“長久以來爛片輪番上映，幾乎將觀眾的觀影慾望消耗完全?！钡顷P于什么是好電影這個問題，對制片商而言，答案是能賺到錢的就是好片，因此能夠捕捉觀眾的口味是十分重要的。然而觀眾口味并不是容易就能捉摸，在經過過多次成功與失敗后，片商開始用AI來決定制作什么電影。

盡管過去十幾年好萊塢的流水線大片一直贏得大量觀眾的追捧，但近幾年開始卻出現觀眾審美疲勞的情況。于是，在美國已經有多家為制片商提供分析服務的AI公司，位於洛杉磯的新創公司“Cinelytic”就是其中一家，據悉這家公司能基於機器學習來分析歷史電影的數據庫，進而預測不同劇本和演員對於一部電影票房的影響。

Cinelytic共同創辦人兼CEO Tobias Queisser舉了一個用AI預測劇本、演員和票房變化的例子，假設拍一部以艾瑪．華森為主角大片，可以用Cinelytic的軟件來看到如果把主角換成珍妮佛．勞倫斯會對票房產生什么變化。

目前AI仍無法進行無誤差預測

AI可以從不同的維度來對比兩位演員，比如設計不同場景，看看這兩位演員對電影的影響，看看哪個情況下誰能帶來更好的效果。

Cinelytic的員工大都不是來自電影行業，Tobias Queisser來自金融行業，而CTO Dev Sen曾為NASA設計風險評估模型，但Queisser相信決策幾百億美元投資的技術對電影行業同樣有幫助。

類似的AI公司還有不少，比利時的ScriptBook表示其算法可以透過分析劇本來預測電影是否會成功。

ScriptBook展示了對過去兩年上映的一些電影的算法預測，結果顯示其算法對於一部電影是否盈利的預測準確率高達86%，而影視行業的準確率只有44%。

不過這些AI公司都拒絕為即將上映的電影進行預測，因此到底AI是不是真的能比人類作出更正確的決策，還是在害怕預測結果和實際情況打臉，也許這些AI的預測還沒能站穩腳步。

同時有研究人員指出此類AI的算法存在缺陷，這些算法只能根據過去的數據進行分析，可能難以適應隨時更迭的流行潮流和觀眾口味。

例如ScriptBook的算法在分析2017年的票房黑馬《逃出絕命鎮》時，雖然成功預測了這部電影會盈利，但預測票房結果遠遠不及實際票房。算法給出了5,600萬美元的預測，實際上該片最終票房達到了1.76億美元。

雖然AI的預測未必準確，但越來越多應用於影視行業的AI技術已經被開發出來。

AI怎么預測你看電影時什么時候會笑

麻省理工學院曾公布過一項研究成果，可以通過機器學習訓練電腦來識別視頻中的情緒變化，依靠深度神經網絡分析了數千部不同類型的影音，包括電影、電視劇和短影音等。

研究人員用“感情弧線”為指標來評估視頻的不同片段引起的情緒是積極還是消極，這種“感情弧線”的數值被研究人員稱為視覺效價（visual valence），并以此繪制了視頻中每個場景的情緒變化曲線圖。

這項AI技術可以更為準確地分析觀眾的笑點和淚點，這對影視制作方來說十分有幫助。

好萊塢大廠還沒完全接納

迪士尼研究中心（Disney Research）也曾公布了一項用於觀察分析電影院中觀眾反應的技術。這項技術能透過捕捉電影院中觀眾的表情，來分析觀眾的情緒，甚至在觀察某個觀眾十分鐘后還能預測他接下來的反應。

此外被迪士尼收購的20世紀福克斯，去年和Google合作開發了一套電影預測和推薦系統Merlin，通過AI技術分析電影預告的每個鏡頭后，將標記的物體場景信息與數據庫比對，從而預測觀眾感興趣的電影。

然而好萊塢還沒完全接納這樣的新技術，很多傳統制片商認為這些冰冷的算法只會損壞電影的藝術價值。盡管ScriptBook的客戶中不乏知名的好萊塢電影公司，這些公司都會要求簽署保密協議，隱蔽他們使用了AI預測這個事實 。

相比之下，串流媒體的態度則更加開放。Netflix當年一戰成名的《紙牌屋》，就是采取了以大數據為主導的電視劇制作模式，Netflix曾表示這套基於用戶習慣的個性化推薦系統，除了有效提高了觀看率，每年還能為Netflix節約10億美元。

但隨著北美電影市場疲軟，傳統制片商對這種技術也透露出需求。《好萊塢報導者》的一篇文章指出，面對陰晴不定的電影市場，好萊塢制片廠的高層們正面臨一個問題：

究竟是將電影放到院線上映，還是將其賣給Netflix。

不過，AI預測之所以不能夠達到100%的準確率，也是因為電影本身還是一門充滿不確定的藝術，從沒有一套保證成功的模型和公式。

沒有人知道當年威爾史密斯要是接拍了《黑客任務》還會不會成為科幻經典，誰也無法預測如果《霸王別姬》選了尊龍而非張國榮，會在大銀幕留下一個怎樣的程蝶衣。

這種陰差陽錯造就的經典，也是電影的魅力之一。而算法要做的，恰恰是盡量消除所有不確定性。