記錄。①他認為幀率是機械的、偶然的，這種等距性則抓住了真實的運動，而這種機械性的特質使電影成為唯一能夠“完全忠實于運動連續體”的藝術形式—邁布里奇使用連續攝影機等距離曝光捕捉到的馬匹奔跑時的瞬間，便歸屬于德勒茲認為的“真實的運動”。②同樣地，“運動－影像”不只是簡單地記錄著物的物理位移，而且還記錄著“時間綿延”（duration）：例如，由馬萊（Etienne-JulesMarey）發明的機械裝置“攝影槍”所使用的等距離曝光時間可以記錄一些難以察覺的微小動作，這些通過時間切割的曝光記錄實際上是對一種運動的潛在性作了可視化顯現一鳥類飛行過程中的翅膀運動狀態并不只是簡單的空間位置變化，而亦是一種時間密度的變化。③誠然早年間拍攝的電影往往僅有16fps，會造成一定的卡頓感，但那反而彰顯出時間對運動的切割一—這種卡頓就是時間對運動的反應過程，而且這本身也是時間和運動之間的辯證。“當我們試圖用固定的概念來理解運動并將其分解為一系列靜態的位置或瞬間時，對時間和運動的連續性本質的捕捉已成枉然。\"④柏格森也提出，“時間的瞬間和移動的位置只是我們對運動和綿延的連續性的理解的快照”③。但是，AI插值“平滑”了這種離散性，比如DAIN算法通過對相鄰幀的像素變化進行分析，以神經網絡預測并生成符合人類視覺預期的中間幀，使運動呈現出無卡頓的流暢感。這種連續化的虛構看似提升了觀看品質，其實是用算法邏輯取代了機械隨機，把運動簡化成了對感知舒適性的適配。1896年的《火車進站》原片以20fps拍攝，其卡頓感是機械時間性的直接反映，而在它被AI插值到60fps時，算法會“想象”出原來各幀之間并不存在的數據，比如火車輪轂的旋轉軌跡、人物衣擺的晃動幅度。這種生成過程完全依賴于對運動模式的統計歸納，而不是對真實運動的客觀截取。①筆者還注意到，修復版中的人物行走時，其關節角度的變化規律也已被轉化為符合當代視覺習慣的均質流動。

進而可以說，AI算法通過對技術邏輯的異化，將敘事同一性從“意義生成\"降格成了“數據操作”。保羅·利科（PaulRicoeur）在《時間與敘事》中強調，“敘事同一性”（narra-tiveidentity）是人類通過敘事行為將碎片化經驗整合為意義整體的能力。歷史記憶并非靜態、平滑的數據集合，而是通過敘事的開端、發展、結局形成的時間性意義網絡。②物質性的劃痕、褪色等衰變痕跡，本身即構成一種物質敘事，它們記錄影片歷經的滄桑，與影像內容共同編織歷史記憶的時間紋理。而AI修復技術通過插值算法填補缺失幀，實質上是對歷史記憶的數據庫化。如運動插值為《勞工之愛情》生成中間幀，“抹平”了膠片的顆粒感，看似修復了膠片所缺失的流暢性，實則虛構了非歷史的運動軌跡，割裂了保羅·利科強調的“敘事配置”（miseenintrigue）。質言之，歷史事件與其物質載體的意義共生性在此恐被算法解構，集體記憶也恐淪為可拼貼的數據庫元素。德勒茲強調，電影的機械性記錄不僅是一種技術特性，更是歷史物質性的一種載體。③那么，AI插幀技術何嘗不是對歷史的篡改呢？例如《市場街之旅》（1906）原片的低幀率與動態模糊，是舊金山地震前城市風貌的脆弱見證，④但統一化為60fps后，平滑的時間流遮蔽了由物質劃痕以及褪色所反映的歷史斷裂性，制造了“偽記憶在場”，讓記憶成了福柯意義上的“可操控檔案”。根據斯蒂格勒的思想，“記憶工業化”消解了時間客體的負熵值，割裂了人類感知與歷史時間的肉身性聯系； （5）_AI 修復則將膠片時間矢量化為可計算的數據流，抹除了銀鹽顆粒氧化所留下的“時間熵跡”。如果說德勒茲曾經批評愛森斯坦的“有機蒙太奇”手法通過大量使用黃金分割率將運動帶人預先設定好的意識形態軌道，那么算法則是把歷史運動納人了數字消費主義的平滑邏輯，正與愛氏的做法在某種程度上異曲同工。AI幀率插值看似“修復”，但也是用算法重寫了時間結構，不僅動搖了電影作為時間藝術的本體論根基，還將“歷史真實”變成了“數字幻象”。在算法統治之下，時間恐難逃被解構與重構的命運。設想一下，如果今后的電影完全是“神經-影像”（neuro-image），則運動或將變成算法的奴隸，電影本體也就不一定還能呼應德勒茲所言的“揭示現實”的哲學命題。

三、“解毒”維度：修復范式與反思

AI影像修復技術到底是解藥還是毒藥？對早期電影到底是在從事修整完善還是在實施美學謀殺？修復與篡改的邊界到底在哪里？事實上，認知的分歧反映了不同利益主體對AI技術應用的不同訴求：修復機構希望借助AI提高工作效率、降低人工成本，電影藝術工作者則關注修復的藝術性和準確性，觀眾則希望能夠欣賞到經典電影的“本來面目”。拋開經濟學和社會身份的角度，這種認知分歧至少有一個深層次的原因一人們對“真實”這一概念有不同的理解：“解藥”派認為，AI修復使電影畫面更加清晰，而讓觀眾得以更好地欣賞電影的畫面細節和視聽語言才是對電影精神的真正傳承；“毒藥”派認為，膠片的斑駁和老化同樣是電影的重要屬性，蘊含著特定的歷史語境，技術修復反而是對“真實”的一種篡改。斯蒂格勒主張在技術毒性中培育“解藥性”（curative）的實踐——我們可以將這理解為一種“負熵的修復實踐”。①遵循這種思路，可以沿著斯蒂格勒的“技術藥學”思想路數，為AI修復轉化出可具體落實的媒介修復倫理“三原則”。

首先是可逆性原則。這一原則倡導所有數字修復保留原始數據層，即在修復中保存物質斷裂的“熵跡”，抵抗算法對歷史時間的絕對化縫合，實現記憶的負熵留存。我們應尊重膠片乳劑氧化、“醋酸綜合征”等物質性時間痕跡，避免算法修復淪為“祛時間化”的視覺暴力，具體來說就是要把掃描膠片的物理數據，包括銀鹽顆粒分布、褪色曲線當作獨立的存儲層，同AI修復層嚴格區分。若不將膠片的物理衰變數據（比如醋酸綜合征的嚴重程度、劃痕的微生物侵蝕痕跡）嵌人數字文件當中，任憑原始數據層消失，讓不同的AI版本互相爭奪，歷史真相就會被切成碎片，集體記憶就會失去依靠，陷入某種近似于虛無主義的混沌之中。當然，我們也應澄清：可逆性原則不是指單純的數據備份，它是要善用技術，守護記憶的負熵、開放性以及未完成性。

其次是語境透明性原則。這一原則旨在尊重時間本身所呈現的物質性，彌合斷裂與縫合的張力。德勒茲在《電影Ⅱ》中提出了“晶體-影像”（crystal-image）的概念，認為現實影像與潛在影像就像記憶、幻覺一樣，也像晶體的兩面一樣，不僅不可分離，而且會彼此交換，顯現出時間的多義性結構。在“晶體-影像”中，現實與潛在、過去與未來共存的狀態，就是通過影像流的拓撲結構來實現的。②膠片的線性裂紋、缺失，在影像流中都是拓撲學意義上的斷裂。所以，修復的過程需要保留影像的晶體性互文結構，即讓原始物質痕跡、歷史符號與算法干預保持并存與對話。比如，可以搭建互動參與式的修復框架，充許多方參與到修復過程中，可以保留一些裂痕，在修復中嵌入“元數據注釋層”，標注算法對色彩、幀率的調整參數，并鏈接到原始膠片的物理特性。《勞工之愛情》4K修復版就包含對膠片物理特性的分析，早期膠片乳劑的感光曲線、銀鹽顆粒分布等數據都被作為修復時的參考，讓觀眾可以自由欣賞修復后的效果，并與原始的視角對比，體驗\"時間晶體”的多重視域。德勒茲認為，影像流具有非因果性、非線性，并不依賴于動作的邏輯鏈條，而是來自時間自身直接的呈現。時間并不是線性的流動，而是要通過褶皺（pli）和展開（depli）實現差異與重復。①因此，讓編碼器和解碼器的“語義”對齊，讓修復后的“褶皺”成為時間綿延的節點，就保證了膠片裂痕能夠作為時間褶皺的物質痕跡。AI修復也可以采用這個思路，將影像分為“可修復區”和“不可修復區”，比如導演特意留下的膠片質感就屬于后者。這樣可以形成“褶皺”的分層，既尊重了歷史的斷裂，又實現了技術上的縫合。當然，GAN的修復策略需要考慮這種空間填補和整體之間的時間連貫性，故使用區域歸一化（RN）技術，將分割出來的受損區域和未損區域分別進行特征歸一化和仿射變換，保證修復區域與周圍像素的拓撲連續性。在此情境下，須注意語義連貫性的動態保持，比如加人連貫性語義注意（CSA）機制，通過搜索上下文區域的語義聯系，把斷裂處同影像流的潛在語義網絡重新銜接起來，又如可加入解釋性拓撲圖譜——像“特征塊判別器”（fea-ture patchdiscriminator），憑借將依據畫面內容尋找最佳修復方案的過程可視化，顯示算法對時間褶皺的重新塑造，達成技術透明。此外，在修復演員表情時，也要注意擺脫器官化審美，比如人臉不必完整對稱、不必“磨皮”等，要允許裂痕縫合后保留其強度痕跡，如色彩漸變的殘留或紋理的錯位。算法應該捕捉表情動態的連續性，而非只是對靜態像素作機械填補：要強調身體作為“強度場域”的流動性與去結構化。

要想厘清并量化算法暴力的邊界，就既要考量技術操作的強制性、盲目性，也要考慮它對社會認知造成的撕裂與沖擊一—這就引出了第三個原則，即多方協同修復原則。我們應在跨學科倫理審查視域下，建立包含行業協會、高校學者、藝術創作者、業界技術部門在內的修復監督機構。中國電影資料館近年來一直在開展電影數字化修復工作，2023年還在北京大學舉辦了“重探中國電影史2023藝術影展”，放映了《勞工之愛情》《早春二月》等經典影片的修復版。鑒于AI修復技術在實踐中的重要性日益顯現，我們希冀有關部門能夠把AI修復技術歸入數字創意產業的發展規劃當中，給予政策和資金支持，以助力我國的此類產業盡快在新一輪技術革命中占據制高點;同時，我們也期待著與AI修復相關的技術標準和規則能盡快得以制訂，以避免其過于商業化以及出現版權糾紛等。可以說，如何在技術創新與藝術傳承之間、商業開發與公共利益之間尋找一個平衡點，是需要各個有關方面共同探討的問題。在尊重電影史、保護創作者的知識產權和行業的正常秩序、促進技術發展之間，大家要尋求效益最大化和矛盾最小化。這既要考驗AI技術自身的發展完善，又離不開在數字時代建立起來的“逆向通道”和技術的監督作用。在技術的狂熱浪潮之中，呼呼人們保持對電影史之真實的敬畏感，建立起科學、有效的治理框架和機制，才能引導AI修復活動健康有序進行。

結語

在電影修復技術的演變中，我們看見的不只是技術的代際更迭，更有藝術本體論的范式轉換。從堅守物質靈暈的“修舊如舊”，到算法再造記憶的“修舊如新”，技術正在改變我們對真實、原創等概念以及對影像文化遺產的認識。這種張力正是本雅明預言的延續，即在技術徹底打破靈暈后，人類或許會陷入一個無原作的藝術宇宙，那么，怎樣在這個宇宙里保護歷史的多種可能，就成了一道重要的倫理新題。所以，本文要呼喚“人文智能”下的電影修復——AI修復帶來的不只是一場技術革命，還有一次關乎歷史解釋權的爭鳴，其算法暴力會重新書寫文化記憶的基因，這將促使我們在“數字廢墟”上反思“真實”的考古學定義，并將深刻改變中國影像記憶的書寫方式。在“解藥”與“毒藥”之間，我們不能簡單地給AI定性，而是應在尊重原作的基礎上，謹慎地對待和使用AI修復技術，在忠于原作和獲得新體驗之間找到博弈均衡，從而緩解社會各界對此的認知沖突，讓早期電影作品被更好地傳承與開發。AI影像修復既然已經成為大勢所趨，我們就不必過于悲觀地看待其“毒性”。讓“技術從毒性變成藥性”①，幫助技術與藝術和諧共生，才是真正有利于眾多“老電影”資源修復和激活的思路。

本文系國家社科基金藝術學重大項目“中國特色電影知識體系研究”（編號：22ZD10）、國家社科基金重大項目“中國文化對外傳播話語構建、敘事策略與效果評價研究”（編號：24amp;ZD214）的階段性成果。

作者簡介：李鶴伊，北京外國語大學國際新聞與傳播學院講師，藝術學博士，主要研究方向為藝術傳播、電影史論、數字人文。

Algorithmic Violence and Cognitive Controversies in AI Restoration of Early Films from the Perspectiveof“PharmacologyofTechnology” Li Heyi

Abstract：From the perspective of“Pharmacology of Technology”，AI technology presents a dual effct in the restoration of early films.In terms of its“antidote”dimension，AI-based restoration can transcend the physical limitations of traditional restoration through deep learning.With its core technical system of“super-resolution reconstruction”and“temporal prediction”，itaccelerates the digitalizationofcinematic heritage.However，the “toxic”dimension exposes crises triggered by algorithmic violence：applying parameters from Westerndeveloped color datasets to restore Chinese films inevitably entails systemic cultural biases；“smoothing algorithms”tend to erase the inherent aesthetic characteristics of films;and AI frame interpolation technology brutalywipesout the historical traces embeddedinthematerial medium.Toaddress these issues，three principles of media restoration ethics can be proposed as a“detoxification” approach.Engaging in a dialogue betwen technical criticismand humanistic reflection here can provide a practical path for film restoration in thedigital-inteligentera—one thatbalances technological innovation withrespectfor history，and seeksa dialectical equilibrium between algorithmic logic and humanistic values.

Keywords：AI;film restoration;algorithmic violence;cultural memory ;media ethics