好莱坞发生的编剧工会与演员工会组织的大罢工是2023年天下影视行业的年度主要事宜。
演员工会从7月中旬开始加入罢工，截至目前还在与资方——制片人协会商判中。
个中一个会谈项目十分引人瞩目，即是否限定人工智能干系技能在影视行业的运用，两个工会的会谈条款中均涉及此项，而编剧工会与资方迟迟不能达成共识的缘故原由就包括此项。

人工智能无疑已经成为当前最为热点的技能之一，近些年来它已经对人类社会的很多方面都产生了巨大的影响，这既带来了许多惊喜，也诱发了诸多的疑虑乃至恐怖——它将如何连续发展，并将如何改变乃至颠覆人类社会。

在影视行业，作为人工智能发展的主要分支——AIGC，人工智能天生内容，是近两年来最为热门的话题，无疑也成为影视制作领域的焦点，并成为引发了本文开头提到的好莱坞罢工的导火索之一。

人工智能发展的简史是由三次浪潮构成。

第一次浪潮始于50年代中期著名的达特茅斯学院会议，但其研究成果离民众、政府和投资机构的期望相去甚远——这很大程度上与“智能”一词有关，这是在科学领域，乃至在哲学领域都没有界定清晰的范畴，加以各种科幻作品的勾引，很难不让人产生遐想和过高的期望。

第一次浪潮的褪去在很大程度上受限于打算机的运算能力，随着打算机技能黄金时期的到来，在沉寂了不到十年之后，人工智能领域的第二次热潮于80年代初开始了，这次的主角是第二大流派符号主义。

这次比第一次浪潮有了一个很大进步，各种“专家系统”在许多垂直专业领域取得了非常大的商业上的成功，不过对付普通消费者并没有太大影响，伴随着互联网时期迎面而来，这次浪潮也在本世纪初淡出了人们的视线。

在人工智能50岁这一年——2006年，杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习的观点，第三次浪潮的东风刮起来了。
虽然深度学习已然成为人工智能的主角，但是符号主义的逻辑推理机制还起着非常主要的浸染，就类似人类的感性思维和理性思维是无法分割的一样，在深度学习中也还是要用到大量的逻辑推理。

本次浪潮与之前比较，最大的表征在于它已经对许多行业产生了实际的、巨大的、不可逆转的影响，影视制作领域是受其影响最大的垂直领域之一。

AIGC是最近两年异军突起的领域，其紧张是指包括Chat GPT等利用人工智能技能直接天生内容的新兴工具。
所谓直接是指与传统须要繁芜的过程操作不同，打一个比方，就犹如甲方(用户)交代给乙方(AIGC软件)一个任务描述，就由乙方把结果呈现出来，而无需、也无法直接干预详细的内容天生过程。
与内容本身的分类类似，其紧张也分为以下几大类:文本天生、图像天生、音频天生、视频天生。

文本天生领域最著名的便是Chat GPT了，它的名字虽然叫Chat——谈天，但是通过对话的办法，用户可以通过提字数哀求的办法利用它天生比较长的文章。
影视领域的人自然想到了考试测验用它写作剧本，虽然直接天生的剧本还无法达到专业剧本哀求，但是利用其天生一些片段性的内容是完备能知足大部分需求的，这也成为导致本文开头所提到的好莱坞编剧工会罢工活动的紧张缘故原由之一。

Chat GPT发布往后，各大公司和研究机构纷纭推出各自版本的大措辞模型平台，并针对细分领域开始了激烈的竞争，可以预见的是，在剧作、策划案等领域一定是一个各大平台争相竞争的领域，也会成为发展最快的领域之一。

随着Chat GPT成为全天下的焦点，AIGC和干系联的领域也一起成为热点，个中最紧张的领域便是相对成熟的图像天生领域，最有名的有三个，一个是与Chat GPT同属Open AI公司的Dall-E2，其余两个是Midjourney和Stable Diffusion。
这几个软件一经推出，立即吸引了广大用户，用这些工具天生的作品涌现了爆发式的增长，也促进了这些软件的连续优化。

同时，采纳同样算法的同类型软件也呈现出来。
与天生图像干系的便是视频天生类软件，其紧张做法便是利用图像天生工具天生一系列的图像后再将其连接成视频，由于图像间关联性目前还存在问题，以是这类软件不如单帧图像天生类软件成熟，其运用也还不足广泛，这类软件最突出的是Runway。

末了一类是音频天生类软件，语音识别作为人工智能最早涉足的领域之一，发展韶光很长，以是语音天生类软件较多且相对成熟，运用不限于专业领域，像平时大家用到的“听书”类，微信的“在听”功能都是已经被广泛利用的笔墨转语音类工具。

AIGC类软件一经推出，就迅速成为热点和发展方向，目前在专业影视制作领域运用最广泛的是编剧赞助和美术观点赞助设计，随着技能的不断演进，我们该当会看到越来越多的工具涌现。

除了以AIGC为代表的显性影响，人工智能同样带来了一定隐性影响——深度学习技能，尤其是其在打算机视觉领域的分支技能对付影视制作领域的支撑，有许多影视制作工具本身利用办法没有变革，但是其底层技能已经由深度学习加强或者替代了，利用者觉得不到人工智能技能的存在，所以是隐性的。
在这里将其命名为:AISGC——AI-Supported Generated Content，人工智能支撑内容天生。

不像AIGC那么吸引人们的眼球，很多人实在都忽略了人工智能在影视制作领域的隐性运用，自从2012年深度学习赢得ImageNet的竞赛之后，打算机视觉借助人工智能取得了前所未有的飞速发展，并迅速进入运用阶段。

最范例的打算机视觉领域的运用便是物体识别，以往紧张是依赖图像处理的分支领域模式识别技能，采纳的思路类似符号主义，抽象物体特色并通过逻辑判断来进行识别。
深度学习的引入极大地提升了物体识别的准确率和范围，以往的车牌识别准确度更高且运用更广，而人脸识别、无人购物、无人车等则是在深度学习发展之后涌现的新兴领域。

由于人工智能对打算机视觉技能的飞速提升，影视制作领域，尤其是后期制作中的各种工具得到了前所未有的增强。
后期制作中最广泛利用的底层技能是数字图像处理，而这正是打算机视以为以发挥其威力的“紧张沙场”。

当然也有一些支撑技能拓展出了新的领域，但是利用者每每不知道这是利用深度学习算法优化的结果，最范例的一个领域便是图像建榜样畴。

与上述模式识别采纳的底层算法一样，基于图像的建模也须要在所捕获的图像中探求各种特色，以是这类算法效率的提升大大加强了图像建模的准确度和效率，这使得近几年来，对付以往大量无法建模或者建模本钱极高的场景，如自然环境、繁芜建筑等，采纳较低的本钱就能得到满意的效果，这也催生了影视数字孪生领域的大力发展。

实际上，纵然是在传统的影视制作领域，也有人工智能的“影子”，以影片调色为例，有两种调色方法险些所有流程中都会涉及。

一种是通过公式进行不同系统之间的色彩空间变换，这常见于不同感光材料和现实系统的色彩管理中。
这实在便是符号主义采纳的策略——首先抽象逻辑规则，之后数学建模从而进行系统仿真。

另一种则是采纳查找表的办法，这样的办法更加灵巧，它可以被用于未便应用大略数学模型进行转换的色彩管理中，也可以用在同样系统中不同条件、不同风格中比较繁芜的色彩变换中。
查找表的办法便是范例的采取数据采样拟合的办法，这是连接主义得以发挥浸染的领域。

通过本文的先容，希望无论是影视领域还是其他领域的读者，都能对人工智能的观点和运用有客不雅观理性的认识。
既不用产生无畏的恐怖，以为往后都将被人工智能所取代，也不要认为这只是成本炒作的泡沫。
由于这次浪潮与以往不同，它已经在改变，也将很大程度连续改变各行各业的现状。

人工智能技能的发展及其对影视制作的影响完全内容见《影视制作》10月刊