获得奥斯卡最佳特效奖的Dennis Muren(图中)与导演詹姆斯·卡梅隆(图左)以及《星球大战》创作者乔治·卢卡斯(图右)合影留念。照片拍摄于1999年6月3日加州好莱坞,三人在纪念Muren登上星光大道的仪式上,身旁还有《星球大战》中的经典角色R2D2以及C3PO。Muren曾先后赢得8项视觉效果类奥斯卡奖项,其中包括《终结者2》、《侏罗纪公园》以及多部《星球大战》作品。
电影《怪医杜立德》的上映令整个好莱坞震惊。这部由小罗伯特·唐尼主演的电影花掉环球影业1.75亿美元的制作成本,但在上映首周仅仅拿下令人失望的2950万美元票房。
当然,好莱坞电影制作一直就是这么一门爆冷与爆火同时存在的生意。但是,AI技术的快速发展能否给影业公司找到一条更安全的发展道路?
没准真有可能。
华纳兄弟公司最近就与Cinelytic达成协议,由后者负责开发一套采用AI技术的项目管理系统。该系统主要提供审查流程,例如预测新电影项目的潜在利润水平。
当然,这并不是说Cinelytic已经能够复制斯皮尔伯格或者是詹姆斯·卡梅隆这些天才的头脑。相反,该项技术主要完成各类规模较小的任务,例如分析各区域性市场的影响因素以及演职人员竞标过程等等。通过分担这些繁琐的工作,电影制片人能够腾出时间处理更为重要的核心任务。
其他初创企业也开始朝着这部分市场进军,其中包括Pex公司。这家年轻的公司拥有一套AI驱动平台,能够分析电影预告片以确定潜在的收入来源。从本质上讲,该平台的任务就是处理数据(例如数据视图、转发、点赞以及其他形式的在线参与程度),确保工作室能够随时调整预告片以提高影片的市场影响力。
下一步是什么?
AI技术在好莱坞的应用尚处于早期阶段,因此必然会存在大量试验性过程以及错误结果。但展望接下来几年,这类尝试应该还有巨大的增长空间。
下面来看其他专家的观点:
• Tanjo公司联合创始人兼CEO Richard Boyd:“AI绝对是解决内容开发问题的有效解决方案。Netflix、亚马逊以及谷歌都很清楚,如果想要了解人群,最好的方法不在于向他们提问,而是监视他们如何支配时间、金钱以及注意力。”
• Cognizant公司全球副总裁兼AI负责人Bret Greenstein表示:“AI一定能够帮助好莱坞降低风险,如同降低其他行业的风险一样。这与计算机生成图像(CGI)无关;相反,其涉及的是量化与分析内容,理解并预测观众的喜好,并立足色彩、图像、服装、CGI以及台本等做出更多实验,从而预测最佳电影创作效果模型。利用AI技术,我们有望根据目标受众以及突然出现的社会变化编辑内容。例如,了解近期新闻与事件可能会促使导演调整电影对话甚至视觉效果,从而避免与公众情绪发生对立。”
• Latent View Analytics公司数据科学与机器学习总监Ganesh Sankaralingam指出:“目前,电影工作室与流媒体娱乐公司可以利用大量可操作数据管理风险。利用AI与高级分析功能,从业者不仅能够缓解市场因素引发的票房下跌,同时也能够识别出潜在的热门影片。毕竟除派拉蒙公司之外,所有其他好莱坞制片厂都拒绝了初代〈夺宝奇兵〉影片。因此通过密切关注观众观看的内容并对数据进行分类,制片厂可以建立起「品味社群」,在不同社群之间发现观众对于演员、导演以及流派等元素的喜好,甚至找到以往很难跟踪的多主联动效应。”
琐碎的问题
对于AI与好莱坞的牵手,大家最好还是把期望放低一些。面对现实,我们对创造性过程到底了解多少?恐怕还很粗略。
此外,其他诸多变量也在影响着一部电影的成败。
本特利大学数学与数据科学副教授Noah Giansiracusa表示,“AI技术可能会发现,某些演员对话以及情节结构在上世纪八十年代表现良好,但目前这类电影却可能已经彻底消失。换言之,AI当然也不会相信这些曾经大放异彩的创作成果,能够在未来重新复苏。但在人们眼中,这类复古型设计没准会出奇制胜。因此,AI技术能否把握这种「复古」影响,实际上归结于近年来是否出现了在这方面做出尝试的影片。另一个严重的问题在于,AI技术会反映出数据当中的所有偏差乃至偏见。如果女性以及少数族裔主演、创作以及制片的影片不及白人男性,那么目前的AI算法可能会直接生成这样的错误结论,而非真正分析引发这种现象的真实原因。”
换句话说,大家不可能指望AI技术能够在短时间内彻底替代那些极富创造力的艺术家。但与此同时,AI能够给电影制作流程带来的巨大助益,同样不容忽视。
Greenstein最后总结道,“AI是一种工具,但人类自身的判断才是决定一部电影命运的核心。如果能够让AI预先推测人类判断,那么电影票房必然迎来显著提升。”
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。