雖然計算機在觀看悲情電影時不會哭，但它卻能預測我們的淚點。

在2016年倫敦科幻電影節(jié)上首次亮相的科幻微電影《Sunspring》（《陽春》），講述了一個全民失業(yè)的反烏托邦國度，一經(jīng)放映就吸引了大票粉絲，有觀眾評價它有趣卻又怪誕，但也有很多觀眾反饋它的情節(jié)設計存在諸多不合理。

其實，這部影片最大的亮點就在于：它的編劇是人工智能（AI）。

看到這里，很多人可能又會感慨：“機器會不會取代人類編劇，就像無人駕駛汽車可能取代了人類司機一樣？！”

其實，如前面所說，如果你細看這部影片，就會發(fā)現(xiàn)很多“穿幫”劇情。比如，片中某個角色咳嗽時眼球竟然掉了！還有有影評家指出：“片中的對話聽起來像是不相關語句的拼湊”。不難看出，盡管科技不斷進步，但人類編劇的地位卻仍然不可動搖。

這里，我們來設想一個不太極端的場景：機器和人類是否有可能共同完成一個劇本？即由人類編劇負責撰寫巧妙的轉折和現(xiàn)實對話，AI則負責提供見解、增強故事的感染力，比如識別能觸動觀眾的背景音樂或畫面。

——人物命運的跌宕起伏，包括在困境中掙扎、克服困難、誤入歧途、戰(zhàn)勝邪惡勢力等等。我們發(fā)現(xiàn)，不論是對于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，都會考量這些問題。

情感曲線：故事的靈魂

首先，我們先來談談情感曲線。

縱觀整個文學領域，我們發(fā)現(xiàn)像桑達克、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，并通過觀眾的喜惡，適當調整故事情節(jié)，在關鍵的時刻喚起觀眾內(nèi)心的快樂、傷感或憤怒。然而，就算是最優(yōu)秀的作家，也無法確保故事情節(jié)的完美無缺，就連莎士比亞的某些戲劇也可能無法讓觀眾產(chǎn)生共鳴（沒有多少人喜歡他的《辛白林》）。

那么，是什么導致有些電影廣受好評，有些卻無人問津？對情感曲線的把握非常關鍵。

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

總結一下，即“苦難”的故事開頭，但最終都有圓滿的結局——王子和公主從此過上了幸福美滿的生活。

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

來自MIT的一項基礎實驗：讓機器成為電影觀眾

此前，佛蒙特大學開發(fā)了一種算法，即利用計算機掃描影片臺詞或劇本內(nèi)容來構建情感曲線。

在此基礎上，不久前MIT社會機器實驗室又聯(lián)合麥肯錫消費技術與媒體團隊繼續(xù)進行了深入研究，研發(fā)了基于深度神經(jīng)網(wǎng)絡的機器學習模型，用來觀看影片、電視節(jié)目和網(wǎng)絡短片中的細節(jié)特征，并實時評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、對話，及例如追車場景中的人臉特寫或音樂片段等其他細節(jié)。通過將各部分組成一個整體，就形成了故事的情感曲線。

也就是說，當機器查看了未標記視頻后，就能基于所有視聽元素為故事創(chuàng)作出情感曲線。這是前所未見的。

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

讓計算機成為“水晶球”：預測觀眾的參與度

了解影片的情感走向誠然有趣，但明確如何使用這些分析結果更為重要。

影片的情感曲線或曲線類別能否決定觀眾的觀影反應？包含特定情感曲線的影片能否激發(fā)觀眾的情緒？研究團隊嘗試通過分析Vimeo短片的數(shù)據(jù)集來回答以上問題。（相較于聲音曲線，視覺曲線與影片內(nèi)容的關聯(lián)性更強，且結合兩種曲線會增加分析難度，因此決定圍繞視覺曲線展開分析。）

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

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

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

除此之外，在針對Vimeo短片的其他分析中，還有一類影片的評論最多，遠高于其他影片（見圖3）。這類影片多以積極的情感爆發(fā)作為故事高潮，接近曲線尾端時走勢激增。而圖中這兩類影片的主要區(qū)別在于左側圖中的故事在圓滿結局前的情緒波動更大。

圖3:兩類評論最多的影片類型

研究表明觀眾更喜愛大團圓結局的結果正好相反。

在此基礎上，研究團隊還瀏覽了Vimeo網(wǎng)上短片的所有評論，對情感傾向進行分類評分，然后運行程序統(tǒng)計了評論長度。分析結果表明，上述三類影片（即黃色、紅色和藍色線條）的評論更長，觀眾反應更強烈。評論不僅只有“好電影”幾個字，還可見走心評論，如“太棒了……太震撼了……仿佛受到了重擊。”還有些評論也很醒目，它們不局限于個別的視覺畫面，還在意影片帶來的整體感受，或影片的情節(jié)走向。

事實上，這些分析并非要讓編劇按照特定模版撰寫劇本，就像要求George Orwell為《1984》續(xù)寫美滿結局來博觀眾歡心一樣。但它們可以激勵編劇客觀地審視劇本內(nèi)容，并作出相應調整以引發(fā)觀眾共鳴，包括改變關鍵場景配樂或對情節(jié)、對話或角色等內(nèi)容進行微調。

越來越多的影視從業(yè)者開始逐漸意識到AI的價值，并利用其中的價值進行創(chuàng)作。

來源：McKinsey

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

編譯整理：科技行者