翻譯：為什麼我不再進行互動敍事的研究_風聞

今年自找苦吃選擇 interactivity 互動敍事作為實踐主題，零代碼選手已經瑟瑟發抖。前天無意中發現老爺子 Chris Crawford 竟然在 18 年就發出了這樣一篇“勸退”性質的博客，百感交雜之餘也想大家給我提供一點文獻資料啊哈哈哈哈哈。凌晨翻譯，恐有多處小錯誤，翻譯腔極重，還請多多包涵。

（*以下 interactive storytelling 均翻譯為互動敍事）

原文地址：鏈接 (http://www.erasmatazz.com/library/interactive-storytelling/why-i-am-ending-further.html)

譯文

今年早些時候（此文寫於 2018 年六月）我停下了所有關於互動敍事的工作。我疲憊，倍感壓力且進展甚微。我認為我最好休息一下，往後稍稍，從一個更適當的角度來重新考慮整個項目。六個月過去了，我認清了這一事實：我決定不再研究互動敍事。

我把互動敍事當做是我畢生的信念：我曾經放下豪言，如果研究失敗，那麼我的人生也將是一場笑話。現在我不這麼想了，並且我知道我應當把有限的時間投入到其他相關領域的研究中。但首先，請讓我解釋一下我如何得出以上結論。

一直以來，我想的都不單單是創作一個偉大的互動敍事作品；更重要的，是去激發創造一個新興行業，並打造一個致力於將互動敍事演化成藝術形式的社羣。想象一下如果我真的開發出了我期望中的 Siboot，又將會發生怎樣的景象呢？

首先，少數人才會欣賞它。大多人只會用自己熟知的標準來評價它：而這些標準都脱胎於現有的遊戲設計。他們唯一的結論就是：Siboot 是一款糟糕的遊戲。實際上他們是正確的，Siboot 從來都不是遊戲；它是互動敍事，強調的是角色間的溝通，也已經創作出了一些有趣又富有戲劇性的角色互動。但是人們不在意這些戲劇性的互動，而是想法設法地尋找製作高大上游戲的秘訣：那些讓人躍躍欲試的挑戰，流暢的學習曲線，逼真的畫面和一些別出心裁的小把戲。最重要的是，遊戲必須帶有“贏”的目的性。故事就不同，它和輸贏無關，只是關於戲劇性（Drama）。

這就意味着，不論 Siboot 有多麼出色，它都不能達到我企望的高度—它不會被病毒式的傳播推廣，也不會在 YouTube 上得到大量的點擊率和評論。誠然會獲得少數志同道合者的大力支持，但數量寥寥，大多數人不會被其所打動。

當第一部動態影像在 1890 年代誕生時，大多數人對此嗤之以鼻，認為不過是浪費時間的玩意兒。因為那些影像都太短了，還無法承載過多要素，不能凸顯意義。畫面大多是：火車駛入車站，情侶接吻等等。最初的這些“電影”可謂毫無價值，但是有那些獨具慧眼的人發現了影像的潛力並且決心投入其中。在最初的十到二十年裏，先驅者們大多也是做無用功，沒人知道如何發掘影像的潛力，他們的作品都不值一提。但是仍然有狂熱的創作者堅定不移地相信未來影像所能承載的重量，更重要的是動態影像領域的研究有一條康莊大道：延長電影播放時間並且通過不斷試驗，學習如何把電影拍得更好。

互動敍事領域正在經歷一百多年前與電影完全相同的考驗，但是它有着一個與後者不同的致命缺陷：過分曲折的發展前景。要知道任何有相機的人都可以擺弄和製作簡單的電影，但是互動敍事所要講述的不僅僅要依賴於攝像機：創作者還需要了解如何用算法來表達戲劇性想法。這正是大多數人所面臨的最大難題。

長期以來，我一直覺得那些有志於互動敍事領域的人會自學如何將算法運用到戲劇性創作中。在我的演講中，我以文藝復興藝術家們舉例，這些偉大的前輩會為了考校人體構造而去意大利醫學院參與屍體解剖工作。炎炎夏日，屍體散發着腐爛的惡臭，但如果你想細緻入微地理解人體線條，就必須仔細檢查每一塊肌肉、骨骼和肌腱走向。為了掌握更高層次的藝術，這些先驅者們甚至願意忍受屍臭。我想當然的認為，現代藝術家為了追求新興領域，也會挑戰並學習算法背後的數學知識。但是我錯了。在將近三十年的傳教中，我只遇到了極少數真正願意接受挑戰的人。用梭羅的話來形容，大多數人只是美德的贊助者罷了。

理性主義用超過 2500 年的時間才從基本概念中孕育出了其最完整的表達形式，即計算機。儘管人類有着 2500 年積累下來的邏輯思維經驗，我們在理性主義上卻無法與計算機抗衡。從邏輯思維（logical thinking）到算法思考（algorithmic thinking）的躍遷雖説遠遠小於從基於理性主義概念的思考到邏輯思維的轉換，但這仍然是一大步—人類文明接受這個新興概念大概還需要幾個世紀。在此之前，互動敍事只需要等待；而沒有藝術靈感的算法，也談不上互動敍事。

導致我暫停研究還有一個原因，是一款適用於 iOS 系統名為 Florence 的 APP。它獲得了多個獎項，因此我認為值得一看。結果卻讓人大失所望：毫無新意，重複着這幾十年裏的老把戲而已—預設好的故事，帶有一些交互式的基本操作—而這些恰恰是人們初次接觸到互動敍事時所做過的嘗試。當人們嘗試用交互性來講述故事，大受觀眾好評，然後他們想研究地更加深入一點，然後遇到問題最後放棄。我見過太多太多這樣的例子，千篇一律地重複和失敗放棄。而這些又恰恰是所謂的獲獎產品，因此沒有人把目標放得更高：當你可以輕鬆用現有設計達到“交互效果”的時候，何必吃力不討好呢？

對我們而言更大的難題已經出現了：深度學習 AI。將深度學習 AI 應用於故事敍述只是時間問題。每一個深度學習 AI 系統都需要有大量的輸入數據作為基礎，例如你輸入數以百萬計的小丑圖片就可以得到一個識別小丑 AI，輸入百萬首歌曲即可獲得自動識別歌曲 AI 等。在這種情況下，設計人員可以將龐大的故事“投餵”給 AI：浪漫愛情故事、冒險達人、恐怖哥特等等等等。這些不計其數的故事內容將會被 AI 分析成模式（pattern），並且經過它的學習加工完成“舊瓶裝新酒”的工作。設計者可以通過學習 AI 找到最合適的模式來與玩家行為進行互動，從而產生交互性。

毋庸置疑，這樣的公式化會扼殺作品的藝術性，因為 AI 系統只會機械地將作品歸類成模式。這樣的輸出將不會包含任何價值，深度學習 AI 永遠不會“吐出”傳世文學著作—沒有藝術家，你將無法創造藝術。深度學習 AI 被譽為下一世代的革命性娛樂產品，而現在這項技術已經囊括了多個大獎，獲得滿滿溢美之詞。沒有人會認為有必要去做真正有價值的東西，這將使我們在未來幾十年裏停滯不前。

近三十年來我一直在嘗試向人們傳授互動敍事、算法設計、交互性等等等等也遇到了許許多多和我抱有相同信念的人，但是我的所有嘗試都無法在計算機作品中創造文化和藝術，這是我停下腳步的一個重要原因。