技术驱动与艺术赋能：人工智能重塑影视生态格局

2023-11-20张筱佩

现代电影技术 2023年10期

张锐张筱佩

北京电影学院管理学院，北京 100088

1 引言

影像艺术自诞生以来的颠覆式变革都离不开技术的突破，技术的不断革新使包括电影在内的影视生产有了新的话语方式。不管是早年间默片到有声的听感跃迁，还是黑白到彩色的视效跨越，无一不是在技术推动下影像本体的进化。技术迭代正以超乎想象的速度迸发，如今我们迈入智媒时代，大数据、云计算、5G、虚拟现实(VR)、人工智能(AI)等各种新兴技术争先恐后地进入大众视野，与影视行业发生着融合与嬗变。技术的变革早已不是单纯地引用，而是以聚合的力量改变着整个影视生态，使生态环境以及生态个体都获得充沛的技术力量。

2 人工智能技术驱动产业变革

2.1 人工智能的技术逻辑

人工智能（AI）是第四次工业革命的核心驱动力，以惊人的速度渗透到各行各业中，也逐渐成为了影视生产新力量。人工智能技术在深度学习（DL）算法的不断升级中展现出了极强的塑造力，但在过去的十年，人工智能产品大多还停留在弱智能阶段，其实总体上并未出现颠覆式爆发。但随着美国人工智能研究公司OpenAI 的大语言模型ChatGPT、百度的新一代知识增强模型“文心一言”以及阿里的大语言模型工具“通义千问”等新产品的问世，人工智能的命题再次被提上议程。近年来，人工智能在影视生产领域崭露头角，掀起了一阵智能化热潮下的恐慌，同时也为整个影视产业的发展带来了技术性的思考。

人工智能技术是多个子技术支撑的集合，广泛运用到多个行业的生产之中。从基础层面来看，高性能的芯片和服务器、5G、传感器、大数据、云计算等技术是人工智能应用中的“基础设施”[1]，支撑起技术应用层面的底层实践。这些技术辅助影视行业进行数据的分析与计算，在影视产业链中的前期调研和后期宣发都发挥着重要作用。不过真正实现人工智能中“智能化”的关键还在于其核心技术——机器学习（ML）。机器学习（ML）是人工智能发展的原动力，试图使机器通过不断地学习来拥有对数据进行识别、分析甚至判断的能力，无限模仿人脑的功能。深度学习（DL）是机器学习（ML）的一个子集，人工神经网络(Artificial Neural Network,ANN)是一种重要的深度学习系统，它从信息处理的角度对人脑神经元网络进行抽象模仿，建立相应的反应模型，按不同的连接方式组成多元的网络。

人工智能应用的实现还依靠自然语言处理（NLP）技术，实现人和计算机之间自然语言的通信，使计算机理解人类的语义并加以学习和运用。人工智能的自然语言处理功能在影视行业中可以被用于剧本分析、分镜头脚本生成等，使文本与画面不仅停留于主创团队之间的交流，而是能够利用机器进行更加迅捷、精确的分析和判断。

另外，计算机视觉（CV）技术还能够对处理后的自然语言开展进一步的识别和分析，有效保障了人工智能技术中深度学习这一核心系统的顺利运行。计算机视觉（CV）包括图像处理和模式识别两大技术，最终实现图像理解这一目标。在计算机视觉领域的研究中，图像处理技术通常会对图像进行特征提取和关键元素归类，便于模式识别技术进行图像特征和结构的进一步分析与处理，在影视制作中往往运用于特效制作，例如动作捕捉、三维建模等。

2.2 人工智能的技术影响模型

本文以“人工智能对影视行业的影响”为主题，与北京电影学院不同专业领域的多位教师进行了半结构化深度访谈，内容涉及人工智能技术的构成、行业内的专业应用实践以及人工智能技术在影视行业存在的技术哲思，还包括人才培养的多元可能。这些访谈对象分布在电影学院的各个院系，组成了“文、导、表、摄、录、美”的专业矩阵，他们深耕于影视创作实践，参与了影视前沿的各大项目，将自身的实践经验带入到教学中，使同学们在校园里也能深刻接触行业动态、领悟行业方向。访谈对象的主要信息如表1所示。

表1 访谈对象基本情况

访谈过程每次大约持续在一小时左右，在专业实践以及未来创作方向上碰撞出了深刻的见解。人工智能潜移默化地重塑了影视生态，需要我们将目光向技术对焦，用多维的视角迎接智能时代的到来。基于与访谈对象的深入交流和对访谈资料的进一步整合与分析，本文提出了人工智能的技术影响模型，具体内容如图1所示。

图1 人工智能的技术影响模型

该模型涉及到技术构成与人工组织的人机共同体，也是人机协同模式的主体。这一主体逐渐对影视产业链产生影响，生成影视产业智能链，贯穿开发创作、拍摄制作、宣传发行、后期反馈四个板块。在生产实践中，挑战同样相伴相生，不仅包括技术自身发展不够完善的技术内忧，也包括实践过程中碰撞而生的实践外患，在内忧外患的技术困境中，人工组织逐渐扛起调节、规制的大旗。

3 人机协同共创智能化实践

3.1 “技术+人工”的主体协同

虽然艺术创作被更多地归于人类独特的精神活动，但当下人工智能技术的发展让人机协同突破艺术探索的边界成为可能[2]。人机协同是“以人为中心、人机合作”的模式，由人、人机交互接口和计算机（人工智能）三个部分组成。计算机以数据计算与处理为主，而人工主要发挥其独特的创造力与思维价值指挥计算机的运作模式[3]。人机协同是未来影视制作的主要模式，一方面，人工智能在基础性的文本创作、图像设计制作、视频剪辑等方面，已经展示出优于人工的迅捷与准确[4]，对影视创作起到了画龙点睛的作用；另一方面，人工智能技术自身仍然停留在“弱阶段”，并不具备独立生产能力。基于此，人机协同模式是当下生产的最优解，不仅能够弥补技术自身不够智能的发展缺陷，同时又能解放一部分生产人员肩上繁杂的工作，从而给影视的创意板块留下更多发挥空间。不过，这种协同并不是单纯对机械模型程式化的操作与嵌套，而是在人和机器的沟通交流中使机器不断进行深度学习来理解和运行人的指令，达到1+1＞2的效果。

人机协同模式会影响到创作团队的组织架构。在Web3.0 时代，互联网空间容纳了多样的艺术形式，艺术创作团队在逐渐壮大，与人工智能开发相关的技术研究人员也逐渐加入到艺术创作过程中并发挥着重要作用。

在影视创作领域，随着新技术的加入与革新，相关制作人员逐渐由负责艺术创作的导演、演员、摄影师、制片、美术等艺术主创扩大到了包括技术开发员、技术工程师、技术研究员等在内的技术团队。影视主创通常遵循影视生产自身的创作规律，在艺术团队内进行内部分工，是自影像艺术诞生之后便逐渐形成的固定团队模式，在电影学院人才的培养与教育中也遵循着“文、导、表、摄、录、美”的专业矩阵。而技术团队则是在技术革新融入影像生产的基础上对艺术团队进行的补充，技术人员为影视生产提供了更多新方法、新模式、新思维，进一步将人工智能技术融入到影视创作之中，打通技术与艺术之间的情理隔阂，也是人机协同模式能够顺利实践的关键连接点。艺术团队与技术团队近年来不断产生着磨合与碰撞，共同成为人机协同中的人类主体，对整个生产过程起着核心调控作用。

人机协同模式是当下人工智能技术融入影视生产的主要方式，对影视产业链的前期创作、拍摄制作以及宣发营销、后期反馈等环节都产生了巨大影响。不仅大大提高了影视创作的效率，缩短了生产周期，还能够在一些创意性不高却极其繁琐的制作环节中体现出巨大优势。

人工智能对于行业的影响非常深远，但它并不是以肤浅的、戏剧化的方式，而是在很底层的地方发挥作用。很有可能10 年之后某个拐点出现，其实你会发现在拐点之前它的发展曲线已经走得很长了。无论是广义地讲还是狭义地讲，它是一种润物细无声的方式，慢慢在一些你可能都注意不到的一些技术细节上去逐渐改变整个行业。（A3）

毫无疑问，人工智能技术为影视生产的各个方面都带来了巨大的增益效能。不过在具体实践中，人工智能的应用程度还处在探索与融合阶段，并未出现真正意义上的“拐点”。目前人工智能领域的成熟应用主要有游戏博弈，例如曾轰动一时的阿尔法围棋（AlphaGo），遵循固定的游戏程式，人工智能表现出了更强的学习力和运算力。另外还有语音识别，例如语音转文字技术下的自动翻译器，还包括图像识别、人物识别等，可以进行简单的图像变换，对影像画面进行色彩与灯光的调试等。人工智能技术正在积极寻求与影视产业上的“融合点”，以人机协同的模式创造更丰富的应用环节和应用场景。

3.2 人工智能技术赋能创作实践

完整的影视创作流程囊括开发创作、拍摄制作以及宣传发行、后期反馈等环节，人工智能技术在创作实践中展现出了全流程上的价值。

首先，在前期的开发创作中，人工智能可被用于票房预测、剧本创作、分镜头脚本制作等环节。人工智能能够将海量的成功影视案例进行分析和归纳，建立具体的评价指标，再对将要制作的影片进行指标评估，从而为投资方和制作方提供参考依据[5]。另外，生成式人工智能模型还可以根据剧本设定的核心要素和更为精细的语料素材来自动完成完整的剧本创作[6]。

影片制作过程中分镜头脚本的创作长久以来都由分镜师把控，每组镜头的成稿都需要精心安排与设计，需要花费大量的时间。但在基于深度学习（DL）的生成式对抗网络（GAN）模型的帮助下，人工智能已经可以实现对镜头的评估与修改。在创作阶段，只要将剧本文本输入到算法系统中，就能够自动生成多组可能的分镜头画面。在这些一创画面的基础上，分镜师可以通过人机交互的方式输入优化建议,人工智能对建议进行学习与执行，对算法模型进行进一步的训练和优化，在不断的重复实践中获得最佳的设计方案。

其次，在中期的拍摄制作阶段，人工智能可以参与虚拟摄制、特效制作、自动剪辑、图像处理、动作捕捉、虚拟角色创建等方面。极大延伸了影视创作的广度，利用技术变革为天马行空的想象赋能双翼。

影像预演指的是在影片开始拍摄之前对影片的镜头进行可视化表达和呈现的过程，是在无需承担实际生产成本的数字虚拟环境下帮助创作团队挖掘创意、探索叙事、规划实际拍摄时的技术方案，可以看作是整部影片的创意虚拟彩排和蓝图构建过程[7]。影视的预演形式在人工智能时代逐渐与虚拟摄制形成联动，影片不仅仅停留在虚拟化的视觉中，而是真正嵌入实际的拍摄过程。

虚拟摄制是拍摄中最大的变革。虚拟摄制包括前期预演、虚拟制片等一整套的数字化生产流程，以及它后面所蕴含的数字资源库。它最大的变化就是把原来拍摄里最耗制作成本的实景拍摄这件事情解决了。虚拟摄制让我们可以实现全部场景的棚拍，还可以严格控制中近景光效和环境光效的匹配，能更好地实现画面真实感，摄影师可以精细地控制拍摄的各个参数。（A1）

在特效制作领域，人工智能也展现出了巨大的创作潜能。目前被运用于特效制作的代表性人工智能算法有卷积神经网络（CNN）、生成式对抗网络（GAN）与创意生成网络（CAN）等。其中卷积神经网络（CNN）擅长对影像的画面风格进行识别，包括明度、纯度、饱和度等，实现对艺术风格的模仿与应用。而生成式对抗网络（GAN）在视效领域可以提高视频的分辨率，也可以对受损的单帧图像进行修复与增强，能将经典黑白电影以全彩、高清的模式展现给观众。而创意生成网络（CAN）侧重于模拟人类艺术创作的随机性，让人工智能不再是单纯复制的机器，在模型中探索多元的图像风格，形成似与不似之间的技术美学，为奇观影像的制作开辟了新天地[8]。

在影视制作的末端，人工智能还协同剪辑师打造了智能剪辑的功能。在智能剪辑的应用中，技术研究人员提前预设了多种剪辑风格,制作人员只需要把他们想要的剪辑风格输入到系统中，系统就会自动将剧本与场景进行匹配。例如IBM 的人工智能系统沃森（Watson），不仅能够在智能剪辑中精准把握影片的风格变换，还将预告片的制作时间缩短到24小时[9]。除此之外，智能剪辑在深度学习（DL)的功能下还具有自主学习和自动完善的功能，每一次的剪辑风格都会被保存[10]。

最后在宣传发行及后期反馈阶段，人工智能可以用于大数据发行、IP 的再生以及生成数据的创意反哺等。在后端的宣发和反馈中，人工智能极大程度地依赖于基础设施层的大数据和云计算技术，利用这些技术对影视相关特征数据进行分析，对用户画像、市场分析以及影片的精准投放营销都有巨大的辅助价值。人工智能技术在这个过程中给创作人员提供了相关方案模型，对末端决策提供了算法支撑。另外，还可以运用人工智能实时监测观众观看时的心理积极率，从而为进一步地反馈控制提供决策依据，也可以为续集的故事走向提供决策参考[11]。

总而言之，人机协同模式为影视的智能生产带来了深远影响，利用自身技术优势参与到了生产的实践环节中，在制作各个环节都展现出了独特的价值，对影视制作人员来说如虎添翼。

4 产业实践催生技术哲思

人工智能技术以超出大众认知的速度浸润到影视产业链的细枝末节中，改变了影视制作的流程、模式甚至创作思维。但任何的变革都是以螺旋上升的姿态进行，并非一帆风顺，这也表明了技术应用同样会滋生多种困境，不仅在于技术自身的发展缺陷，同时也在于长期实践过程中所产生的技术哲思。

4.1 开发周期长、商业链倒置

对于影像艺术而言，每一次飞跃性、革命性的发展都离不开技术的支持与突破。如若只在以往固定的程序中固步自封，艺术创作不会像如今这般百花齐放。换句话说，艺术不管是内容还是形式的发展，都处在动态变化中，它不仅是自身的颠覆与革新，同样也跟随技术的发展水平产生波动。但落脚于技术研究，这无疑是一个非常漫长的过程，任何技术在各个领域的成熟运用都会经历设计、开发、研究、实践论证等繁杂的过程，每一个阶段都会耗费漫长的时间以及昂贵的成本，甚至在解决某一部分问题的同时，或许又会出现新的技术问题。

而在技术研发过程中，由于部分商业模式的不完整，业内还会面临最主要的成本资金的现实问题，这也导致当下影视创作技术板块的开发链条处于倒置的状态。以往的技术研发往往是为了解决某一个特定的问题去寻求解决办法，并且在实践尝试中不断实现技术的自我迭代。而在影视创作领域，长久以来以人为核心的创作模式很少会出现需要技术发展才能解决的问题，也鲜有工程师会针对影视领域的问题对相关技术进行专一研发。

人工智能实现应用需要的开发成本是非常高的，而且开发投入也是非常大的，在这种情况下，尤其是影视圈的公司，没人愿意花很大的代价进行开发。在商业模式不完整的前提下，目前只能拿大家已经研究得比较透彻的一些东西然后再找应用。（A1）

在这种情况下，人工智能在影视行业的应用实践并非点对点地适配，而是一种取其精华的融合模式，这也就导致了在实践过程中会发生融合的停滞，只能依靠技术本身的完善来解决。另外，由于影视行业自身资金回笼周期较长，一个项目从投融资到上映的过程中会经历诸多风险，任何一个环节的疏忽都可能导致全盘努力付之东流，再加上后疫情时代对整个行业大背景产生的负面影响，整个影视市场正处于复苏阶段，从业人员的全部精力都投入到促进市场的复苏之中，这无疑又对技术的研发与运用增加了难度系数。

4.2 技术与艺术发展失衡

长久以来技术和艺术的发展就像是光的波粒二象性一样，二者密不可分、互相渗透。但有时一方发展的速度可能会落后于另外一方，这对技术融合和艺术创新都带来了巨大的挑战。对于影视行业来说，技术的加入能够使影像拥有更多的表达方式，但与此同时也对影像创作的技巧性提出了更高的要求。在技术实践中，影像形态和呈现方式变得更加多元，但制作模式和视效技术的突飞猛进似乎并没有给整个行业的内容创新带来相应的促进。

目前其实是艺术的内容创新反而没有跟上这些技术，我觉得这个是做艺术创作需要思考的事。因为技术的发展已经超越了艺术家的能力，在我们创作方法、创作技术的革新中，其实很多艺术家都还没有适应。所以在人才的教育以及实践创作上都需要更多探索。（A2）

在技术与艺术发展的不平衡中，往往会有一些从业人员发出机器替代的焦虑论断，他们认为技术发展会逐渐替代他们的工作，甚至能够完成得比人类更好，可能会给整个就业市场带来巨大冲击。其实，影像创作的替代焦虑归根结底在于技术和艺术双方发展的逐渐失衡，人类的创造价值看似正在被逐步削弱。时代的发展裹挟着艺术创作向更为深刻的人类思想内核发展，机械复制时代黯去的“光晕”给予了艺术家们更沉重的责任。

4.3 人才培养的技术转向

在传统的影视创作实践中，艺术创作与技术研发仍处于割裂状态。在人工结构的职能团队里，技术工程师和艺术主创之间拥有天生的思维壁垒。艺术主创聚焦于故事主旨和情感的表达，需要充分调动自身的感性思维投入到创作之中。他们更加追求艺术至上的创作思维，一定程度上否定技术渗透给行业带来的变局。而技术工程师更加着重数据算法的采集和计算，以理性思维去解决技术运用过程中出现的问题。对于他们而言，艺术创作仍然处于“阳春白雪”状态，技术融合还存在诸多壁垒。这样不同思维的人就像是同性相斥的磁铁，但在人工智能时代的艺术创作中，却又不得不放在同一个盒子里。

此外，人工智能的飞速发展对教育的转型提出了迫切要求[12]。在当下的影视人才培养模式中，虽然各大高校都纷纷开始重视影视技术层面的知识教学，开设了影视技术专业以及相关课程。但如今的技术教学其实只停留在操作表面。学生的思维受制于机器的工具属性，这些工具似乎把人禁锢在创造的牢笼之中，只能在有限的范围内实现相应的艺术效果。但事实上，如何创造工具、改变工具来为艺术服务才是未来培养复合型人才的核心。

老师教给大家的应该是方法，是底层的一些需要解决的问题，而不是单纯告诉他这个软件怎么用。我们真正要掌握的不是这个软件，而是要思考怎么去创造一些软件之外的东西，怎样通过自己的能力来实现这些东西，这才是对我们创作有帮助的。（A4）

在当下的人才培养模式中，传统的影视制作软件被奉为圭臬，创作逐渐开始遵循软件工具的应用逻辑，人类逐渐成为固定程式下的提线木偶，艺术创作也被“装在套子里”失去了能动性。

毫无疑问，未来影视人才培养的重心会逐渐向技术教学偏移，行业内需要的并不是勾勒蓝图的顶层设计师，而是实打实深入实践能够切实解决制作问题的复合精英。

5 人工规制平衡技术发展

面对技术的实践困境，需要从人工层面来进行调整与规制。人工智能的学习潜力在业内有目共睹，未来也一定会成为从业人员的左膀右臂，人机如何更好地通力协作是人机关系中的核心问题。基于此，影视行业要从多个角度对机器创作进行人工规制，在确立自身主导地位的同时，也最大限度发挥人工智能的优势，利用人机共同体的形态赋能影视产业链。

5.1 明确人工定位、聚焦艺术创造

人工规制的前提是人工组织要明确自身定位。虽然人工智能相关技术在一定程度上淡化了人类的主体地位，形成了较为复杂的联结关系[13]。但人类仍然拥有独特的思考判断、情绪感知以及创造能力。在艺术创造过程中，人类永远拥有不可替代性。影视艺术之所以成为艺术，就是在整个创作过程中都离不开人的因素，人工智能的最终形态只会无限接近于人的能力，而并不能完全替代甚至超越。

现在的创作还是人为主，机器为辅，并且这个机器的“辅”还处于可有可无的状态。比如现在所谓的智能选角，哪怕没有这个智能选角系统，我们的影视行业照样正常运转。（A1）

对于艺术家来讲，创作过程实际是对自己经历的一种情感上的宣泄或者表达。而机器是完全不具备这个能力的，现在机器能做到的只是能够识别人的情感而做出一些简单的回应，这就已经是很了不起的事情了。（A4）

未来很长一段时间内，人工智能还是以人机协同的模式作用于影视生产环节，并且在实践中不断进行模式调节，使两者能够一直处于一种动态自我完善过程中。以生成式对抗网络（GAN）为例，创作人员的参与能够极大提升对抗网络的博弈效率，快速准确地达到符合主创人员要求的艺术效果，同时为下一次博弈结果提供学习数据。在此过程中，既保留了艺术创作过程中创作者的主导地位，还最大程度利用了计算机超强的计算能力与存储能力，将人与机器的能力与作用均发挥到最佳状态[14]。

人工智能的发展绕不开其与生俱来的工具性，它能够更好地帮助我们的影视创作，提升效率、预测走向，甚至提供多元的创新思路。影视从业者应该与人工智能形成错位竞争，学会扬长避短，利用机器的高效和智能为自身的艺术创作推波助澜，站在人工智能的“肩膀”上，协同高效地完成工作。

5.2 适配新兴岗位、填补技术人才

在未来的职能团队发展中，影视创作者应当逐渐正视技术给行业带来的变革，勇于接受新兴技术为行业创作所带来的价值，在学习与实践中寻找技术与影视的最优解。而技术人员同样要将艺术思维融入到技术应用中，解决艺术创作中的实际问题。在沟通过程中多使用双方通俗易懂的语言，加强影视主创对人工智能应用的接受程度。要善于思考，用灵活的方式向影视创作者分析技术变革的优劣，主动说服他们摘掉有色眼镜，走出舒适区。艺术创作和技术研发都不该高高在上，唯有互相理解与配合才能够共同推进影视行业的发展。

此外，人工智能技术的加入将使大量重复性强的工作被取代，但在这个局部替换的过程中，技术的变迁也会创造新的岗位[15]。无论是前期的开发，还是中期的置景拍摄，再到后期剪辑特效的过程，必定会出现更多与人工智能技术相关的影视岗位，技术的进步与发展给行业内带来了春风化雨般的生机与活力，也是整个影视产业推陈出新、脱胎换骨的必经之路。

人工智能参与后可能会换另一批岗位。比如我们拍大场面的戏，原来我对这个置景的要求就会很高。但是现在有了虚拟摄制之后，这个置景的成本反而省去了，但是就需要另一批人，我们传统置景的美工不需要了，但是需要做数字资产的美工，需要新的技术人才来填补。（A1）

从这个角度来说，未来对影视行业从业者的职能要求也会发生相应改变。技术的熟练使用会逐渐成为行业标配，但最终能够对影视创作发展起到推动性作用的还是以技术思想为核心的创作学习能力。工具的使用永远都不会只停留在某一阶段的发展中，人工智能技术若从弱阶段逐渐进化，老一套的工具方法也会不再适用，那么学习能力和创造能力就会是快速适应新变化所需的核心技能。

我们会给学生开计算机程序设计课、编程课。艺术家的想法是无限的，它有太多既定软件没办法实现的东西，而软件背后实际上就是计算机代码、计算机程序，如果我自己会编程的话，我想要什么功能我自己可以写，而不局限于软件给我提供的那些简单的功能。（A4）

事实上未来最重要的是学习使用新工具的能力。因为从摄影组的角度来说，我们所有的工具都在不断变化，每十年摄影组接触的器材会有一个大量的变化。包括摄影、灯光、重机械、移动这些合起来，每个工作人员必须去随时学习新的器材怎么操作。（A2）

新兴岗位的出现助推影视从业人员技术转型，督促其工作与学习互相交错发展。人工智能创造了技术机遇，开启了影视行业的智能时代。在亘古不变的优胜劣汰法则中，人类的自我提升尽管是技术忧思和危机意识下的生存之举，但车到山前并非山穷水尽，或许是柳暗花明，该转弯了。