過去十幾年好萊塢的流水線大片屢試不爽，但近幾年開始讓觀眾審美疲勞。在美國已經有多家為製片商提供分析服務的AI公司，位於洛杉磯的新創公司「Cinelytic」就是其中一家，據悉這家公司能基於機器學習來分析歷史電影的數據庫，進而預測不同劇本和演員對於一部電影票房的影響。
Cinelytic共同創辦人兼CEO Tobias Queisser舉了一個例子，假設拍一部以艾瑪．華森為主角大片，可以用Cinelytic的軟體來看到如果把主角換成珍妮佛．勞倫斯會有什麼變化。
目前AI仍無法完美預測無誤差
AI可以從不同的維度來對比兩位演員，比如設計不同場景，看看這兩位演員對電影的影響，看看不同情況下哪位演員能帶來更好的效果。
Cinelytic的員工大都不是來自電影行業，Tobias Queisser來自金融行業，而CTO Dev Sen曾為NASA設計風險評估模型，Queisser相信決策幾百億美元投資的技術同樣對電影行業有用。
類似的AI 公司還有不少，比利時的ScriptBook表示可以其演算法可以透過分析劇本來了預測電影是否會成功。
ScriptBook展示了對過去兩年上映的一些電影的演算法預測，結果顯示演算法對於一部電影是否能盈利的預測正確率高達86%，而影視行業的準確率只有44%。
不過這些AI公司在接受採訪時都拒絕為即將上映的電影進行預測，到底這些AI是不是真的能比人類作出更正確的決策，依然存疑。
有研究人員指出這類AI的演算法存在缺陷，而且演算法只能根據過去的數據進行分析，可能難以預測不斷更迭的流行文化和觀眾口味。
比如ScriptBook的演算法在分析2017年的票房黑馬《逃出絕命鎮》時，雖然成功預測了這部電影會盈利，但卻遠遠低估了它的票房，給出了5,600萬美元的預測，實際上該片最終票房達到了1.76億美元。
雖然AI的預測未必準確，但越來越多應用於影視行業的AI技術已經被開發出來。
AI怎麼預測你看電影時什麼時候會笑
麻省理工學院曾公佈過一項研究成果，可以透過機器學習訓練電腦來識別影片中的情緒變化，依靠深度神經網路分析了數千部不同類型的影音，包括電影、電視劇和短影音等。
研究人員以一種「感情弧線」為指標來評估影片的不同片段引起的情緒是積極還是消極，這種「感情弧線」的數值被研究人員稱為視覺效價（visual valence），並繪製了影片中每個場景的情緒變化曲線圖。
這項AI技術可以更為準確地分析觀眾的笑點和淚點，這對影視製作方來說十分有幫助。
目前好萊塢大廠還沒完全接納
迪士尼研究中心（Disney Research）也曾公佈了一項用於觀察分析電影院中觀眾反應的技術。這項技術能透過捕捉電影院中觀眾的表情，來分析觀眾的情緒，甚至在觀察某個觀眾十分鐘後還能預測他接下來的反應。
此外被迪士尼收購的20世紀福克斯，去年和Google合作開發了一套電影預測和推薦系統Merlin，透過AI技術分析電影預告的每個鏡頭，將標記的物體場景信息與數據庫比對，來預測觀眾感興趣的電影。
但好萊塢還沒完全接納這種新新技術，在很多傳統製片商看來這些冰冷的演算法可能會損壞電影的藝術價值。儘管ScriptBook的客戶中不乏知名的好萊塢電影公司，但這些公司都會要求籤署嚴格的保密協議，不希望人們知道他們使用了AI 。
相比之下，串流媒體的態度則更加開發。Netflix當年一戰成名的《紙牌屋》，就是採取了以大數據來主導電視劇製作的模式，Netflix曾表示這套基於用戶習慣的個性化推薦系統，有效提高了觀看率，每年能為Netflix節約10億美元。
隨著北美電影市場疲軟，傳統製片商對這種技術其實也有需求。《好萊塢報導者》的一篇文章指出，面對陰晴不定的電影市場，好萊塢製片廠的高層們正面臨一個問題：
究竟是將電影碰碰運氣放到院線上映，還是將其賣給Netflix。
不過，電影本身還是一門充滿不確定的藝術，從沒有一套保證成功的模型和公式。
沒有人知道當年威爾史密斯要是接拍了《駭客任務》還會不會成為科幻經典，誰也無法預測如果《霸王別姬》選了尊龍而非張國榮，會在大銀幕留下一個怎樣的程蝶衣。
這種陰差陽錯造就的經典，也是電影的魅力之一。而演算法要做的，恰恰是盡量消除所有不確定性。
本文授權轉載自：愛范兒
