電影院越來越多，觀眾卻越來越少，留言區最多讚的評論是：長久以來的爛片轟炸，透支了觀眾的觀影欲望。
到底什麼是好電影，每人標準都不一樣。對製片商來說，能賺錢的就是好片，因此預測觀眾的口味十分重要。
過去十幾年好萊塢大片屢試不爽，但近幾年開始讓觀眾審美疲勞。中國電影這兩年流行的「大 IP＋流量明星」模式甚至成為爛片標配。
▲《西遊‧伏妖篇》劇照。
當影視業的經驗不好用後，一些片商開始悄悄用 AI 來決定拍什麼電影。
美國已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 就是其一。據悉 Cinelytic 能基於機器學習分析歷史電影的資料庫，預測不同劇本和演員對電影票房的影響。
▲ Cinelytic 分析介面。
Cinelytic 聯合創始人兼 CEO Tobias Queisser 舉了一個例子，假設拍以艾瑪‧華森為主角的大片，可用 Cinelytic 軟體看看如果主角換成珍妮佛·勞倫斯會有什麼變化。
AI 可從不同角度比較兩位演員，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有更好的效果。
Cinelytic 員工大都不是電影業出身，Tobias Queisser 來自金融業，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業有用。
類似 AI 公司還有不少，比利時 ScriptBook 表示可用演算法透過分析劇本預測電影是否成功。
ScriptBook 展示演算法預測過去兩年上映的電影，結果顯示演算法對電影是否獲利的預測正確率高達 86%，而影視業的準確率只有 44%。
不過這些 AI 公司接受採訪時都拒絕預測即將上映的電影，到底這些 AI 是不是真的比人類決策更正確，依然存疑。
有研究人員指出這類 AI 演算法有缺陷，且演算法只能根據過去資料分析，可能難以預測不斷更迭的流行文化和觀眾口味。
比如 ScriptBook 演算法分析 2017 年票房黑馬《逃出絕命鎮》時，雖然成功預測這部電影會獲利，但卻低估了票房，只預測有 5,600 萬美元，該片最終票房達 1.76 億美元。
▲《逃出絕命鎮》劇照。
雖然 AI 預測未必準確，但越來越多用於影視業的 AI 技術已逐漸開發。
麻省理工學院曾公布一項研究成果，透過機器學習訓練電腦辨識影片人物的情緒變化，依靠深度神經網路分析數千部影片，包括電影、電視劇和短片等。
研究人員以「感情弧線」為指標來評估不同片段引起的情緒是積極還是消極，研究人員稱這種「感情弧線」數值為視覺效價（visual valence），並繪出每個場景的情緒變化曲線圖。
這項 AI 技術可更準確分析觀眾的笑點和淚點，這對影視製作者來說十分有幫助。
迪士尼研究中心（Disney Research）也曾公布觀察分析電影院觀眾反應的技術。此技術能透過捕捉電影院觀眾的表情，來分析觀眾的情緒，甚至在觀察某個觀眾 10 分鐘後的反應。
▲ 你看電影時的微笑，屬於哪個區間？（Source：Disney Research）
此外，迪士尼收購的 21 世紀福斯，去年和 Google 合作開發電影預測和建議系統 Merlin，透過 AI 技術分析電影預告每個鏡頭，將標記的物體場景資訊與資料庫比對，預測觀眾會感興趣的電影。
▲ Merlin 預測看過《金剛狼 3》的觀眾會感興趣的 20 部電影。
但好萊塢還沒完全接納這種新技術，很多傳統製片商看來，冰冷的演算法可能損害電影的藝術價值。儘管 ScriptBook 用戶不乏知名的好萊塢電影公司，但這些公司都會要求簽署嚴格的保密協定，不希望人們知道他們使用 AI。
相比之下，串流媒體的態度更開放。Netflix 一戰成名的《紙牌屋》，就是採取大數據主導製作的模式，Netflix 曾表示這套基於用戶習慣的個性化建議系統，有效提高收視率，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》文章指出， 面對陰晴不定的電影市場，好萊塢製片商高層面臨一個問題：
究竟是要將電影碰碰運氣放到院線上映，還是賣給 Netflix？
不過，電影本身還是充滿不確定性的藝術，從沒有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《駭客任務》會不會成為科幻經典，誰也無法預測如果《霸王別姬》選尊龍而非張國榮，會在大螢幕留下怎樣的程蝶衣。
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，恰好是盡量消除所有不確定性。
（本文由 愛范兒 授權轉載；首圖來源：Created by Freepik）
科技新報粉絲團
加入好友
訂閱免費電子報
