电影院越来越多，观众却越来越少，留言区最多赞的评论是：长久以来的烂片轰炸，透支了观众的观影欲望。
到底什么是好电影，每人标准都不一样。对制片商来说，能赚钱的就是好片，因此预测观众的口味十分重要。
过去十几年好莱坞大片屡试不爽，但近几年开始让观众审美疲劳。中国电影这两年流行的“大 IP＋流量明星”模式甚至成为烂片标配。
▲《西游‧伏妖篇》剧照。
当影视业的经验不好用后，一些片商开始悄悄用 AI 来决定拍什么电影。
美国已有多家为制片商提供分析服务的 AI 公司，位于洛杉矶的新创公司 Cinelytic 就是其一。据悉 Cinelytic 能基于机器学习分析历史电影的数据库，预测不同剧本和演员对电影票房的影响。
▲ Cinelytic 分析界面。
Cinelytic 联合创始人兼 CEO Tobias Queisser 举了一个例子，假设拍以艾玛‧华森为主角的大片，可用 Cinelytic 软件看看如果主角换成珍妮佛·劳伦斯会有什么变化。
AI 可从不同角度比较两位演员，比如设计不同场景，看看这两位演员对电影的影响，看看不同情况下哪位演员有更好的效果。
Cinelytic 员工大都不是电影业出身，Tobias Queisser 来自金融业，CTO Dev Sen 曾为 NASA 设计风险评估模型，Queisser 相信决策几百亿美元投资的技术同样对电影业有用。
类似 AI 公司还有不少，比利时 ScriptBook 表示可用算法透过分析剧本预测电影是否成功。
ScriptBook 展示算法预测过去两年上映的电影，结果显示算法对电影是否获利的预测正确率高达 86%，而影视业的准确率只有 44%。
不过这些 AI 公司接受采访时都拒绝预测即将上映的电影，到底这些 AI 是不是真的比人类决策更正确，依然存疑。
有研究人员指出这类 AI 算法有缺陷，且算法只能根据过去资料分析，可能难以预测不断更迭的流行文化和观众口味。
比如 ScriptBook 算法分析 2017 年票房黑马《逃出绝命镇》时，虽然成功预测这部电影会获利，但却低估了票房，只预测有 5,600 万美元，该片最终票房达 1.76 亿美元。
▲《逃出绝命镇》剧照。
虽然 AI 预测未必准确，但越来越多用于影视业的 AI 技术已逐渐开发。
麻省理工学院曾公布一项研究成果，透过机器学习训练电脑辨识影片人物的情绪变化，依靠深度神经网络分析数千部影片，包括电影、电视剧和短片等。
研究人员以“感情弧线”为指标来评估不同片段引起的情绪是积极还是消极，研究人员称这种“感情弧线”数值为视觉效价（visual valence），并绘出每个场景的情绪变化曲线图。
这项 AI 技术可更准确分析观众的笑点和泪点，这对影视制作者来说十分有帮助。
迪士尼研究中心（Disney Research）也曾公布观察分析电影院观众反应的技术。此技术能透过捕捉电影院观众的表情，来分析观众的情绪，甚至在观察某个观众 10 分钟后的反应。
▲ 你看电影时的微笑，属于哪个区间？（Source：Disney Research）
此外，迪士尼收购的 21 世纪福斯，去年和 Google 合作开发电影预测和建议系统 Merlin，透过 AI 技术分析电影预告每个镜头，将标记的物体场景资讯与数据库比对，预测观众会感兴趣的电影。
▲ Merlin 预测看过《金刚狼 3》的观众会感兴趣的 20 部电影。
但好莱坞还没完全接纳这种新技术，很多传统制片商看来，冰冷的算法可能损害电影的艺术价值。尽管 ScriptBook 用户不乏知名的好莱坞电影公司，但这些公司都会要求签署严格的保密协定，不希望人们知道他们使用 AI。
相比之下，串流媒体的态度更开放。Netflix 一战成名的《纸牌屋》，就是采取大数据主导制作的模式，Netflix 曾表示这套基于用户习惯的个性化建议系统，有效提高收视率，每年能为 Netflix 节约 10 亿美元。
随着北美电影市场疲软，传统制片商对这种技术其实也有需求。《好莱坞报导者》文章指出， 面对阴晴不定的电影市场，好莱坞制片商高层面临一个问题：
究竟是要将电影碰碰运气放到院线上映，还是卖给 Netflix？
不过，电影本身还是充满不确定性的艺术，从没有保证成功的模型和公式。
没有人知道当年威尔史密斯要是接拍《骇客任务》会不会成为科幻经典，谁也无法预测如果《霸王别姬》选尊龙而非张国荣，会在大屏幕留下怎样的程蝶衣。
这种阴差阳错造就的经典，也是电影的魅力之一。而算法要做的，恰好是尽量消除所有不确定性。
（本文由 爱范儿 授权转载；首图来源：Created by Freepik）
延伸阅读：
- 让 AI 学会看电影，是否可以减少电影公司拍出大烂片的比例？
- 当你在看迪士尼电影的时候，它可能也在观察你
