— “他既坐在地板上，又身处星空之中。”
— “他看着我，又移开了目光。”
如果你在电影节看到一部有上述台词的短片，一定会认为这是哪位新锐编剧撰写的实验性作品。
你猜对了一半，这的确是一部实验性作品，可它的编剧不是人类，而是人工智能。
在去年的伦敦科幻电影节（ Sci-Fi London Film Festival），有一项48小时内电影创作挑战”，主办方提供随机的名字和一小段对话，参与者根据这些信息，在48小时内撰写出剧本并拍摄出来。
拥有上述台词的短片，是导演Oscar Sharp和人工智能编剧Benjamin的作品。
在这部短片中，三位主角穿着Cult十足的未来服装，说着毫无逻辑的台词。剧情似乎是一段三角恋情，还涉及了谋杀。台词中重复出现了很多次“I don’t know”、“What do you mean”，似乎剧中人物也和观众一样，不能理解其他角色说的话。这一有趣的现象似乎是人工智能的“左右互搏”。
其实实现这一功能所用的技术很简单，只需一个基于长短期记忆（LSTM）的神经网络模型，然后输入大量文本，人工智能就可以“学会”写作。Benjamin正是被输入了大量上世纪90年代的科幻电影，最后写出了这部作品。
LSTM作为时间递归神经网络的一种，能够判断信息是否有用，将有用的信息记住，没有用的“遗忘”，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。
所以，基于LSTM算法生成的文本更具有原创性，而不是单纯的语料重新排列组合。黑镜中描写的人工智能学习逝者社交网站资料后“成为”逝者，或是最近很火的微软小冰出诗集，很有可能都应用了这种技术。
当然，LSTM算法目前还存在着不少问题，比如需要大量内存来“储存记忆”，当内存有限时，一些很重要的信息同样也会被遗忘掉。这就导致虽然Benjamin读了大量剧本，但出产的作品依然有些不伦不类。
又比如对一些于无法预测的词汇，LSTM表现的很无力，这就导致了Benjamin不会给剧中人物起名字，而是用H、C等字母代替。
总之，剧本这种涉及到情节逻辑、对话、人物动作等等多种元素的长文本对于LSTM而言还是太复杂，到了诗歌、对话、歌词等等领域，LSTM的表现更好。
（同一题材，很难分辨两个作品哪个出自AI之手）
虽然普通人对于这部短剧欣赏不来，但艺术届有不少人给予了这部短片很高的平价。人工智能对于人类感情、科技认知的理解就如同上世纪欧美导演对于东方的想象——充满了夸张、错位和疏离感。和知名的Cult片《上海异人娼馆》中，对老上海的荒诞想象有异曲同工之处。
在电影节上，有人甚至将这部作品和《等待戈多》作比对，对于导演和编辑来说这已经是无上的荣耀。不过从观众的角度来看，这部作品和《等待戈多》最大的共同点就是都让人看不懂。
总之，让人工智能代替人写剧本目前来看是有点困难，但在创作中，人工智能是个很好的协作者。尤其在信息的总结、提炼、归纳方面，人工智能的效率比人类要高很多。让我们看几千部科幻片，可能要花上几个月的时间，可对于Benjamin，也就是几个小时的事。
对于那些天天在网文网站读千篇一律的小说，从中挑出优胜作品的编辑来说，或许很快就能被人工智能拯救。同样，在IP挑选、比赛作品筛选等等需要耗费大量时间观看/阅读作品的工作中，未来也会有人工智能的一席之地。
