摘要：摘 要：大数据时代的来临为建构并完善新时代的中国影视工业体系提供了新的思路和模式，也为实现中国影视的“弯道超车”提供了无限可能。借助大数据及数字技术的力量，从项目立项制作、创作内容生产、受众欣赏等各个维度实现影视产业升级，具有重要的战略意义、文化意义以及产业价

转载自《东岳论丛》,2023年第7期

大数据视角下影视工业创意评估与生产

作者简介

范志忠

浙江大学求是特聘教授、博士生导师

中国电影评论学会常务理事

汪梦菲

浙江大学广播电影电视研究所博士生

摘 要：大数据时代的来临为建构并完善新时代的中国影视工业体系提供了新的思路和模式，也为实现中国影视的“弯道超车”提供了无限可能。借助大数据及数字技术的力量，从项目立项制作、创作内容生产、受众欣赏等各个维度实现影视产业升级，具有重要的战略意义、文化意义以及产业价值。但在享受科技带来的高效生产和无限可能的同时，也要关注和反思数字技术驱动影视产业发展所带来的隐忧与问题。如何解决这些伴随着新兴数字技术而产生的社会问题、伦理问题都还有待进一步思考。

关键词：大数据；人工智能；影视工业

“大数据”在今天其实并不是一个新鲜概念。自人类步入21世纪以来，“大数据”一词就已越来越多地被提及，引起了业界、学界的广泛关注。2011年麦肯锡咨询公司发布的报告《大数据：创新、竞争和生产力的下一个前沿》将“大数据”这一概念进行大规模的推广。2012年3月，美国政府提出“大数据研究和发展计划”，并投资2亿美元促进大数据核心技术研究和应用，将“大数据”提升至国家重要战略布局的高度。同年12月，维克托·迈尔·舍恩伯格出版《大数据时代》一书，指出大数据开启了一次重大的时代转型，大数据时代已然来临。与此同时，我国多位院士于2013年联合上书国务院，建议设立国家专项开展大数据技术研究，至此，我国也将大数据上升为国家战略。大数据的蓬勃发展，使之成为信息时代的一大新兴产业。时至今日，随着信息技术不断地发展迭代，“大数据”又增添了许多新的内涵。当下的“大数据”已成为一个更为广义的概念。麦肯锡咨询公司认为大数据技术主要包括预测分析、数据挖掘、统计分析、人工智能、自然语言处理、并行计算等方面的技术②。近年来，大数据技术已经成为新一轮信息技术革命的发动机，在大数据的驱动下，以数据、算法和算力作为支撑的，以深度学习为代表的一系列人工智能的研究与应用取得巨大进展。

影视作为科技与艺术积极共生的产物，其创作方式离不开技术的支撑。技术在一定程度上成为了影视艺术生产力的一部分，因此，技术的创新发展不断影响着影视生产方式、传播方式以及审美方式的变革。纵观历史，电影艺术自19世纪末出现后在100多年的发展进程中，其每一次进步都是源自技术发展所驱动，而每一次技术的推动，都使之在创作、生产、流通传播和受众体验上得到进一步的完善。技术作为和艺术、商业共同推动影视产业发展的三驾马车之一，更是影视发展的重要引擎。

近几年，在长期的市场培育和政策引导下，中国影视产业发展迅速。数据显示，2014年中国影视行业市场规模为951亿元，而2021年中国影视行业市场规模高达2349亿元。尽管如此，不可否认的是，中国影视产业在其快速扩张的进程中因其工业体系不完善，依然存在诸如分工不够专业细密，尚未形成组织严密、流程标准的全产业链，以及权力话语与劳动分配不平衡等颇多问题。大数据时代的来临为建构并完善新时代的中国影视工业体系提供了新的思路和模式，也为实现中国影视的“弯道超车”提供了无限可能。借助大数据及数字技术的力量，从项目立项制作、创作内容生产、受众欣赏等各个维度实现影视产业升级，具有重要的战略意义、文化意义以及产业价值。

一、以客观为导向：立项制作

大数据时代数字技术介入影视作品的立项与制作环节改变了原先传统影视工业中仅依靠制片人或极个别导演个人对市场的主观判断和预测，通过大数据调研参考用户的审美偏好，增加了“以用户为导向”的客观维度。同时，影视项目运作是一个复杂的系统性工作，涉及大量部门、工种及人员的配合，而大数据全面介入生产流程的管理也有利于减少决策者的主观判断失误。由于影视项目制作周期相对较长，利用大数据在立项初期对影视项目进行预测指导内容创作具有一定的滞后性，这也使得我们在立项及制作过程中既可以应用大数据，将之作为辅助决策判断的工具，但又不能完全依赖大数据，谨防掉入“唯数据论”的陷阱。

传统的影视工业制作基本依赖于大大小小的手工业作坊式的导演团队，因缺乏客观数据的支持，仅依靠拥有绝对话语权的个人对市场环境的主观判断和对受众心理需求的臆测就拉投资，组班子。事实上，项目立项策划作为影视项目运作全流程中的初始环节，其对于减轻或规避项目风险的重要性自然不言而喻，而这种极为主观的决策放大了项目运作的风险。如新画面公司和张艺谋的合作中，公司只投资张艺谋一个人的作品，高度依赖导演个人决策，且制片人张伟平在合作中采取“一不看账本，二不看剧本”的立场。最终由于影片亏损，新画面公司不得不与张艺谋一拍两散。在这种个人主观性极强的影视制作机制下，对影视制作起到决定性作用的既不是基于数据的客观分析预测，也不是工业化的流程和体系，而是个别导演和掌握经济资源的人。随着此类机制的运行，电影创作过程中的各工种都希望成为导演，为拥有创作中的绝对话语权，而放弃了追求其它各工种顶级水准的价值追求，周而复始，传统的影视工业制作体系形成恶性循环。

而通过大数据基于客观的用户数据的收集，对创意内容进行智能分析，反向指导影视创作题材及类型的选择则有助于中国影视的立项决策从主观转向客观。接受美学的代表人物姚斯认为受众“从类型的先在理解、从已经熟识作品的形式与主题、从诗歌语言和实践语言的对立中产生了期待系统。”换句话说，“期待视野”影响了观众对于作品体裁、形式、主题及语言等构成作品各个维度的态度和评价。在立项初期，大数据可以协助将受众的期待视野前置，且贯穿、内置于文本生产的整个过程之中，直至完成文本的搭建。2013 年，美国视频网站奈飞（Netflix）凭借大数据智能分析后制作的美剧《纸牌屋》一举成名，该剧集成功的背后是奈飞根据用户对影视节目的评分、观看行为、观看习惯等相关数据的收集，并基于用户数据，反向指导影视立项及内容的策划。自此，奈飞开始在大数据、人工智能等数字技术的赋能下逐步实现内容层面的战略布局。在对原创内容进行投资评估时，奈飞首先是基于用户的播放数据，通过机器学习模型实时跟踪每个内容播放的情况，形成在众多内容中识别高潜质内容的模型，从而预测爆款，在一定程度上降低投资风险。此外，奈飞还提出“口味社群”理念，即通过用户数据和画像，将具有相同喜好的人群进行分类，以此作为划分市场的依据。在预测爆款内容后，通过“品味社区”相关数据判断该内容是否具有相应的经济价值，是否值得进行投资或进行内容开发。而这种深度挖掘不同类型用户对内容的审美偏好和需求，并以此为创作导向的做法也有利于改善市场同质化内容严重的局面。同时，奈飞还通过大数据对创意的评估，助力其全球本土化的进程。通过对特定市场调研和受众数据分析，将好莱坞经典类型与叙事手法融合在全球各地区独特的内容上。如进军韩国市场的电视剧《王国》，就是通过对以往《大长今》《釜山行》等成功的韩国影视作品的分析，将韩国本土历史文化与当下东亚时兴的丧尸文化相结合，并选择具有国际影响力的演员阵容，以这种类型融合的方式打造而成。再者，利用大数据、人工智能等技术还可以辅助选角。将角色以数据化、标签化的方式进行拆解、分析，再将演员视作变量和各种衡量指标所形成的数据集，与之进行匹配。如优酷为《长安十二时辰》选定雷佳音扮演张小敬这一角色就是通过其自主研发的智能预测平台“鱼脑”实现的。通过对《长安十二时辰》的剧本进行AI分析，将张小敬这个角色的标签，如“张大头” “硬汉” “孤胆英雄” “聪明” “有正义感”等提取出来，再结合用户观影数据及全网舆情分析，提炼出演员的个人标签，比如雷佳音的个人标签“大头”“丧萌”“硬汉”“正义”“严谨”等，并从其历史扮演的角色中提炼出“硬汉” “正义”等角色标签，建立模型，将演员和角色进行匹配度计算。这种基于大数据支撑的智能选角同样可以减少传统人工选角模式中非理性的主观因素的干扰，更为客观，同时根据选角系统提供的候选列表可以降低以往选角模式中海量的、多轮的线下面试导致的时间周期长、工作量大等问题，从而提高效率，引导影视选角工作的良性发展。

除此之外，在影视项目制作过程中，利用大数据技术实现数据从始至终全流程贯通，使得各部门信息精准同步共享、跨地域管理及降本增效的智能化生产管理，也有助于减少决策者主观判断的失误。传统影视项目的生产管理因其涉及的部门、工种、流程较为繁多，一旦各部门之间的配合不协调就会存在诸如信息不对称、滞后甚至失真等问题，为影视项目的运作带来不可估量的风险。而大数据对于生产管理流程的全面介入有利于实现影视项目的整体化、流程化、标准化管理，从根本上改变影视产业的生产合作模式。以爱奇艺开发的一款面向管理层的IIPS（智能集成制作系统）为例。该影视制片管理系统可以通过剧本拆解、场记录入、财务管理、拍摄管理等功能整合剧组信息，打通制作环节间的信息孤岛，让制片人、管理层可以及时、透明掌握项目生产进度，管理效率显著增强。原先的人力拆解剧本由智能化系统所取代，系统可以将场次表、场景表、角色表准确分离，让拍摄计划更清晰；电子日报表可以精准反映每天的拍摄情况和拍摄进度，通过数据化的形式将剧组的拍摄过程进行采集、搜集、整理、沉淀和分析，以预测项目整体生产进度。通过数字化的手段建构新时代的影视工业生产流程，将会全面带动和促进中国影视工业的规范化和流程化。

也有一种论调认为基于历史大数据所得经验指导影视立项创作未必就能制作出成功的作品。因为大数据具有滞后性，而影视项目的制作周期较长，从立项到上映可能需要近2年的时间，而“中国电影市场的发展日新月异，历史数据所得出的结论可能无法准确预判未来的电影市场。即使一些特定类型作品在最初进入市场时得到了观众的认可，具有数据支持，但随着时间推移，观众的电影文化消费需求和审美可能已经发生了转变，若停留在历史数据上进行创作，观众会产生审美疲劳。”事实上，这的确是在应用大数据作为辅助判断工具的同时又不能完全依赖大数据的重要原因。那么，两年前的大数据是否能正确预测反映两年后的审美欣赏呢？基于历史大数据对影视立项进行评估指导又是否有效呢？

其实，无论是法国人类学家列维·斯特劳斯的神话分析、苏联语言学家普罗普的民间故事分析、还是法国叙事学家克洛德·布雷蒙的“枝型结构”叙事文本分析等，这类结构主义叙事学都是通过对以往大量文学或艺术文本的深度“挖掘”，在文本基础上抽象并归纳经验现象背后共享的、普遍的语义结构和诠释体系；换句话说，结构生成过程就是通过对大量数据样本的个案分析，以此揭示隐藏在文本叙述中的原型符码和结构关系。这种结构主义的思维方式，与大数据背景下的文化实践具有异曲同工之处。同时，由于人的审美心理具有前后相贯的连续性，就个人来说，形成一个完整的审美心理结构总需要经历相当漫长的过程，所以受众的鉴赏心理具有保守性，即鉴赏主体审美经验中的定向期待视野，人们的鉴赏趣味习惯于按照某种传统的趋向进行，在鉴赏活动中人们的种种偏好与选择，以及各种不同的欣赏方式与欣赏习惯常常具有某种定势或趋向。正因如此，许多经典的作品至今仍有其独特的审美魅力，经久不衰。而这也意味着即使需要两年的制作周期，大数据对影视创作的指导和辅助决策依然是有效的。当然，不可否认的是，在这段周期中，有的热点难免会退热过时，而鉴赏心理中的变异性也会使人们追求创新性的作品，因此两年的时间跨度必然也会存在一定的变化。这也意味着影视项目的生产不可为了规避投资风险，一味的倾向于复制成功模版。事实上，“大数据时代，人们常常被深锁在数据结构中，依据数据思维、判断、抉择，甚至算法完全代替人做出选择，而人们对其中隐含的权力关系却浑然不觉。”因此，我们要警惕“唯数据论”的陷阱，避免陷入因非中立、非客观数据所被动导向的价值判断和行为选择。在运用大数据进行创作时，不能为了被平台精准定义而将用户变成被概念化的数据信息，仅用于预测用户可能带来的利润，而不考虑他们的权益，当用户被抽象化了，其情绪、情感、尊严等无法数据化的指标就很容易被忽略，只有那些能够通过数据进行描述的因素才有机会被展现。

图1.电影《王国》剧照

二、以人为本：内容创作与生成

在大数据的驱动下，人工智能等数字技术正在以难以想象的速度升级迭代，并深入到内容创作和生成的各个领域，在提高生产力的同时也引发了电影作者的主体性危机，关于人工智能是否可以完全替代人类进行独立艺术创作的争论亦接连不休。事实上，以深度学习为代表的人工智能参与剧本创作、艺术创作的众多案例表明影视创作的确可以被数字技术所生成。

2016年，由导演奥斯卡·夏普与纽约大学AI研究院罗斯·古德温使用长短期记忆递归神经网络（LSTM）开发的电影AI“本杰明”（Benjamin）在经过了学习上千部科幻电影剧本的训练素材后，编写出世界上第一部 AI电影剧本《阳春》（Sunspring，2016），全片9分钟，由真人演绎，该短片入围了伦敦科幻电影48小时挑战赛十强。虽成绩喜人，但可以看出，此时的“本杰明”只能生成单一类别的科幻剧本，还不属于通用模型。从创作角度来看，本杰明并不擅长给人物起名字，剧中的角色只能用H1、H2、C区分出人物角色的主次关系，跳过了性别的指代，且剧中充斥着大量难以理解的情节及对话。2018年，本杰明已经迅速升级为系统性的超级算法，除了可以熟练运用LSTM神经网络“编写”剧本的同时还担任了“导演”，加入了GAN生成式对抗网络工具，在谷歌机器学习的网络平台TensorFlow上生成影像的同时，对自身生成的内容及数据进行判定，安全合法地运用公共领域的电影数据库。用AI变脸和AI配音技术制作出时长6分钟的短片《出界》（ZoneOut，2018）。由AI技术完成剧本创作、导演、表演、剪辑和配乐的全流程制作，彻底模糊了影像制作的作者边界，加速了智能型机器替代人类进行艺术创意和流程劳动的步伐。2020年6月，OpenAI 推出了1750亿参数量的神经网络模型GPT-3。基于GPT-3的AI编剧续写的电影剧本《律师》（Solicitors，2021）中出现了欧亨利风格的反转剧情，该反转颠覆了观众对之前文本中角色设定的理解。同年 １０ 月，奈飞发布了一部CG动画恐怖短片《谜题先生希望你少活一点》（Mr. Puzzles Wants You to Be Less Alive‎，2021），影片时长4分 23秒，这是AI在观看40万小时的恐怖片后，完全独立创作而成的。尽管影片的内容非常荒诞，但其在主线故事中运用了许多经典恐怖电影的元素。从上述案例不难看出，人工智能作为一套数字仿生系统只是在接受给定训练集的训练后计算某组数据在预期或给定位置所应出现的概率，而不是真正理解故事内容，因此其生成的文本本质上是概率计算的结果。这也就意味着，现有的人工智能技术均依赖于现有数学体系和软硬件设计模式基础之上，尚未建立能达到模仿人类心智的人工智能体系。

由此可见，以大数据为基础的人工智能目前只能够表征一部分人类理性思维特色，并以此生成有逻辑有结构的创作内容。但由于艺术创作是一种人类基于自身的独特生命情感、审美体验和现实生存经验基础上的有意识、有温度的特殊审美创造，而这些非理性甚至非逻辑性的思维特性应该如何通过数据进行表征仍是一个待解的难题。因此基于逻辑和理性的大数据及算法不可能百分百替代人类创作者，完全独立生成作品。

当下，随着技术的不断迭代发展，出现了人机混合智能这一新的智能形式，这种模式可以充分利用人和机器的长处，即人能够理解机器如何看待世界，理解机器作出的决策，并且在机器的限制内有效决策。相反，机器也需要更加“熟悉”与之合作的人。近日，DeepMind 推出专业编写戏剧和电影剧本的AI工具Dramatron，其定位为人机共同写作的工具。只需要给出一句话的故事大纲描述戏剧冲突，Dramatron就能通过“分层故事生成”的方法生成包括标题、人设、情节、场景和对话的完整剧本，剧本长度可高达几万字。在输入一句话的故事大纲后也可以多次生成标题、人设等直至得到一个满意的故事，同时，用户可以在分层生成的任何阶段进行干预和修改，相当于人和AI在交互过程中共同编写剧本。这种有AI编剧参与的共创模式将大大提升前期剧本创作的工作效率。

除了AI编剧之外，还有AI绘画、AI音乐、AI舞蹈等，事实上，AI已经全面介入艺术生成领域了。2022年9月6日，美国科罗拉多州博览会艺术比赛将金奖颁发给了AI绘图工具Midjourney完成的绘画作品《太空歌剧院》，这一举动引发了全民热议，甚至出现了不少“创意性工作消亡论”的声音。在此不久前，香港浸会大学宣布成立的“图灵人工智能交响乐团”开始了其首场演出，此次演出提取了世界著名男女高音歌唱家的声音形成音色模型，通过机器学习的方式AI可以创作出多人的音色，生成由“三百多人”组成的合唱团。合唱团背后的大屏所展示的多媒体视觉影像效果也是由AI媒体艺术家基于《东方之珠》歌词中的词汇结合旋律的“想象”理解创作的，整个动画共生成二千七百张具备逻辑关系的图画。现场还有AI舞蹈家随着伴奏起舞，呈现拉威尔的《达芙妮与克罗埃》芭蕾舞表演。AI舞蹈家在学习了芭蕾舞的基本动作和舞蹈家的审美后，就自主根据音乐进行芭蕾舞的编舞，此次编舞的创意来自于自然世界，其舞蹈动作的灵感源于在香港新发现的一种箱型水母物种。对于为什么要在艺术层面研究AI人工智能的应用和发展，香港浸会大学副校长郭毅可教授指出：“人工智能最难得及最具意义的表现，是能够学习人的创造力。人类最大的智能包括两方面，一是决策力，二是创造力，而最能代表人类创造力的就是艺术，所以做AI最困难的，就是如何让它拥有这种能力，当慢慢理解后，或许就可以知道人是怎样生存下来的。”

因此，人工智能不该仅仅被视为一种生成内容的工具，而应该作为对人类艺术家创作方法和工具的一种补充。这也就意味着，人工智能除了外部的生产外，还具有创作中的深层艺术。不同于之前的判别学习算法直接面向分类任务，只关心数据之间的区别或差异从而对样本作出预测，近期人工智能已经发展成试图理解数据是怎样产生的以及找到每种类别数据的分布规律，进而判定样本类型的生成学习算法，这种技术的出现证明了人工智能已具有自主创造力。在香港浸会大学发布的研究报告《迈向人机共生的创造之路》中也表明，AI使用机器学习模型创造艺术必须在某些审美逻辑的约束下进行广泛的非随机探索，在这种情况下，机器创造者已经超越了作为工具的角色，而是以一个合作者的角色共同参与创作。结合AI创造系统的五个层级可以看出，在生成系统、鉴赏系统和艺术系统这三个层级中，人工智能创作系统主要作为一个专注于模仿人类艺术家来生产艺术的被动学习系统，这类系统的创作成功与否可通过图灵测试进行检验，如基于GPT-3的神经网络的AI绘画工具DALL·E 等基于创意对抗网络的生成艺术已经通过了图灵测试。目前，人工智能在艺术创作方面的进程进入到共生艺术创作阶段，而在共生系统和真实系统这两个层级中，机器与人之间的交流、交互在艺术创造过程中显得尤为重要，机器需要理解人类的心理，包括人类的欲望、兴趣和情感，而人也需要了解机器的能力和限制，从而实现机器与人类的双向理解，在美学层面实现审美对齐以影响人类的思想。换句话说，未来人工智能不仅要从科学的角度学习各种不同类型、模式艺术的融合之美，还要通过学习获得表达思想之美的能力。

随着深度学习的不断加强，机器创作和人类创作之间的界限变得越来越模糊，且人工智能创作内容的生成是基于对原有大数据的学习吸收，由人工智能参与创作的作品的版权归属对现行著作权规则提出了新的挑战，成为了艺术产业发展不可回避的问题。著作权法在对作品进行判定时，“要求作品必须是文学、艺术或科学领域内的独创性表达，其中所谓‘表达’，是指需以文字、言语、符号、声音、动作、色彩等一定表现形式将无形的思想表现于外部，使他人通过感官能感觉其存在。由此可见，表达的前提乃自然人所独有的智力或思想。”那么人工智能所生成的内容是否可以被称为作品？以及这些创作内容是否具有可版权性呢？此外，人工智能在学习的过程中所吸取的海量数据资料是否都获得了授权？如果没有的话，在深度学习艺术家创作风格后所进行的同风格或杂糅风格的艺术创作，版权又该如何划分呢？目前，人机共创的作品其可版权性及权利归属在法律上仍未形成统一意见，仍有待探讨。

图2.《太空歌剧院》截图

三、参与式共创：受众鉴赏

艺术生产的全部过程包括艺术创作、艺术作品和艺术鉴赏三个部分所组成的完整艺术系统，而艺术鉴赏则是受众凭借艺术作品而展开的一种积极主动的审美再创造活动。20世纪中期以来，接受美学被越来越广泛地讨论，它赋予读者以中心地位，强调文学作品的开放性接受过程，认为作品的意义是文本和读者相互作用的结果。 而大数据技术介入艺术鉴赏可以实现受众与影视作品的互动与交流，当然这也为当下的影视产业带来了许多新的现象。

近几年来，在大数据技术的赋能下，影视作品营销出现了如预售、点映之类的新概念与新模式。基于大数据的科学性及全面性，院线方可以根据超前点映和预售制的这套组合“拳法”检验影片的上座率和口碑，校正且明确排映策略与市场预期，而制片方则可以通过此举获得的受众反馈及时调整宣发策略。 “在媒介融合的环境下，受众变得更加的自主。 大量参与性媒体的出现使得受众不仅仅成为消费媒介内容的消费者，更是成为媒介内容的生产者。”因此，超前点映的观众在观看影视作品后，会自发在社交平台进行话题讨论，构建一个文化议题，“这些‘声音’都会在参与式文化的内循环中迅速收到‘回声’，形成即时的市场反馈，从而影响票房后续的走势和评论风向”。 如电影《哪吒之魔童降世》通过大规模点映获得良好口碑后，用口碑带动“路人”票房，首日就取得了1.38亿的票房。 而与之题材较为类似的电影《西游记之大圣归来》因为没有进行大规模的点映，首日票房仅1797万。 这也使得两部影片的总票房相距悬殊。 对于某些预售数据不佳，或点映后观众反馈数据不良的影片，片方或院线在利用相关大数据分析后，就会迅速调整发行策略，减少这类票房前景不被看好的电影排片周期，提前在视频平台放映，这也导致影院窗口期逐渐缩短。据统计，2016年至2019年我国院线电影上线平均窗口期从101天减至47 天，总体减少54 ％。 以2018年春节档上映的电影《西游记女儿国》为例，尽管该片有郭富城、赵丽颖等多位明星参与出演，却依然在口碑效应的作用下，于当年的春节档竞争中率先出局，上线后第四天排片量就跌至10％以下，仅上映30天就转至线上视频平台。 这也可以看出，当下制片方和院线对于影片宣发方案的决策和实时调整越来越依赖于大数据的统计和分析。还有一种观点认为，正是预售制的出现，将正在上映的同档期影片和未上映的新影片放在一起竞争，加速了市场循环速度，缩短了影片上映的周期。 但对于一些小成本的文艺片而言，缩短院线窗口期，尽早上线网络平台也许可以更快通过点播分账收回成本，还可以摆脱院线排片的控制和影响。 虽然，因包括大数据在内的种种因素的影响，电影的窗口模式和窗口期的规则正在发生变化，但是这种变化并没有产生颠覆性后果，而是通过更为多样的发行模式给予观众更多的观影选择。

此外，大数据技术的发展更新了互动叙事背后具有可选择性的树状框架的搭建，颠覆了传统单一的线性叙事，使得情节有了多种可能，给受众以全新的欣赏体验。 “这种‘参与’‘可写’的叙事载体可以使受众直接‘创造’叙事、改变叙事，给受众提供创造新文本的机会”。 如2018年Netflix推出的互动电影《黑镜：潘达斯奈基》，具有庞大的叙事线索和多项结局，而每一条叙事线索上都设计了可供观众在屏幕前进行选择的情节点分支。 同时受众可以随时中断、返回、续播，在不同窗口之间来回穿梭，被赋予了比遥控器选择更多的主动参与权。 尽管当下互动电影中的互动化叙事为受众带来了新鲜的“游戏体验”，但其在叙事层面还存在一定的问题。 互动电影中的互动叙事是在保证了叙事的连贯性上增加交互，以追求电影叙事般的流畅感。 但目前的互动电影中有众多的情节点分支以供选择，这种非线型情节的设置往往会破坏叙事的连贯性，从而影响受众的沉浸观影体验。 但是，从一定意义上讲，非线型情节的出现表达了叙事文追求更广阔的情节结构方式的愿望，它们探索上的成功和失败都在一定程度上推动了叙事文结构方式的发展。

随着数字技术的更新迭代，基于大数据技术的算法和虚拟现实等技术与影视艺术相互融合，形成了全新的电影化虚拟现实，这种以受众沉浸式体验为核心的新型视听艺术形式对互动叙事提出了更高的要求，在情节设计层面更进一步强调了互动叙事中的实时交互性，从而让受众体验超出作者预设范围的情感交互，将传统叙事作品中作者的权力更多让渡给受众。 如南加州大学创意技术研究所（ICT）开发的任务演练（MRE）项目中就在探索既能容纳与代理的非结构化的互动“自由游戏”，又能容纳结构化的事件序列的一种混合的故事创作方法“故事网” （StoryNet），故事网中的节点即人类参与者可以发挥主动性的有限的自由游戏区域。这些节点在一定范围内可以允许受众自由发挥，通过实时交互使受众感到自己有自由意志，只要故事网中线性和非线性的故事元素混合的足够巧妙，参与者就不会意识到其中的过渡。“在叙事中，事实上叙述者是控制一切的人，但是，‘他’显然不是具有身体和灵魂的作者，而是一个抽象的存在。叙述者似乎躲在叙事文本之后（之中），以某种视角来叙述故事……跟叙述者对称的一个概念是接受者”，而叙述者和接受者都只存在于叙事层面，从物质层面而言，就是影片的作者和观众。换句话说，在传统的影视作品中，作者通常扮演着叙述者的角色，而受众则多扮演接受者的角色。但在赋予人物更多重要性的电影化虚拟现实中，受众也可以通过操控角色的行为而拥有更多叙述的权力。参考其它不同领域互动性、交互性较强的艺术形式，如角色扮演游戏、互动戏剧或即兴戏剧等将角色和情感作为叙事的基本元素，可以看出“它们共同关注互动性和动态叙事发展，将这些置于比情节更抽象且更高的定位。这种模式不会改变叙事的性质和本质，而是重新对决策过程进行更为平等的划分，减少了作者的输入，更有利于用户／ 观众的输入。”而受众的沉浸式体验和情感交互就是通过其在虚拟世界中与虚拟人物、虚拟环境产生（在一定范围内的）超出计划外的交互行为而实现最大化。

图3.电影《黑镜：潘达斯奈基》剧照

小结

尽管以大数据、人工智能等数字核心技术在影视工业上的应用一定程度上有助于中国影视构建成熟完善的新工业化体系，实现中国影视“弯道超车”的有利局面，但在享受科技带来的高效生产和无限可能的同时，也要关注和反思数字技术驱动影视产业发展所带来的隐忧与问题。 除了上述的艺术创作的主体性危机和版权问题外，还存在着许多其它问题，如大数据还有可能对人们的隐私构成严重侵犯，以及算法等推荐系统可能会在不知不觉中操纵用户的行为等，如何解决这些伴随着新兴数字技术而产生的社会问题、伦理问题，都还有待进一步思考。

*因编辑受限，注释请详见原文。

来源：再建巴别塔