标签：公式 识别 适合 训练 字幕 cell 道路 提高 感受
https://mp.weixin.qq.com/s/gLMee6n0mO65J5NwktJLGwBy 超神经
场景描述：基于 LSTM 神经网络和自然语言处理等人工智能技术，用大量剧本对 AI 进行训练，能够教会 AI 编写剧本，并将剧本拍成电影。
关键词：LSTM，NLP，剧本撰写第 72 届戛纳电影节于法国时间 5 月 25 日落幕，韩国影片《寄生虫》获得最高奖项金棕榈奖。这是韩国电影史上首次获得这项戛纳电影节最高荣誉。
2019 戛纳电影节宣传海报：致敬前不久逝世的
著名女导演阿涅斯·瓦尔达
不过，今天我们要讨论的不是这个最高奖项，而是，最佳编剧奖。
谈到影视剧，我们常常容易忽略编剧，而更重视导演。但是，编剧其实才是一部电影的核心与灵魂。
决定一部电影是否经典的因素很多，从剧本到演员，再到导演以及后期剪辑，视觉、音效等等。不过，剧本是众多因素中的一个重要因素。
一个好剧本可能会被拍成一部坏的片子，但是一个坏剧本绝不会被拍成好片子。当我们回味一部好电影的时候，往往是对它曾打动我们的情节念念不忘。
本届戛纳电影节，最佳编剧奖由法国导演瑟琳·席安玛最终凭电影《燃烧的女子肖像》摘得。这是一部 LGBT 作品，讲得是 18 世纪 70 年代，一个女画家去贵族家庭为待嫁女孩画像，互生爱慕的故事。
中间为瑟琳·席安玛，她为了《燃烧的女子肖像》
钻研了大量艺术与历史资料
这并不是瑟琳·席安玛第一次获得最佳编剧奖，她写剧本的灵感或来自身边，或来自历史故事，她也曾为写剧本研究艺术史。
所以，一部好剧本，背后的工作量十分巨大：查阅大量的资料，阅片无数……因为各方面的高要求，2002 年以前，国内还曾闹过剧荒。
可是如今，就连人工智能都会写剧本了，为什么我们写一个好剧本还这么难呢？
著名的电影制作人 Kevin Macdonald ，在去年拍摄了一部由人工智能编写的剧本的短片。
Macdonald 执导的是一部 60 秒的雷克萨斯轿车商业广告，剧本出自 IBM 的 Watson 人工智能平台，这是采用认知计算系统的商业人工智能技术平台。在广告成片中，雷克萨斯 ES 轿车的风采被很好地展现出来。
这部 AI 写的广告剧本获得了很不错的效果
场景简析：在工厂里，一位制造师触摸着一辆刚造好的汽车，而后目送它开出了工厂。
汽车行驶在蜿蜒的山路上，沿途是美丽的的海岸线和森林。
下一幕，电视中正在直播，媒体正在报道这款汽车最后的紧急制动测试。
电视机前，看到汽车通过了测试，工程师终于放松下来，和女儿拥抱在了一起。
为了生成广告剧本，IBM 的 Watson 平台分析了过去 15 年间的大量数据，包括获奖汽车和奢侈品广告数据，以及包含消费者分析的数据。
通过数据， AI 分辨出了能让消费者容易产生共鸣的因素，这些因素包括减少对话、突出视觉效果等，最后为雷克萨斯的广告写出了这样的场景：一条蜿蜒的道路，一边是潺潺的河流，另一边是茂密的森林。
雷克萨斯表示，这个广告获得了很好的宣传效果。自去年 11 月在 YouTube 等网站上发布以后，所宣传轿车的销量比原有目标提高了35％。
2016 年，在伦敦科幻电影节上，一部完全由 AI 编写的时长 9 分钟的科幻电影《Sunspring》（中文名《阳春》）上演。电影是关于一群人在后世界末日坠入爱河的故事。这是有史以来第一部使用算法制作的电影。
《Sunspring》剧本中还涉及到三角恋
这个由纽约大学研究员 Ross Goodwin 花了一年时间开发的 AI，被命名为 Benjamin。它是一个 LSTM （Long Short-Term Memory，长短期记忆网络）递归神经网络。
为了实现快速编剧，Benjamin 「阅览」了数百部 20 世纪 80 - 90 年代的科幻剧本，包括《银翼杀手》、《超时空圣战》、《星际穿越》等等。
这部电影虽然拍摄完成并上映，但是其中很多毫无逻辑的对白让观众感到不明所以，并不值得观看。比如剧本中有这样的句子：「他站在星空里，也坐在地板上。」不过，我们也并不指望 AI 在如此快速的时间里就能获得奥斯卡奖。
值得一提的是，时隔两年，AI Benjamin 又带着它独立制作的电影《Zone Out》在 2018 年伦敦科幻电影节卷土重来，再次参加了 48 小时电影挑战赛。
经过两年的改进，Benjamin 的新电影采用了「换脸」技术，使用神经网络生成对话和配音，在 48 小时的挑战赛中，整个制作过程都由 AI 处理，没有人为干预。
当然，它撰写剧本仍然依赖于 LSTM 神经网络。这次《Zone Out》是它根据莎士比亚的作品和其他电影的字幕生成的一些场景对话。
这部影片的大概情节如下：
镜头一：男主在观看影碟机放映的影像，几个小孩在玩闹，他露出幸福的笑容。随后影像中出现了他的妻子，他们亲吻后她笑着跑开。
镜头二：他正在显微镜上观察，然后和另一个男子有一段奇怪的对话。之后，他开车在路上碰见一位妇女，他停下车和她进行了一段奇怪的对话。
镜头三：傍晚，他回到家，看到他的妻子正拿着注射器给自己注射药物，接着他们争吵，他的妻子情绪激动，掏出了一把枪对准他，可是却突然倒下（应该是药效发作）。
镜头四：男主给他妻子做了手术，将她的头割下来放在一个盘子里，上面插满了各种输液器皿。这时，一只怪物从门上的一个小窗口中伸进手捂住男主的脸，她的妻子发出「哈哈哈哈哈」的诡异笑声。怪物夺门而入，那只她妻子的头仍然不停地怪笑。结束。
大家可以花 6 分钟时间观看，感受一下：
尽管最终电影情节仍然很奇怪，镜头之间几乎没有衔接，但是它也写出了很多包含感情的故事情节。这次的重大进步在于，Benjamin 不是简单地从输入语料库中复制粘贴，而是学会了自己创作。
此外，与第一部由真人演员演出的《Sunspring》不同，这部《Zone Out》中则使用了换脸技术，完全由 AI 生成。在制作前夕，先由真人演员表演为 Benjamin 提供素材，之后 Benjamin 将演员的脸换到它从其他电影中剪辑的角色面部。
电影中角色人脸原型由这三位演员提供
参与了这次电影制作的洛杉矶导演 Oscar Sharp说：「我真正想要做的是尝试，将人类创作过程的每个部分自动化，看看我们是否了解了制作电影的人。」
这是一个开端，我们由此可以看到，未来，神经网络可能会更好地模仿连贯讲故事的艺术，到时候也许人类与之相比起来，反而会有所逊色。
虽然人工智能在写剧本上有了不错的尝试，但距离这种方法的普及，还有很远的路。人工智能要想得到编剧奖，首先要写出精彩且有逻辑的剧本才行。
虽然人工智能自带流量，但实际中的 AI 写剧本，细细看来，一般是人机协作的成果。主要的方式有四种：
第一，机器提供编剧建议；
第二，人类创作主线，机器填充内容；
第三，机器生成初稿，人类进行修改；
第四，人机接龙。
基于机器学习方法生成的文本，除了要克服模型训练中带来的数据偏差，另一方面在于， AI 生成剧本的方式，类似于「公式化」的创作，还依赖于训练它的模型和人工「喂养」。
此外，人工智能还不懂幽默，爱情，幸福等只属于人类的情感。
但是就目前来看，对于那些只会粘贴复制，毫无创作意识的编剧来说，人工智能的这点手段可能已经足以让他们下岗了。
超神经百科
LSTM（Long Short-Term Memory）
LSTM 是长短期记忆网络，是一种时间循环神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。
LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。
LSTM 区别于RNN 的地方，主要在于它在算法中加入了一个判断信息有用与否的「处理器」，这个处理器作用的结构被称为 cell。
标签：公式 识别 适合 训练 字幕 cell 道路 提高 感受
原文地址：https://blog.51cto.com/14929242/2535299
