讓人工智能來回答：賣座商業大片“挑選演員”的秘密？_風聞

原創：譚婧

·《少年的你》斬獲多項香港金像獎，如果把周冬雨和易烊千璽都換掉，結局還會如此嘛？（千紙鶴，請息怒。）·《如懿傳》鬧出“44歲周迅強行少女”的熱點，除了周迅，還有沒有更好的選擇？（先謝過各位迅迷。）· 當電影受眾年齡層偏低，哪位動作明星可以最大程度地提高收視率？· 拍中老年人愛情片、家庭倫理劇，哪位女主角，對老年男性受眾最有號召力？

這些直擊靈魂的拷問，讓選角導演居（qiang）功（xing）至（bei）偉（guo）。

幾十年來，電影成就角色的傳奇還在風中飄蕩。成千上萬的試鏡人員，選角導演為電影角色找到氣質最合適的演員，以至於給觀眾留下了“某演員就是為某角色而生”的印象。

甚至，綜藝節目《明日之子》總監製馬昊都説過，“選角的體系不是因為綜藝剛需才去做，而是一年四季都持續進行”。

選角的重要性，無需多言。

美國洛杉磯的科技初創公司Cinelytic公司為影視投資人而準備，它利用強大的機器學習算法來發掘和尋找電影的“獨門配方”。正巧，華納兄弟公司和索尼影業公司都是Cinelytic公司的客户。在強大的製片公司的配合下，Cinelytic公司研發團隊開發了一個演員分析平台。

用人工智能來回答：《生產賣座商業大片的秘密？選角篇》

換句話説，好萊塢“挑選演員”的獨門秘方里加入了人工智能技術，計算明星歷史上的“票房影響力”，推測、預測演員“將會在新角色上的表現”。

演員與角色的魅力是不可思議的組合，相互成就。一個成功的角色會讓人念念不忘。而這種魅力的“配方”也能被人工智能技術分析。

演員是電影的變量，類型、情節、高潮、華彩段落、對白都是，以前100%由人來決定，是人對電影的理解、經驗，以及才華。周星馳監製的電影，更可能讓影片成為“票房保證”。

人工智能偷偷地暗想：在“星女郎”之後，我也要有自己的女郎了。

電影是百年藝術，這期間科技一直伴隨電影一路走來。我們為什麼不找新方法，換新角度，去“理解”藝術？

英雄所見略同，影業大佬華納兄弟公司和索尼影業公司均這麼認為：人工智能軟件並沒有讓“選角導演”下崗，而是為理解“不同元素如何對商業表現產生巨大影響”提供了一個決策框架。

有了人工智能，興許“選角黑幕”也可以有所收斂。這種類似我們所説的“潛規則”，在好萊塢則被稱為“試鏡沙發”（Casting couch），“受害者”通常都是當年渴望成名的年輕演員。

全球排名第一的聲譽管理公司Ingenious Group董事Scarso對此表示贊同。人工智能指導電影投資，作為補充工具效果最好（是居家旅遊、提神醒腦必備良藥）。

預測股票漲跌的量化交易公司已經賺得盆滿缽滿，預測電影票房為什麼不能日進斗金？

“看片量”決定電影愛好者的江湖地位，想混這個圈子，人工智能也一樣，要看足夠的“原料”（數據）。

Cinelytic公司將媒體元數據分類，龐大的數據庫（包含來自800萬條內容的數據）融合了數據科學家和電影評論家的思路，“發明”各種從沒想過的方法分析電影。（豆瓣電影小組投來鄙視的目光。）

人工智能看懂電影、分析電影已經不是什麼難題，可以從文本、語音、視頻的色彩、質感中分析觀影情感（憤怒，哀傷），幾秒鐘就能從冗長的電影中找到“人臉”（人臉查找+人臉比對技術）或者乾脆替換“人臉”（deepfake技術），甚至從演員表情、行為中讀“懂”內容（表情識別技術、行為識別技術）。

產品發佈會上廣告口播狂轟亂炸，觀眾昏昏欲睡，播放一段電影，是叫醒觀眾，避免尷尬的小技巧。這個信息的來源是《100個產品發佈會叫醒觀眾的小技巧》。

科技公司早已瞄準了電影市場。

IBM 公司和20世紀福克斯（20th Century Fox）創建了有史以來第一個由人工智能生成的電影預告片——科幻驚悚片《摩根》（Morgan）。

事到如今，人工智能似乎早已不滿足於之前的功勞。

比利時的ScriptBook公司成立於2015年，聲稱其算法可以僅通過分析腳本來預測電影的成敗。

成立於同年的以色列初創公司Vault向客户保證，它可以通過跟蹤、追蹤預告片在網上的接收情況，來預測哪些人羣會觀看他們的電影。

另一家名為Pilot的公司提供了類似的分析，承諾可以在電影發行前18個月以“無與倫比的準確性”預測票房收入。

美劇《紙牌屋》，網飛公司的成功之處就是將人工智能作為策略的“參謀長”。

儘管保守的電影行業老總可能會不願意承認“數據驅動電影發展”，但數字流媒體公司有先天優勢，他們衝擊了傳統，還有可能“後來者居上”。

電影特有的藝術魅力和形象感染力，決定了電影具有為數眾多的觀眾和巨大的社會覆蓋面。

幾十年來，深入瞭解觀影羣體一直是好萊塢營銷團隊的活兒。洞察來自焦點小組，問卷調查和訪談總結調查。

現在，這些研究人員決定利用谷歌公司的產品（深度學習框架與機器學習算法）分析製片廠電影預告片中的相似之處，使製片人可以預測其最具商業可行性的觀眾的構成。

不要以為月亮只有好萊塢的圓。

達觀數據文本應用數據項目經理蘇格蘭折耳喵（筆名）告訴《親愛的數據》，人工智能在讀懂“人民羣眾”的呼聲。

“不同類型的電影（科幻、喜劇、體育電影等），預設情節的主配角所需的演員風格迥異，比如《鬼吹燈》改編的影視版本，有三個不同風格的雪莉楊，依次由舒淇（《尋龍訣》）、陳喬恩（《精絕古城》）、張雨綺（《龍嶺迷窟》）飾演。”他談道。

有觀點認為，舒淇飾演的人物，個性是《鬼吹燈》版的勞拉，動作灑脱，但缺了點冷靜大方。陳喬恩版則神形到位，但是動作不夠灑脱。

如果提前用人工智能來選角，規避角色選擇的失誤，可以用到的技術有哪些？他的答案是：“大數據技術+NLP語義分析技術。（NLP，自然語言處理技術）”

當圈定了100個演員，但到底誰來演這角色還拿不準時，可以從互聯網上採集媒體的報道和網民關於預選角色的意見與評論，再用NLP技術對採集到的數據進行降噪處理（得到較為“乾淨”的PGC和UGC數據）。

公共媒體和個體網民的評價，反映了“大多數人”對於演員的印象和評價，可以得到相對客觀的明星調性綜合性評價。（像不像，小學時候，老師寫的學期操行評語。）

其中，較為關鍵的一步是提取跟這些明星相關的評價/個性標籤（通過NLP技術），再以數據降維，將明星及其對應的標籤信息融合到二維平面，從而得到各個明星的調性標籤。

最後，比較這些調性標籤和編劇的角色人設，如果完全吻合最好，如不吻合，選儘可能接近的。以下是挖掘結果的簡單示意圖，以最簡單的情況舉例：

三個女演員（雪莉楊扮演者）和十個不到的調性標籤（活潑、幹練、博學、沉穩等）。以她們所在的點為圓心、一定的半徑畫圓，可以錨定明星的調性標籤。

還有一個思路。

首先分析預選明星的社交網絡（微博、微信、Facebook、Twitter等），通過語義分析從中提取能反映其深層次情感特徵的語義標籤。

然後，進行聚類分析，得到其複合的情感動機構成，將其佔比最高的若干情感動機標籤與角色的預設調性進行對比，圈定雪莉楊的最佳人選。

視線回到當年的《如懿傳》，一部戲點落在女主角身上的大女主戲。

“女主角的命運隨歲月浮沉，意味着年齡跨度大。而人物要有蜕變，主演必須演技過硬才能詮釋這種昇華。

女演員中演技口碑較高（超過65%）的藝人被篩選出來，既有二十幾歲的周冬雨、楊紫等，也有35-50歲的孫儷、范冰冰等。” “如懿的關鍵詞包括強大、堅守、倔強等。女演員的個性熱詞與如懿的角色標籤進行匹配，圓環的大小代表明星個性標籤與角色如懿的匹配度，圓環越大，代表詞頻融合度越高。”“周冬雨的匹配度很高，但故事集中在如懿35歲到50歲之間，實際的做法還是從右半邊35-50歲的演員中選。圓環較大的有孫儷、范冰冰、章子怡、周迅、閆妮。”

艾漫數據是娛樂大數據服務商，其該公司監事王蓓在《商業週刊中文版©》的採訪中詳細介紹了《如懿傳》選角邏輯。

艾漫數據也頗具技術實力，公司董事朱小燕是清華大學計算機系教授，智能技術與系統國家重點實驗室主任。

至今為止，人工智能並未100%預言正確。公平地説，人類也沒有。黑馬電影，出沒不定，那為何不讓人工智能和人類一起預測？

類似的觀點，也來自於全球領先的信息分析公司愛思唯爾（Elsevier）高級數據科學家，沈澄博士。

並且，他認為，人工智能與電影行業的緣分似乎更纏綿。

他告訴《親愛的數據》：“電影是一種投資，自然要求回報高，票房好。如果有機會發掘新星，演員成本投入會降低，預測‘演員的特質有哪些’這類問題。類似電影《百萬金臂》從近四萬人中發掘了兩位棒球投球手，這樣的體育苗子的選拔。即演員符合哪些微妙的因素，能增加票房。”

也不排除一些導演穩定的選角習慣。比如知乎問題：“賈樟柯為什麼那麼愛用他媳婦兒趙濤演他的片子? ”

除了選角，人工智能，請快點來回答：“怎麼樣讓商業片電影知名度高，口碑好？”在線等，挺急的。

他談道：“在人工智能技術出現之前，在巨大的不確定性中做選擇，都是靠人的經驗，人為的把握。現在的話，比如説，電影上映時間的挑選、電影造勢環境的營造，電影宣發的投入，線上線下發行平台遴選……這些工作裏有大量的數據分析、社交網絡分析技術做支撐，以誘發電影口碑的裂變式傳播。”

沈澄博士清清嗓子，繼續談道：

“還可以預測電影是否適合拍續集，因為拍砸了有風險。人工智能做預測，就是去把不確定性的範圍縮小。人工智能最大的特點就是，通過多因素歷史經驗的分析，以數據分析的方式，把原來比較大的不確定性，變成一個比較小的。或者，把原來比較小的成功概率變成比較大的成功概率。”

“鞍不離馬背，甲不離將身” 説的是人工智能在各行各業用法頗多。

百年來，科技一直支持電影行業發展，如果讓“人工智能”自己預測自己，大概率它會預測自己將是電影行業裏一顆冉冉升起的“新星”。（完）

《親愛的數據》出品，編輯柴犬，對此文亦有貢獻。