雖然計(jì)算機(jī)在觀看悲情電影時(shí)不會(huì)哭，但它卻能預(yù)測(cè)我們的淚點(diǎn)。

在2016年倫敦科幻電影節(jié)上首次亮相的科幻微電影《Sunspring》（《陽(yáng)春》），講述了一個(gè)全民失業(yè)的反烏托邦國(guó)度，一經(jīng)放映就吸引了大票粉絲，有觀眾評(píng)價(jià)它有趣卻又怪誕，但也有很多觀眾反饋它的情節(jié)設(shè)計(jì)存在諸多不合理。

其實(shí)，這部影片最大的亮點(diǎn)就在于：它的編劇是人工智能（AI）。

看到這里，很多人可能又會(huì)感慨：“機(jī)器會(huì)不會(huì)取代人類編劇，就像無(wú)人駕駛汽車可能取代了人類司機(jī)一樣？！”

其實(shí)，如前面所說(shuō)，如果你細(xì)看這部影片，就會(huì)發(fā)現(xiàn)很多“穿幫”劇情。比如，片中某個(gè)角色咳嗽時(shí)眼球竟然掉了！還有有影評(píng)家指出：“片中的對(duì)話聽(tīng)起來(lái)像是不相關(guān)語(yǔ)句的拼湊”。不難看出，盡管科技不斷進(jìn)步，但人類編劇的地位卻仍然不可動(dòng)搖。

這里，我們來(lái)設(shè)想一個(gè)不太極端的場(chǎng)景：機(jī)器和人類是否有可能共同完成一個(gè)劇本？即由人類編劇負(fù)責(zé)撰寫(xiě)巧妙的轉(zhuǎn)折和現(xiàn)實(shí)對(duì)話，AI則負(fù)責(zé)提供見(jiàn)解、增強(qiáng)故事的感染力，比如識(shí)別能觸動(dòng)觀眾的背景音樂(lè)或畫(huà)面。

——人物命運(yùn)的跌宕起伏，包括在困境中掙扎、克服困難、誤入歧途、戰(zhàn)勝邪惡勢(shì)力等等。我們發(fā)現(xiàn)，不論是對(duì)于YouTube上的業(yè)余視頻制作者，還是電影工作室制作人，只要涉及到劇情編寫(xiě)，都會(huì)考量這些問(wèn)題。

情感曲線：故事的靈魂

首先，我們先來(lái)談?wù)勄楦星€。

縱觀整個(gè)文學(xué)領(lǐng)域，我們發(fā)現(xiàn)像桑達(dá)克、斯皮爾伯格、普魯斯特和皮克斯這樣的傳奇作家，就非常善于拿捏和激發(fā)觀眾的情感，并通過(guò)觀眾的喜惡，適當(dāng)調(diào)整故事情節(jié)，在關(guān)鍵的時(shí)刻喚起觀眾內(nèi)心的快樂(lè)、傷感或憤怒。然而，就算是最優(yōu)秀的作家，也無(wú)法確保故事情節(jié)的完美無(wú)缺，就連莎士比亞的某些戲劇也可能無(wú)法讓觀眾產(chǎn)生共鳴（沒(méi)有多少人喜歡他的《辛白林》）。

那么，是什么導(dǎo)致有些電影廣受好評(píng)，有些卻無(wú)人問(wèn)津？對(duì)情感曲線的把握非常關(guān)鍵。

情感曲線這一概念由來(lái)已久，大師級(jí)作家都對(duì)它十分熟悉，有些人還會(huì)嘗試找出其中的通用模式。舉個(gè)例子，美國(guó)黑色幽默作家Kurt Vonnegut就認(rèn)為最成功的情感曲線是《灰姑娘》的故事模式：在故事開(kāi)頭主人公灰姑娘身處困境，接著在仙女教母的幫助下扭轉(zhuǎn)命運(yùn)，其他難題也隨之解決。

總結(jié)一下，即“苦難”的故事開(kāi)頭，但最終都有圓滿的結(jié)局——王子和公主從此過(guò)上了幸福美滿的生活。

毋庸置疑，故事的情感曲線往往會(huì)影響觀眾的參與度，包括觀眾在社交網(wǎng)絡(luò)上的影評(píng)，以及是否將其推薦給其他朋友。據(jù)賓夕法尼亞大學(xué)對(duì)《紐約時(shí)報(bào)》的文章展開(kāi)的研究發(fā)現(xiàn)，讀者更樂(lè)意分享那些能引起強(qiáng)烈情感共鳴的故事，尤其是能喚起讀者積極情緒的故事。由此可推測(cè)，電影觀眾也會(huì)有與讀者相似的反饋方式。

來(lái)自MIT的一項(xiàng)基礎(chǔ)實(shí)驗(yàn)：讓機(jī)器成為電影觀眾

此前，佛蒙特大學(xué)開(kāi)發(fā)了一種算法，即利用計(jì)算機(jī)掃描影片臺(tái)詞或劇本內(nèi)容來(lái)構(gòu)建情感曲線。

在此基礎(chǔ)上，不久前MIT社會(huì)機(jī)器實(shí)驗(yàn)室又聯(lián)合麥肯錫消費(fèi)技術(shù)與媒體團(tuán)隊(duì)繼續(xù)進(jìn)行了深入研究，研發(fā)了基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型，用來(lái)觀看影片、電視節(jié)目和網(wǎng)絡(luò)短片中的細(xì)節(jié)特征，并實(shí)時(shí)評(píng)估其中包含的積極與消極情緒。

這些模型的研究范圍覆蓋影片的所有元素，包括情節(jié)、角色、對(duì)話，及例如追車場(chǎng)景中的人臉特寫(xiě)或音樂(lè)片段等其他細(xì)節(jié)。通過(guò)將各部分組成一個(gè)整體，就形成了故事的情感曲線。

也就是說(shuō)，當(dāng)機(jī)器查看了未標(biāo)記視頻后，就能基于所有視聽(tīng)元素為故事創(chuàng)作出情感曲線。這是前所未見(jiàn)的。

，影片主角Carl Fredricksen是個(gè)脾氣暴躁的小老頭，在妻子Ellie去世后，他用數(shù)千個(gè)氣球帶著自己的房子飛向南美。為了更好展現(xiàn)Carl的探險(xiǎn)旅程，編劇需要想出一個(gè)快速交代復(fù)雜背景故事的方法。

讓計(jì)算機(jī)成為“水晶球”：預(yù)測(cè)觀眾的參與度

了解影片的情感走向誠(chéng)然有趣，但明確如何使用這些分析結(jié)果更為重要。

影片的情感曲線或曲線類別能否決定觀眾的觀影反應(yīng)？包含特定情感曲線的影片能否激發(fā)觀眾的情緒？研究團(tuán)隊(duì)嘗試通過(guò)分析Vimeo短片的數(shù)據(jù)集來(lái)回答以上問(wèn)題。（相較于聲音曲線，視覺(jué)曲線與影片內(nèi)容的關(guān)聯(lián)性更強(qiáng)，且結(jié)合兩種曲線會(huì)增加分析難度，因此決定圍繞視覺(jué)曲線展開(kāi)分析。）

在保證影響在線反饋的元數(shù)據(jù)（如影片長(zhǎng)度和上傳日期）不變的前提下，我們運(yùn)用了回歸模型分析影片的情感曲線特征。

需要說(shuō)明的是，本研究的目的是預(yù)測(cè)Twitter及其他社交媒體上影片的評(píng)論數(shù)。除去評(píng)論中的負(fù)面內(nèi)容，多數(shù)情況下，評(píng)論越多說(shuō)明觀眾反應(yīng)越強(qiáng)烈。但也有例外，比如像Gigli和Ishtar（《鴛鴦綁匪》和《伊斯達(dá)》）這類電影，盡管能引發(fā)大量網(wǎng)評(píng)，卻鮮有好評(píng)。

。由分析可知，圖2標(biāo)紅的曲線類型走勢(shì)起起伏伏，早期充滿成功和喜悅，后期逐漸陷入不幸。在所有類別中，此類影片結(jié)局最悲慘。但盡管如此，還是會(huì)給觀眾留下深刻印象。

除此之外，在針對(duì)Vimeo短片的其他分析中，還有一類影片的評(píng)論最多，遠(yuǎn)高于其他影片（見(jiàn)圖3）。這類影片多以積極的情感爆發(fā)作為故事高潮，接近曲線尾端時(shí)走勢(shì)激增。而圖中這兩類影片的主要區(qū)別在于左側(cè)圖中的故事在圓滿結(jié)局前的情緒波動(dòng)更大。

圖3:兩類評(píng)論最多的影片類型

研究表明觀眾更喜愛(ài)大團(tuán)圓結(jié)局的結(jié)果正好相反。

在此基礎(chǔ)上，研究團(tuán)隊(duì)還瀏覽了Vimeo網(wǎng)上短片的所有評(píng)論，對(duì)情感傾向進(jìn)行分類評(píng)分，然后運(yùn)行程序統(tǒng)計(jì)了評(píng)論長(zhǎng)度。分析結(jié)果表明，上述三類影片（即黃色、紅色和藍(lán)色線條）的評(píng)論更長(zhǎng)，觀眾反應(yīng)更強(qiáng)烈。評(píng)論不僅只有“好電影”幾個(gè)字，還可見(jiàn)走心評(píng)論，如“太棒了……太震撼了……仿佛受到了重?fù)簟?rdquo;還有些評(píng)論也很醒目，它們不局限于個(gè)別的視覺(jué)畫(huà)面，還在意影片帶來(lái)的整體感受，或影片的情節(jié)走向。

事實(shí)上，這些分析并非要讓編劇按照特定模版撰寫(xiě)劇本，就像要求George Orwell為《1984》續(xù)寫(xiě)美滿結(jié)局來(lái)博觀眾歡心一樣。但它們可以激勵(lì)編劇客觀地審視劇本內(nèi)容，并作出相應(yīng)調(diào)整以引發(fā)觀眾共鳴，包括改變關(guān)鍵場(chǎng)景配樂(lè)或?qū)η楣?jié)、對(duì)話或角色等內(nèi)容進(jìn)行微調(diào)。

越來(lái)越多的影視從業(yè)者開(kāi)始逐漸意識(shí)到AI的價(jià)值，并利用其中的價(jià)值進(jìn)行創(chuàng)作。

來(lái)源：McKinsey

作者：Eric Chu, Jonathan Dunn, Deb Roy, Geoffrey Sands, and Russell Stevens

編譯整理：科技行者