数字技术时代电影工业生产的“算法”思维及“算法工业美学”建构——电影工业美学理论“接着讲”的“数字算法”之纬

张明浩

(浙江大学传媒与国际文化学院，浙江 杭州 310058)

引言：“算法”——数字技术时代电影工业生产的“底层逻辑”

数字技术时代，电影生产充满各种机遇与未知。在电影工业强国的语境下，电影如何在数字技术时代搭建出“数字技术时代的工业美学”体系，显得尤为重要，极为关键。

陈旭光教授的“电影工业美学”理论为电影的工业化发展提供了诸多有益理论体系与实践指引——“体制内作者”“剧本为王”“常人之美”“折中思维”以及“网络化生存/产业内生存”等理论观念与实践框架在作者之纬、剧作之纬、受众之纬、制作的哲学思维以及“制作的生存之纬”等多个纬度对新时代导演生产与工业化制作提供了切实、务实的理论经验与可实践框架。

如今，在数字技术不断加深，电影虚拟制作、AI写作等电影新机遇不断层出的当下，“电影工业美学”也需要“接着讲”，以在数字技术时代“延伸”，并“发挥效应”。“电影工业美学”理论须与“数字技术”“技术美学”“技术发展”等结合进行“理论再生产”。

而我们如今学界呼声较高、关注较多的“虚拟制作”“人工智能制作”“可视化电影制作系统”与电影工业生产这一系列问题，其实核心涉及的都是“电影与算法”的问题——虚拟制作中的实时预演、拍摄可视化；人工智能制作的AI深度学习与剧作生产；数据平台的用户画像分析等，其实都与“算法”有关。正如吉特尔曼(Gitelman)在《总是新的： 媒体、历史和文化数据》(AlwaysAlreadyNew：Media,History,andtheDataofCulture)中所言，算法技术现在已经是“整个社会的科学工具”[1]。显然，“算法”也是电影生产的一种“科学工具”。这种“科学性”，最为明显的体现便是：“算法”能够在数据基础上，为电影生产(从选题到宣发)各个阶段提供一种“算法支撑”与“算法建议”，尽管可能有时“算法建议”并不十分准确，因为人还是感知的动物，但相对而言，基于大数据后的“算法推测”与“算法建议”能够有效保证电影在制作及宣发等各个纬度得到有效保障。比如，诸多电影借助“抖音算法”进行“算法”式传播，不断被推送到“目标受众”面前。此过程，便是“算法”背后的“助力”。

算法与电影这一问题尽管被学者从各个纬度进行观照，但就谈“算法”与“电影工业体系化”生产问题的，却不多。但我们显然不可忽视的是，我们已然进入一个“算法时代”！将“算法”合理利用，并助力于技术时代下中国电影工业体系化建设，无疑是技术时代下能够促进电影生产流程化、可视化、节约成本的有效之纬。

我们常常关注到技术发展下电影制作的大场面与震撼视听，更关注技术时代电影工业化生产如何尽可能减少“成本病”等问题。其实电影工业化生产的“工业流程”之纬，减少“成本病”的核心，便是要有高度的“计算”能力与“预演”实力。也就是说，电影工业生产中，“算法”必不可少且十分关键——因为“算法”决定了这个电影能否可以在选题、选角、制作、后期、宣发等各个纬度上的“精准性”与“最大优化性”。

所以，分析如今的“算法文化”“算法逻辑”“算法陷阱”及其与技术时代电影工业体系化生产的二元关系与融合发展，应该会对当下及未来电影工业生产起到一种启示意义与实践借鉴作用。

由此，基于陈旭光教授的“电影工业美学”理论，提出技术时代下电影生产的“算法工业美学”，以此在“算法”纬度对“工业美学”理论进行延伸，并初步对“算法工业美学”提出的文化之纬进行剖析，对“算法工业美学”的理论框架进行初步搭建，并指出“算法背后的技术统治陷阱”等问题。

一、“算法”的特质与属性：整合推优、知识学习与“构境沉浸”

算法具有“优化整合”的本体属性。“算法”并非数字时代专有物，而是存在已久。《算法之美——指导工作与生活的算法》中指出，“算法”是人类面临困境时追求最优选择的一种行为，这种选择行为自石器时代就已经开始。[2]这里的“最优选择”性，强调着“算法”背后的“优化推荐”与“最优整合”属性。查尔斯·巴贝奇也指出，“上帝创造的不是物种，而是创造了物种的算法”[3]，进而从物种产生之纬就强调了“算法”是内置于物种之中，不以人的意志为转移的“存在”。的确，物种的基因等，都似乎是“编码”而成的“算法”。

算法具有“复制”“重现”“超越”的三重使用属性。“算法”常常出现在计算机程序之中，与人之间常常形成一种无形的“对比关系”。1956年，赫伯特· 西蒙设置了计算机程序，用“计算机程序”“算法”运行罗素和怀特海所著的《数学原理》中所使用的基本公理。这一做法，以“算法”运行“数学定理”并校验其合理性，且与罗素的证明过程相对比，并且据说：“这种做法取得了巨大的成功，有一个定理的证明过程甚至比罗素和怀特海的方法更漂亮。(当激动难抑的西蒙把这个消息告诉罗素爵士的时候，他很有风度地回复：‘得知《数学原理》现在可以由机器来证明，我很高兴。真希望我们能在花费10年徒手计算之前就知道有这种可能性存在。’)”[4]显然，在这里，大众就已然意识到，“算法”推算与“人工推算”之间的某种微妙联系。并且，从罗素对“算法”的态度来看，显然，他对“算法”背后所节省的“时间成本”与“效率问题”持有积极认可态度。的确，从“10年计算”到“算法一顷刻”，在这一过程中“消失/加速/浓缩的时间”就足以说明——“算法”的“强势”与“有效性”。

“算法”常常涉及“数据处理”与“知识学习”两个主要特质。皮埃罗·斯加鲁菲在《智能的本质》中指出，人工智能的演变将沿着一种“数字逻辑”的发展轨迹进行，即认为人工智能“已经达到数理逻辑的最高形式，并将符号处理作为研究重点”[5]。借言之，人工智能背后的“算法逻辑”更多是进行一种“数字化处理”与“符号整合”，这种将“数字逻辑”称为“最高形式”的方式，无疑能够使我们发现“现象”背后的“数字逻辑”脉搏。而另一方面，“算法”所涉及的“知识学习”，使算法更具“人性”：借助各种数据处理与知识学习后的“算法”(计算机)，不仅是“知识整合”后的“推优者”，更成为“知识生产者”与“知识拥有者”，正如约翰·麦卡锡在《常识性程序》中所认为的那样：“拥有常识的智能才能被称为智能，常识主要源自世界的知识积累。”[5]

显然，一般来说，“算法”具有广泛的指向性，计算、统计、整合、推荐等涉及“算法”的行为路径，都可以称之为“算法”范畴。

但在数字计算时代，“算法”更聚焦于“计算”及其“算法构境”等层面。所谓“构境”是居伊·德波在《景观社会》中提出的，指由一个统一的环境和事件的游戏的集体性组织所具体而精心建构的生活瞬间。[6]换言之，若放到当下而言，“算法构境”就是说，建构一个“人”喜欢的“环境”而使人“沉浸其中”。这种“构境”属性从如今抖音推荐算法后的“视频围绕”就可以看出——当人们玩抖音时，“时间”会消失，人们所看到的内容也都是“自己喜欢”看的内容，在此过程中，人们逐渐忘却时间，深陷其中，而算法又在人们长时间的沉浸之中，得到人们更为精准的“构境”喜好，以此让人们“不能自拔”。整个过程，便是抖音算法在“构境”，并依靠用户数据，不断纠正自己的“构境”的过程。

于此，算法背后的主要逻辑得以显现——计算推优、构境沉浸、知识学习、数据处理。显然，这些特质若放到电影工业生产之中，算法应该能够为电影工业生产提供“推优策略”，并在“知识学习”中不断使电影生产达到一种“构境沉浸”的美学效果。

当然，这里的算法还涉及“数字计算”纬度，与电影算法之中的“情感”“景别”等纬度还有不同。但事实上，自数字成像技术以来，“算法”成像在电影之中早已存在，并且“计算”得常常较为“漂亮”。

克里斯托弗·卢卡斯在《电影摄影》一书中指出，数字计算对电影摄影的冲击：“电脑生成影像在整个20世纪90年代越来越广泛地应用，意味着视觉效果设计师越来越多地承担起在景观、物体、调色、照明等方面做出决定的职责；而在过去，如果电影摄影师不是创作主导的话，在这些事务上咨询他人是很正常的。”[7]显然，他所强调数字技术对摄影冲击的背后，所指向的便是“数字算法”推荐与电影制作的关系。借此试想，他文中所提到的数字视觉效果设计师若是一个通过“计算”而进行“景别”“视觉”呈现“推优”的“算法程序”，那么，电影制作将会完全“算法”化与“数字化”，进而节省诸多“拍摄成本”。由此，对电影生产而言，“算法”不仅具有“构境”潜力，更具有使电影生产完全“脱人”“数字化”的实力。

二、从“算法”到电影“算法工业美学”——算法工业美学理论发生的“审美之纬”与“大众文化之纬”

(一)“算法”的“人脑黑箱”呈现与“人类审美/消费”展现

2019年，Nature150周年庆专刊中发布多家机构联合综述，认为未来“泛在的”(ubiquity)算法作为“推促性技术”(nudging technology)将在人类生活的各方面扮演越来越重要的角色。[8]

对于当下消费者而言，算法是他们“大脑黑箱”的一种“可视化”呈现。罗西·布雷多蒂(Rosi Braidotti)认为，算法使“身体—机器”之间的界限模糊。[9]更可以说，算法已经成为人类的“大脑机器”。我们在刷抖音等以“算法”为基础的平台进行娱乐时，会惊奇发现，抖音里的内容竟然与我们的“潜欲望”相似，甚至抖音在“代替”我做出“我喜欢”的内容的选择，以此推荐给我们。这一过程中，算法似乎成为我们大脑黑箱中不可见的“潜意识”。也就是说，“算法”更接近于我们的“人之本性”或“脑神经”，甚至可以说，算法成为人们的“脑神经”。正如皮埃罗·斯加鲁菲在《智能的本质》一书中所指出的人工智能的发展路径一样——“利用数学逻辑方式模拟人类大脑思维的运行方式”“通过对大脑结构的仿真设计来模拟大脑的工作原理”[5]——“算法”已然成为人们的大脑工程结构，并成为人们的潜意识。人工智能专家雨果· 德· 加里斯也对“算法”背后的“基因”“展示”优势进行过陈述：“神经网络可以被想象成由枝节一样的纤维(叫作轴突和树突)连接起来的三维大脑细胞矩阵。来自神经元的信号由轴突发送出去。树突将信号传入神经元。当一个轴突和一个树突相连，形成的联系叫作神经键。”[10]而所谓基因算法就是对上述神经网络的模拟。显然，人工智能算法背后的实质是“算法”模拟“人类”大脑。

正如尼克·西弗所指出的，“算法不只是嵌入(in)在我们的文化中，而是本身成为(as)一种文化，是通过经验参与和接触更广泛的意义和实践模式的一部分”[11]。

于此而言，“算法”成为我们的“大脑无意识”“大脑潜意识”与“审美趣味”，算法能够通过计算大众的喜好进行精准推优。

也就是说，“算法”使“不可见的大众的脑黑箱”与“大众的审美趣味”进行了一种“可见的呈现”。当大众在《觉醒年代》中“流连忘返”之时，会惊讶发现，自己打开的抖音、淘宝、微博、微信等，都会有一种相应的内容推荐。这种推荐，便是算法展现人们审美情趣的一种表达。再以《人世间》为例，《人世间》依靠一种中国式最具共情特质的故事内容，而使广大受众共情，并且不断被推荐到各种社交媒体。受众似乎每日沉浸于《人世间》之中，一方面，《人世间》背后的算法推荐，表现出算法“懂人”的特质；另一方面，不断的推荐，也使该作品的喜闻乐见程度不断加大。此外，对焦电影而言，算法能够根据受众不同的审美喜好进行“推荐”与“编码”，比如《唐人街探案3》《你好，李焕英》等作品在春节档上映期间，“算法”早已根据受众以往的“喜好”，进行分别式的推优、推荐。喜好家庭片的受众似乎被算法建构在一个“家庭”“合家欢”的“构境”之中；而喜好《唐人街探案》系列的受众，早已陷入“唐人街探案”宇宙的“算法构境”之中不能自拔。

也就是说，算法使人们潜意识的“喜好”“趣味”等进行了一种“推荐”式的“可视化”呈现。算法依靠计算人们的使用数据、学习人们的使用取向，而成为“人的大脑”，甚至成为比“大众更懂得大众”的“存在”。

(二)算法展示“大众”——“算法工业美学”理论的大众文化基础

算法能够展示大众。而电影生产必须尊重大众。既然算法能够预测大众，而电影生产又离不开大众，显然，提倡一种“算法工业美学”便对当下“算法时代”中的电影工业化生产具有重要引领意义。

也就是说，之所以提出“算法工业美学”理论，是因为，电影生产需要尊重“大众文化”，而如今，“如何呈现‘不可知’的大众文化及大众喜好？”显然，“算法”能够在一定程度上，使“不可知”“不可视化”的大众文化进行一种“可视化呈现”。而这，无疑是我们需要关注、抓住并深入电影产业、电影工业发展的重要纬度。

简单来讲，电影工业美学提倡“常人之美”，尊重“大众文化”。但“常人之美”的“美”是什么？“大众文化”的文化是“什么”？都是“不可见”的。而“算法”能够使这些内容“可视化”“可见”“可看”，并“可一一为大众推荐”。显然，这能够在根本上，聚焦、明析出当前“大众文化”，并有利于电影生产制作。

也就是说，“算法工业美学”的提出，依旧是“延续”电影工业美学理论的“大众文化”之纬。只不过，“算法工业美学”中，“算法”能够使“大众文化”进行一种“可视化”“数据化”与“整合化”。这是因为，我们经常提到“大众文化”，但“大众文化”到底是A，还是B，无法定义更无法划分。但“算法”依靠“大众观看习惯”“大众触碰机制”及个人的“知识学习”，使“大众文化”能够“可利用”。

而当“大众文化”“数据化”时，也为电影生产带来了明确的指向。在选题纬度，大众喜爱的选题为何？“算法”能够提供推荐。在制作纬度，进行可视化呈现，为制作提供一种“算法经验”，比如浙江大学范志忠教授与于欣平博士生在《计量电影学视阈下新主流电影工业集体创作的可视化路径》一文就“通过镜头时长、剪辑节奏、运动镜头、固定镜头和景别等计量电影学分析，探讨了《我和我的祖国》《我和我的家乡》《金刚川》这三部新主流电影工业集体创作的可视化路径，寻找以定性研究为核心的电影研究与量化研究相结合的契合点，以给未来的新主流电影制作与研究提供一个可资借鉴的范式”[12]。在选角纬度，大众喜爱的演员为何？“算法”能够提供指向。比如浙江大学张婵研究员曾在《影视产业的明星脸：“演技派”与“流量派”演员的面部特征比较研究》中依靠“算法”“数据统计”研究“明星的脸”，并分析何种“脸”更容易成为“明星”。其实，这不就是将“大众文化可视化”的一种“数据统计”思维与“算法”思维吗？若将此研究延续到电影工业制作之中，研究何种“脸”更容易成为“大银幕中受众喜爱的脸”，相信将会有助于电影的工业制作，并在一定程度上为电影提供一种总体的商业保障。

三、“算法工业美学”的理论原则与归旨：以“交往理性”为前提的“对话”关系搭建

“算法工业美学”聚焦数字技术时代电影工业化体系建构与工业化生产问题。而在此问题之前，我们需要辨明，数字时代电影工业生产所服务的对象为何？显然，数字技术算法时代也好，非数字技术算法时代也罢，电影始终应是大众的艺术。只不过，在非数字经济时代，电影创作、生产与“大众”之间的“交流”似乎只是一种“放映后”的“反馈”与“放映前”的“部分交流”。但在数字技术算法时代，电影与大众之间的“交流”有了诸多“可参考”“可直接”交流的机会。而这种机会，在一定程度上成为电影与人“对话”的一种重要媒介。而算法，恰好能够搭建起大众与电影生产之间的“对话”关系。

哈贝马斯强调“交往理性”对笔者所提倡的算法工业美学的核心宗旨——“对话”——有关键启发意义。哈贝马斯指出：“我所说的交往行为是由符号协调的互动，它服从的是必须实行的规范，这些规范决定交往双方之行为，而且至少被两个行为主体所理解、承认。”[13]这里，他指出，交往合理的前提是要有一种互相认可的“规范”。借此思考，这一“规范”其实可以延伸到各种“交往”之中，即“交往”的双方都认可一种“规范前提”，并以此进行自我规范与“平等对话”。正如哈贝马斯所指出的，“与有目的、理性的行为不同，交往性行为是定向于主观际地遵循与相互期望相联系的有效性规范。在交往行为中，言语的有效性基础是预先设定的，参与者之间所提出的(至少是暗含的)并且相互认可的普遍有效性要求(真实性、正确性、真诚性)使一般负载着行为的交感成为可能”[14]。显然，就电影生产而言，算法提供了电影受众与电影(制作者、宣传者)之间的某种程度上的“对话”与“交流”“协商”。

毫无疑问，作为大众艺术的电影具有商业性，是一种文化经济商品，也是一种文化传递媒介。所以，电影的生产本质，还是要尊重作为电影消费者/审美者/观看者的受众的审美意愿。这一方面，陈旭光教授的电影工业美学理论也极为重视，并倡导“常人之美”，尊重“大众文化”等观点。

而“算法工业美学”是电影工业美学中所提倡的尊重“常人之美”的一次再推进。电影工业美学所提倡的还是电影生产尊重“大众”。但具体如何尊重大众，那便需要有媒介与大众搭建起交流平台，供给大众与电影生产者交流。而“算法”作为“大众大脑黑箱”的“可视化”呈现，无疑能够使电影创作者更为明白大众。或者换言之，算法使大众的意愿进行了一种数据化、可视化呈现，而这种呈现，显然是大众意志的体现，当创作者看到大众“可视化思维”并以此进行创作修正与宣发对焦时，二者之间的“对话”关系也便形成。

“对话”是交往的前提。电影与人之间的关系，何尝不是一种“交往”？故此，“算法工业美学”提倡“对话”，提倡生产者、宣发者等电影工作端的人员通过“算法”媒介与“大众”对话。之所以要通过“算法”媒介达到一种“对话”效果，而不是简单的人与人之间的对话，是因为“算法”计算后的“大众意愿”显然会比个人的主观意愿更具科学性。但当然，“算法”对话并非强调“对话”仅仅依靠“算法”，而是要以“算法推荐”为主要创作参考——因为我们还需要承认，电影也是个人的艺术。但在数字时代，当“个人艺术”与“算法表达”结合后，相信电影的生产也将会具有“超越个人”的属性。

如今，中央宣传部电影剧本规划策划中心也颁布《关于申报中央宣传部电影剧本规划策划中心2022年度“中国共产党人精神谱系电影创作”调研课题的函》[15]旨在进行一种科学选题规划与数据库搭建后的合理化选题推优；以猫眼专业版App、灯塔App等为代表的“计算”类App已经将电影上映后的“观众反映”进行了较为明确的“数据化”“可视化”呈现。无论中央宣传部电影剧本规划策划中心力图搭建“选题数据库”的宏伟蓝图，还是各种影视专业App后的“观影”数据“可视化”，其实都在试图从“算法”逻辑之下，为电影生产者提供“算法计算”推优大众审美与文化趋势后的一种“对话”机会，使电影生产能够从大众中来，到大众中去。显然，提倡一种电影生产的“交往合理”化与“对话”理论，有助于电影工业生产更为准确把握时代脉搏、人民取向与审美动向，对其初期选题、后期宣发等都具有“助益”效果。

总之，“算法工业美学”的核心宗旨是推动数字技术时代下与大众“对话”的工业式电影生产体系，尽可能使电影生产者与大众达到一种“合理交往”的高度，使工业式生产的电影在工业生产的同时不离开生产消费的主体——大众。

四、“算法工业美学”的理论框架：“可视式制作”“算法内导演”与“全流程推荐”

陈旭光教授在艾布拉姆斯、刘若愚的基础上，提出建构电影理论的四要素，即影像世界、生产者、电影作品、观众与接受、传播，并进一步划分为：“作为电影艺术的表现对象即客体的影像的世界；作为影视艺术创造主体的编、导、演、摄、美、录 (策划者、制片人、出品人、监制、融投资、发行、放映、营销) ；作为电影艺术的‘文本’形态的语言形式要素及组构方式的艺术品；作为接受阶段的观众的欣赏、接受、消费与批评、电影的传播、影院、院线、后产品、全媒介传播。”[16]陈旭光教授以此从“体制内作者”“剧本为王”“折中式生产”等纬度对电影工业美学进行了理论建构，并进行“理论批评化”实践。

借助电影工业美学的理论框架，结合算法的知识学习、构境沉浸、整合推优、可视化等特征，笔者也以此尝试推动电影工业美学“工业”体系建构的“数字算法”之纬。

显然，我们在进行搭建工业体系时，需要注意，所谓的“工业体系”，不仅是单个电影生产过程中的工业流程化、协作化，更是一种数据库化的工业体系，以为今后类型生产提供“知识参考”与“实践指导”。工业体系的核心是新时代中国电影工业的国际视野与高峰发展，应该是具有数据知识推荐、整合推优及合理化规划生产的一种结合式生产体系，核心是可持续与推动电影高峰发展。

所以，建构数字技术时代电影生产的工业体系，显然需要注意几方面：一是全流程生产；二是数据共享与制作参照；三是受众分析与类型创造；四是艺术创新与大众尊重。要达到如此几个纬度的效果，显然需要有电影工业美学的“折中”思维，即生产需要“算法”但又不能离开“导演自主性”等原则。

(一)“算法内导演”：“体制内导演”的“算法”思维延伸

陈旭光教授提出电影工业美学提倡“体制内导演”的生产模式，即生产应尊重“体制”(市场、大众、政策等)，并冠以“主观能动性”，也就是在体制内“折中”，生产符合大众审美趣味且具有艺术美学精神的作品。

而“算法内导演”是“体制内导演”的一种“算法”思维延伸。也就是说，在导演进行创作时，要多看“算法”推荐后的“大众审美”，并在“算法推荐下”的“大众消费趋势”之下进行一种“合理”“折中”的“导演生产”。

如今，“算法”的内容推荐功能已经被诸多学者认可。比如Zamith和Lewis指出，依靠编码，能够对内容进行精准分析。[17]显然，对成功作品进行“算法”内容分析，将有助于导演的内容定位。另有学者则认为，算法能够在个性化推荐的基础上，根据受众不同审美爱好，进行精准内容推荐与计算。[18]Kim和Lee则指出，算法的学习能力，能够为内容生产提供扩容机会。[19]

显然，内容的“算法”将有助于导演在“选题”等方面进行精准把握，一定程度上减少时间成本。并且，导演能够根据以往“算法”内容，进行一种类型化生产或“超类型化”生产。

如今，诸多新力量导演如路阳、郭帆、陈思诚等都具有“折中”意识。诸多影视公司也都会在拍摄前进行相对较长时间的“选题论证”，这些其实都是在进行一种“算法”思维的实践。值得一提的是，如今各地已经有数据评估中心以“数字”“算法”等来进行影视选题评估，以给影视公司、电影导演“启发”及“参考”，比如西安影视数据评估中心便具有数据评估、选题评估等各项“算法”式服务。

提倡一种导演的“算法”思维，是让导演在创作时注意“大众”，以更好把握大众审美趋向，并能使影视公司在影视产业的最初生产阶段有一定的“信心保障”。但“算法内导演”并非指导演要根据“算法”完全进行艺术创作，并非“算法为王”，而是提醒导演“注意”“算法推优”——因为就数字知识学习与推荐整合分析而言，算法相对合理。

故，“算法内导演”，主张导演关注算法背后的趋势、动向及数据，并以此重视算法背后的大众文化，但也需要导演有敏锐的艺术创作力，关注大众的同时要保持个人的艺术特性。

(二)“可视化制作”：工业生产的“可见”“可预”

工业制作提倡成本可控与制作预演化。近年来颇为瞩目的“虚拟制片”技术便是一种“可视化制作”的代表技术。浙江博采传媒有限公司创始人、CEO、导演李炼指出，他公司作为国内较早且具有完整虚拟制片系统的公司，具有完整的虚拟制片系统，中间包括八大模块：Kmoke、Universe controller、Tilex、Mocar、Unreal box、Black lock、Hilo、Saker。该公司开发的Techviz虚拟制片系统，“是一整套的仿真系统，能够帮助我们把导演在现场拍摄时对现场镜头的调度以及演员的表演，通过数据仿真系统继承到实拍画面中，保证实拍过程中所有镜头的运动与整个虚拟预演过程保持一致，比如车轮的运动与抖动是跟现场安排的路径、道路的高低起伏有关的，这些信息、数据都会通过仿真系统传输到实际拍摄的系统中，以快捷高效的方式保证了整个拍摄流程的标准性与可控性”[20]。

显然，虚拟制片为电影制作提供的是成本可控、资金保障以及“预演拍摄”等“可控”制作的机遇。而这种制作方式，无疑能够从前期制片延伸到整体拍摄之中。甚至，当数字技术发展到十分成熟期，可视化生产，直接跳过了“拍摄预演”而成为“影像”。当然，这种方式在如今诸多利用面部动作捕捉、成像技术等技术生产的电影中已有运用。

尽管如今电影可以完全“数字化”生产，用一个电脑房间生产出一部电影也早已不是罕见之事。但笔者所提倡的“可视化生产制作”的核心依然是，在实体生产之中贯彻一种提前预演的“可视化”意识，以此最大限度地避免电影犯“成本病”。

综上所述，“可视化制作”提倡的核心是电影生产的“可预期”“可持续”与“可把控”及“成本可控”等纬度，基于电影商业制作的合理化与科学化，进而提出的创作思维。

(三)“全流程推荐”：推优与避险的商业逻辑与内容生产

电影作为一种工业生产的艺术，是一种集体流程而成的艺术物。算法的优势便是能够在其最初选题到最后宣传等各个纬度进行一种“全流程推荐”。正如有学者指出，以“算法”为核心的网站分析技术“可以收集和处理数据，为机构制定绩效指标，提供网站优化策略”[21]一样的道路，“算法”也可以为电影的全流程生产提供一种“全流程推荐”。

此处的“全流程推荐”观念是指创作者在创作过程中，时刻注意“算法”推荐，以此进行一种商业避险与内容生产，进而最大限度保障电影的可回收与受众基础。

如今，“算法”的运用已然在电影生产的各个领域都有尝试与实践，将各个领域的实践进行一种整合、结合与可持续式运用，便在如今当前电影工业体系中显得尤为关键、极为重要。比如在剪辑方面，“剪辑经历了从胶片时代的机械剪辑到数字化时代的非线性剪辑，现正进入智能化剪辑时代。如21世纪福克斯与IBM合作，用AI系统剪辑出了恐怖片《摩根》的预告片。该AI系统在学习了百余部恐怖电影基础上，分析这些电影的场景、对话与视觉变化等，根据脚本剪辑出了预告片”[22]。在电影生产方面，也有文章研究“算法制作”如何深度学习人类制作，进行一种完全的“算法虚拟制作”，赵益的《基于区块链技术与机器信任的电影文化数字化搭建》一文中便提出，“基于区块链技术和机器信任机制，在算法共识与算力升级形成数字化矩阵的产业前提下，探讨虚拟社区如何实现人与人工智能结合，自主完成内容生产”[23]。此外，在用户研究领域，算法也具有可视化潜力，比如《基于用户行为的电影推荐算法改进研究》一文“提出了一种结合物品特征标签的推荐算法……印证了特征标签中包含着丰富且准确的用户喜好信息”[24]，《基于项目特征与用户兴趣模糊性的推荐算法》[25]也对算法进行了用户之纬的“计算”与“分析”。再如，《基于SM2/SM3国密算法的数字电影发行密钥实现方法》利用“算法思维”并基于“算法”提出了“基于SM2/SM3国密算法的KDM制作模型，为电影领域安全自主可控提供了技术参考”[26]。

显然，如今的电影“算法”可视化的“技术突破”已然在电影制作的各个纬度。但显然，“全流程推荐”这一目标的达成绝非是一个影视公司便可以实现的，它更需要“数据库”的支撑。当“全流程推荐”成为电影制作的“可能”时，电影的工业化生产、协作化制作也将取得显著进步。所以，此处的“全流程推荐”也就为电影生产者与研究者提供了一种努力方向，我们需要力图从搭建电影工业数据库、算法库等纬度，为电影可持续、工业体系搭建进行持之以恒的努力。

当然，“全流程推荐”在如今也能够从“虚拟制片”“宣传推荐”等各个纬度之中实现，比如猫眼就曾在宣传自家作品时运用数据推荐、个性订制推荐等方式，为其作品的宣传进行了一种“算法”式工业化“全流程推荐”。尽管，猫眼此举更集中于电影的宣发后端，但也为今后电影生产的“全流程推荐”提供了一种实践参考。

余论：算法背后的技术异化警惕与算法工业美学的伦理关注

毫无疑问，在数字技术算法时代，算法建构了“人们在互联网上的感知与现实”[27]。我们重视“算法”的同时，当然也需要注意“算法”背后的“技术陷阱”与“算法奴役”等“技术异化”问题。法国哲学家毛里齐奥·拉扎拉托

(Maurizio Lazzarato)曾反思资本与技术奴役人这一问题，他指出，在基础设施、通信设备等“社会机器”之下，一种“机器奴役”形式形成——人成为人机的组合方式，主体性消失，变为机器的零件。[28]显然，我们也须思考，当“算法”代替“大众”思考、呈现大众审美、为大众推荐内容的同时，推荐的内容是人们所喜欢的还是“算法”后人们喜欢的？

尼尔·波茨曼在《技术垄断》一书副标题上就明确有一个“警惕语”——“文化向技术投降”。而如今，“算法”时代，文化显然在“算法”之中，但又在“算法”之外，所以，这便要求我们，要警惕算法背后对生产及人的奴役，不能唯算法主义，要尊重“算法”，但也要有创作的特性，坚持电影工业美学的“折中”“务实”精神，不可向技术“投降”。

无论承认与否，我们已然进入一个“算法洪流时代”，既然无法改变，不可避免，那不如以一种“拿来”的姿态面对“算法”、借用算法，进行数字技术时代的算法工业美学体系建设。

当然，算法并非“去电影工种”，我们应时刻注意，电影是集体的创作，更是各个工种合理而为的艺术品。数字算法为电影提供制作参照与制作避险的同时，要明确意识到，数字不能也不可完全代替人进行生产，因为温度、感知这些能够引起共情的创作灵感，依旧是独属于人的、无法计算的纬度。所以，应继续坚持电影应有的伦理创作传统。故此，算法工业美学是以算法作为“参照”“经验”与“方法”，而不能以“算法”为最终目的，因为电影最终还是人的艺术、感知的艺术、情感的艺术。