下次你看到的烂片,可能是人工智能写的剧本

来源:凤凰新闻 2017-08-13 08:15:52

原标题:下次你看到的烂片,可能是人工智能写的剧本

— “他既坐在地板上,又身处星空之中。”

— “他看着我,又移开了目光。”

如果你在电影节看到一部有上述台词的短片,一定会认为这是哪位新锐编剧撰写的实验性作品。

你猜对了一半,这的确是一部实验性作品,可它的编剧不是人类,而是人工智能。

在去年的伦敦科幻电影节( Sci-Fi London Film Festival),有一项48小时内电影创作挑战”,主办方提供随机的名字和一小段对话,参与者根据这些信息,在48小时内撰写出剧本并拍摄出来。

拥有上述台词的短片,是导演Oscar Sharp和人工智能编剧Benjamin的作品。

在这部短片中,三位主角穿着Cult十足的未来服装,说着毫无逻辑的台词。剧情似乎是一段三角恋情,还涉及了谋杀。台词中重复出现了很多次“I don't know”、“What do you mean”,似乎剧中人物也和观众一样,不能理解其他角色说的话。这一有趣的现象似乎是人工智能的“左右互搏”。

其实实现这一功能所用的技术很简单,只需一个基于长短期记忆(LSTM)的神经网络模型,然后输入大量文本,人工智能就可以“学会”写作。Benjamin正是被输入了大量上世纪90年代的科幻电影,最后写出了这部作品。

LSTM作为时间递归神经网络的一种,能够判断信息是否有用,将有用的信息记住,没有用的“遗忘”,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。

所以,基于LSTM算法生成的文本更具有原创性,而不是单纯的语料重新排列组合。黑镜中描写的人工智能学习逝者社交网站资料后“成为”逝者,或是最近很火的微软小冰出诗集,很有可能都应用了这种技术。

当然,LSTM算法目前还存在着不少问题,比如需要大量内存来“储存记忆”,当内存有限时,一些很重要的信息同样也会被遗忘掉。这就导致虽然Benjamin读了大量剧本,但出产的作品依然有些不伦不类。

又比如对一些于无法预测的词汇,LSTM表现的很无力,这就导致了Benjamin不会给剧中人物起名字,而是用H、C等字母代替。

总之,剧本这种涉及到情节逻辑、对话、人物动作等等多种元素的长文本对于LSTM而言还是太复杂,到了诗歌、对话、歌词等等领域,LSTM的表现更好。

(同一题材,很难分辨两个作品哪个出自AI之手)

虽然普通人对于这部短剧欣赏不来,但艺术届有不少人给予了这部短片很高的平价。人工智能对于人类感情、科技认知的理解就如同上世纪欧美导演对于东方的想象——充满了夸张、错位和疏离感。和知名的Cult片《上海异人娼馆》中,对老上海的荒诞想象有异曲同工之处。

在电影节上,有人甚至将这部作品和《等待戈多》作比对,对于导演和编辑来说这已经是无上的荣耀。不过从观众的角度来看,这部作品和《等待戈多》最大的共同点就是都让人看不懂。

总之,让人工智能代替人写剧本目前来看是有点困难,但在创作中,人工智能是个很好的协作者。尤其在信息的总结、提炼、归纳方面,人工智能的效率比人类要高很多。让我们看几千部科幻片,可能要花上几个月的时间,可对于Benjamin,也就是几个小时的事。

对于那些天天在网文网站读千篇一律的小说,从中挑出优胜作品的编辑来说,或许很快就能被人工智能拯救。同样,在IP挑选、比赛作品筛选等等需要耗费大量时间观看/阅读作品的工作中,未来也会有人工智能的一席之地。

点击查看原文

相关链接