技術(shù)、模型與本體：AI多模態(tài)藝術(shù)實踐的“作者性”研究

【摘 要】 AI多模態(tài)藝術(shù)實踐的興起融合了AI算法與原始數(shù)據(jù)的深度互動，人機共創(chuàng)的新型創(chuàng)作方式引發(fā)了關于“AI是否有潛在的作者性”的討論。通過將現(xiàn)有的劇本作為文本數(shù)據(jù)，分析AI大語言模型在自然語言處理方面的深度學習能力，可以看到其在語義生成、情感表達等方面的創(chuàng)造性；從文字到視覺的跨模態(tài)轉(zhuǎn)換，揭示了視覺生成模型如何依據(jù)預設算法生成符合邏輯的圖像。在不斷變化的AI多模態(tài)藝術(shù)實踐語境中，明確AI本質(zhì)上仍是工具、技術(shù)，它不應被簡單地視為藝術(shù)創(chuàng)作的“作者”，而應被看作是一種具備創(chuàng)造潛力的技術(shù)工具。

【關鍵詞】" AI； AIGC； 多模態(tài)藝術(shù)； 作者性； 影像本體論

奈飛（Netflix）發(fā)行的《黑鏡 第六季》（Black Mirror Season 6）[1]第一集《瓊很糟糕》（Joan is awful），暗示了人工智能（Artificial Intelligence）對人類的潛在威脅。主人公瓊（Joan）偶然發(fā)現(xiàn)自己真實的生活被量子計算機Quamputer通過AI實驗重現(xiàn)，而這一切都在屏幕上公之于眾，用戶可以合法地窺探瓊的私人生活——這不免使人們聯(lián)想到近年來好萊塢行業(yè)關于AI的罷工潮。實際上，《瓊很糟糕》中的Quamputer本身并不可怕，真正需要深思的是技術(shù)如何被使用的問題。[2]好萊塢編劇工會（WGA）和演員工會舉行1960年以來的首次聯(lián)合罷工，希望能針對AI的作者權(quán)提出清晰的界定，規(guī)范人工智能的創(chuàng)作范圍。[3]編劇和演員罷工的原因之一就是對AI代替演員肖像權(quán)的問題感到不明晰。人工智能公司Metaphysi宣布通過捕獲演員肖像、圖像和聲音，可使演員不用出現(xiàn)在片場便可參演將來的電影。面對這一現(xiàn)狀，演員工會（SAG-AFTRA）坦言他們并不反對AI，代表鄧肯·克拉布特里-愛爾蘭（Duncan Crabtree-Ireland）表示，針對AI生成表演抗議的重點是“如何保存演員的相似性、誰可以訪問數(shù)據(jù)以及誰將由此獲利”[4]。由此可見，人們恐懼的不是技術(shù)本身，而是技術(shù)如何被使用的問題。

“AI能否成為創(chuàng)作者”這一問題的核心是如何界定AI的身份——AI是純粹的工具，還是具備某種創(chuàng)作主體性？從人與技術(shù)的關系出發(fā)，在人機共創(chuàng)條件下，AI工具如ChatGPT、DeepSeek、Midjourney等似乎展現(xiàn)了一定的“作者性”。然而，AI本身不是作者，是由人類設計和訓練的技術(shù)產(chǎn)物，具備輔助創(chuàng)作的能力，不會在當下取代人類的勞動。因此，與其對AI技術(shù)產(chǎn)生恐懼，更應警惕的是技術(shù)使用中的“巴爾干化”。從更廣闊的維度看，盡管AI會對影視行業(yè)產(chǎn)生必然的創(chuàng)作影響，但也有可能重塑我們作為人類的批判能力。[5]

一、技術(shù)、作者及作者性

（一）技術(shù)與影像

在世界電影誕生130周年之際，回顧電影的歷史，很大程度上是在回顧電影的技術(shù)史。無論是愛迪生發(fā)明的“活動電影放映機”（Kinetoscope）[6]，抑或盧米埃爾兄弟的電影放映機（Cinématographe），盡管彼時媒介的視聽功能尚不成熟，但正是因為早期放映工具的發(fā)明，早期電影有了傳播與普及的可能性。鮑姆加登（Alexander Gottlieb Baumgarten）確立“美學”（Aesthetica）作為一門獨立學科，而“電影美學”不是學科概念，從魯?shù)婪颉垡驖h姆（Rudolf Arnheim）、巴拉茲·貝拉（Béla Balázs）、安德烈·巴贊（André Bazin）的論述中可以發(fā)現(xiàn)，它發(fā)軔于研究電影語言。技術(shù)變遷對電影語言的敘事模式乃至傳播媒介都會產(chǎn)生極大影響。當人們談論電影美學，依然繞不開電影的技術(shù)起點，本體是電影最核心的部分。

盡管技術(shù)哲學和AI研究不存在直接聯(lián)系，但它作為技術(shù)方法論，具有預見性地“回應”了當下一系列現(xiàn)狀。首先，技術(shù)哲學一直以來和經(jīng)濟學、社會學、政治學乃至倫理學存在學科交叉聯(lián)系。隨著AI與具體的藝術(shù)創(chuàng)作內(nèi)容進一步融合，藝術(shù)學科與計算機等學科產(chǎn)生了密切聯(lián)系；其次，技術(shù)哲學較早地預判了新技術(shù)可能觸發(fā)的倫理治理困境，而AI創(chuàng)作可能引發(fā)知識版權(quán)歸屬爭議和倫理爭議，和技術(shù)哲學的思路是一致的。

柏拉圖在《普羅塔戈拉斯篇》提到愛比米修斯的“過失”：愛比米修斯將得以生存的技能平均分配給萬物，唯獨遺忘了人類。為了彌補弟弟的過失，普羅米修斯從工匠之神赫菲斯拖斯盜取火種（能創(chuàng)造火的技術(shù)）分給人類。[7]斯蒂格勒借用普羅米修斯盜火種救人類的故事，認為人類從出生便是“一無所有的”，人存在的條件是用代具補救其原始缺陷。[8]在斯蒂格勒為代表的法國技術(shù)哲學看來，人天然地存在缺陷，需要用技術(shù)來解決現(xiàn)實需要的問題。

自2018年以來，人工智能生成內(nèi)容（Artificial Intelligence Generated Content，以下簡稱AIGC）席卷傳媒、影視和數(shù)字經(jīng)濟等各個領域。AIGC指用自然語言處理、計算機視覺、音頻合成和生成對抗網(wǎng)絡（GANs）等技術(shù)，生成文本、圖像等內(nèi)容。①具體到影視行業(yè)，在劇本開發(fā)階段，用AI寫劇本實際上為傳統(tǒng)劇本創(chuàng)作提供了新的思路，在理論上輔助劇本創(chuàng)作，生成劇本場次和臺詞；AI技術(shù)還能創(chuàng)造圖像、音頻、視頻等。羅斯·古德溫（Ross Goodwin）開發(fā)的“本杰明”（Benjamin），通過分析網(wǎng)絡上大量的文本數(shù)據(jù)，生成符合人類語法和思維的AI作品——這不僅和尼采的觀點不謀而合，而且也希冀緩解創(chuàng)作者對技術(shù)的焦慮之情。

另一層面，這段話也釋放了明顯的信號：盡管AI有一定的作者性，但AI本身不是一個具有原創(chuàng)特征的作者。人們無需在技術(shù)焦慮的框架中流連，而更應關注被編程的AI是如何生成理想的文字、圖像、音樂乃至視頻，關注如何提升預訓練數(shù)據(jù)和算法的準確性。舉例來說，當通過ChatGPT輔助劇本寫作時，它生成的劇本并不是一個原創(chuàng)的結(jié)果，而是通過分析網(wǎng)絡已有的大量數(shù)據(jù)，再根據(jù)提問者的偏好，一步步清洗與提問者預期不符合的原始數(shù)據(jù)，最終生成符合期待的劇本。

再者，布魯諾·拉圖爾（Bruno Latour）、米歇爾·卡龍（Michel Callon）等學者的行動者網(wǎng)絡理論（Actor-Network Theory）也為AI與作者性提供了依據(jù)。根據(jù)ANT，行動者是能夠產(chǎn)生行動并影響其他實體的個體，包括人（actor）和非人物體（object），非人物體由技術(shù)、生物、機器、概念等構(gòu)成。[9]這里將AI視為非人物體的行動者，是因為AI的源頭是計算機，AI內(nèi)容生成的源頭是文本數(shù)據(jù)。AI需要在學習大規(guī)模數(shù)據(jù)的基礎上生成內(nèi)容型的文本，“轉(zhuǎn)譯”原始信息，制造差異，最終生成上述提及的符合期待的結(jié)果，也就是說，人和非人的行動者一起構(gòu)建了行動者網(wǎng)絡。擺脫人本主義，擱置主客體二元論，將技術(shù)視為必要的平等物，和技術(shù)對話，繼而令其變成行動者——厘清這層關系，是進入后續(xù)研究的前提。

（二）ChatGPT與劇本創(chuàng)作

正如列夫·馬諾維奇（Lev Manovich）指出，數(shù)字計算機作為一種元媒介，是一種正在誕生的新媒介。[10]計算機是實現(xiàn)AI創(chuàng)作的平臺，AI則通過生成對抗網(wǎng)絡（GAN）等實施自然語言處理、圖像處理等，最終生成AI內(nèi)容。

ChatGPT是OpenAI推出的自然語言模型。ChatGPT的優(yōu)勢在于，傳統(tǒng)的自然語言生成模型通過最大似然估計（MLE）進行訓練，而ChatGPT則是從人類的反饋進行強化學習（RLHF， Reinforcement Learning from Human Feedback），更符合人類的偏好。①ChatGPT的文字創(chuàng)作步驟可分為三步：第一步，采集大規(guī)模文本數(shù)據(jù)進行模型的預訓練，AI工程師可以在這一步幫助模型編寫，從而建立起模型的人類理解思維；第二步，建立獎勵模型，微調(diào)和迭代創(chuàng)建更符合人類偏好的結(jié)果；第三步，生成上下文意義連貫、有邏輯的文本。[11]由此看到，ChatGPT的內(nèi)容生成源自分析數(shù)據(jù)，而數(shù)據(jù)的創(chuàng)造者是人類，ChatGPT的工作原理是模仿、學習以及調(diào)整人類的既有創(chuàng)作，因此它顯示出一定的作者性，但絕非原創(chuàng)者。

基于ChatGPT的自然語言模型屬性，本文進行AI創(chuàng)作實踐。這里選取是枝裕和導演的《如父如子》（そして父になる，2013）劇本為原始劇本，在過程中不斷和ChatGPT調(diào)整使用者思路，預期結(jié)果是通過訓練生成AI創(chuàng)作的定稿。

具體步驟分為三步（見表1）：

由于《如父如子》劇本體量較大，我們先從故事梗概著手。多次輸入是枝裕和原有的簡要故事信息，要求生成120分鐘體量的故事梗概，結(jié)論是得到和是枝裕和劇本相似的結(jié)果：兩個家庭最終沒有交換孩子，因為意識到血緣關系不是唯一的羈絆，親情不僅僅是建立在生物學聯(lián)系之上。

第二步，設計劇本大綱。ChatGPT將故事梗概拆解成四幕大綱，對應劇作法的“起承轉(zhuǎn)合”，基本上符合三幕式劇本邏輯[12]，也開始呈現(xiàn)和原劇本不同的寫作思路。

這里認為，僅憑道聽途說便懷疑孩子身世，會給創(chuàng)作造成困擾：齋木家是否有證據(jù)？家庭信任關系是否有些隨意？于是，ChatGPT根據(jù)使用者的思路進行初次調(diào)整，使人物動機合理化。不過，調(diào)整后的場景依然被認為是牽強的含沙射影，使用者希望能將家庭聚會的閑言碎語改成親戚的無心之說，經(jīng)過ChatGPT調(diào)整，得到如下結(jié)果：

使用者認為親戚“偶然提到兩個家庭的孩子有些相似”不符合沖突建置，于是參與創(chuàng)作過程：“親戚不經(jīng)意提到慶多的眼睛很秀氣，像羽生結(jié)弦。野野宮綠忽然意識到，自己和丈夫都是雙眼皮。盡管她明白，雙眼皮由顯性基因（A）決定，單眼皮由隱性基因（a）決定。兩人的基因是AA或Aa，在遺傳過程中可能通過隨機組合，最終孩子生成aa基因。不過，這個概率在遺傳學上是1/4，全部結(jié)果則分別為AA、Aa、Aa和aa。野野宮綠感到一絲不安。”經(jīng)過多次調(diào)整，ChatGPT感知到使用者“不想刻意制造沖突”的需求，于是將關注點從“比較兩個家庭小孩的相貌異同”轉(zhuǎn)移到“比較自家孩子和夫妻的相貌異同”；使用者繼續(xù)添加“綠懷疑醫(yī)院”的場景，以此為后面去醫(yī)院提供科學依據(jù)，對此ChatGPT的生成結(jié)果是“綠參加醫(yī)學講座時，聽到關于基因和遺傳學的演講，于是對醫(yī)院產(chǎn)生懷疑”，人物的后續(xù)動機便成立了。

必須承認，在主觀創(chuàng)作層面，盡管ChatGPT學習了大規(guī)模的網(wǎng)絡數(shù)據(jù)，卻不完全“抄襲”既有文本，而是根據(jù)自身學習過程和使用者需求“轉(zhuǎn)譯”新的內(nèi)容，這種深度學習“理解并學習這些數(shù)據(jù)的模式、結(jié)構(gòu)和關聯(lián)，然后創(chuàng)造出新的、原始的輸出，其能力超越了簡單的復制訓練數(shù)據(jù)”[13]；但同時要指出，多次調(diào)整的ChatGPT結(jié)果可能也會出現(xiàn)不盡人意的情況，比如臺詞生硬、人物情感突兀以及轉(zhuǎn)場機械等問題。

通過《如父如子》的AI劇本再創(chuàng)作，可以回應最初關于AI作者性的問題。在美國某次法院判決中，AI作品敗訴，原因是人類的作者身份是一個基本要求。[14]在這個劇本訓練過程中，根據(jù)是枝裕和成熟的底稿進行創(chuàng)作（即便是零樣本，AI也會學習大量的既有數(shù)據(jù)），使用者也在過程中多次干預，如此以來，AI并不是作者；然而，ChatGPT并沒有按照原有劇本給出方案，而是加入許多原創(chuàng)的情節(jié)設計，這一部分的作者性需要被承認。最后，依然要澄清，人類中心說在人機互動關系中是不存在的，使用者并非單一的主體，AI和人類共同構(gòu)成平等的對話體。

二、AI藝術(shù)跨模態(tài)方案：從語言模型到視覺模型

前文提到AI文本單模態(tài)方案，而AI實踐一般離不開各個模態(tài)的轉(zhuǎn)換、重組。AI的多模態(tài)藝術(shù)實踐指通過生成式對抗網(wǎng)絡（GAN），結(jié)合文字、圖像、音樂、影像等多種藝術(shù)媒介，經(jīng)過深度學習生成不同媒介之間轉(zhuǎn)換的藝術(shù)作品。生成式對抗網(wǎng)絡（Generative Adversarial Networks，簡稱GAN）由兩個神經(jīng)網(wǎng)絡構(gòu)成框架，兩個神經(jīng)網(wǎng)絡分別是生成器（Generator）和判別器（Discriminator）。其中，生成器負責生成內(nèi)容，判別器則需要辨別生成器所生成內(nèi)容的真?zhèn)危瑑烧咴谟柧氝^程中互相對抗，生成器需要生成更逼真的數(shù)據(jù)，辨別器則需要鑒別真實數(shù)據(jù)和生成數(shù)據(jù)，以此提升數(shù)據(jù)的準確度。[15]

多模態(tài)學習最早應用于1989年的語音識別，通過視覺模態(tài)建立聽覺模態(tài)信息。[16]近年來，隨著算法和算力的技術(shù)進步，AI跨模態(tài)技術(shù)進展迅速。譬如，CLIP是OpenAI提出的圖像文本匹配模型，能實現(xiàn)從腳本到圖像、圖像到音樂、音樂到文字的跨模態(tài)轉(zhuǎn)換。目前大多數(shù)的視覺模型和語言模型依賴預訓練的視覺編碼器，而CLIP在視覺任務上表現(xiàn)出很強的零樣本能力（zero-shot capability）①，本質(zhì)上是將語言單模態(tài)處理成可視的視覺模態(tài)，實現(xiàn)AI跨模態(tài)。同樣地，Stable Diffusion[17]是從文本到圖像（txt2img）的擴散模型；MidJourney是一款功能相似的深度學習模型，會根據(jù)使用者輸入的文字生成新數(shù)據(jù)。

以《盜夢空間》劇本作為參照。首先，選取第一場[18]為樣本（圖1）。從這一場諾蘭的分鏡繪圖（圖2）和電影靜幀（圖3）來看，兩者吻合度非常高。

其次，選擇擴散模型。模型使用生成對抗網(wǎng)絡，輸入劇本文字，生成器將輸入的文本轉(zhuǎn)換為圖像。經(jīng)過Text-to-Image、Stable Diffusion、Midjourney等多個模型的多次訓練，發(fā)現(xiàn)后兩者的參數(shù)相對穩(wěn)定，和手繪分鏡的匹配度較高。

先以Stable Diffusion為例：

1.打開Stable Diffusion，選擇“電影化”（Cinematic）風格；

2.輸入關鍵詞：Dawn.Crashing surf.The waves toss a bearded man onto wet sand.He lies there.

3.多次訓練，確定圖像；

4.輸入關鍵詞：A child’s shout makes him lift his head to see：a little blonde boy crouching，back towards us，watching the tide eat a sandcastle.A little blonde girl joins the boy；

5.多次訓練，確定圖像。

再訪問Midjourney：

1.通過Discord服務器打開Midjourney；

2./imagine命令，輸入關鍵詞：Dawn.Crashing surf.The waves toss a bearded man onto wet sand.He lies there；

3.選擇U3（Upscale，圖5左），再選擇V3（Variation），確定圖像（圖5右）；

4./imagine命令，輸入關鍵詞：A child’s shout makes him lift his head to see：a little blonde boy crouching，back towards us，watching the tide eat a sandcastle.A little blonde girl joins the boy；

5.選擇U3（圖6左），再選擇V3，繼續(xù)Zoom Out2x，確定圖像（圖6右）。

通過兩組模型分別對抗訓練，生成的結(jié)果如上述呈現(xiàn)。AI模型的完成度相較于電影略低，主要體現(xiàn)為AI模型和原始文本數(shù)據(jù)生成的實際成像不太一致。

在上述過程中，AI多模態(tài)融合存在一定的作者性。《盜夢空間》原始文本數(shù)據(jù)屬于人類創(chuàng)作者，而AI圖像模型使用算法生成不一樣的分鏡。盡管使用者多次干預AI算法的運行，希望得到一個和原分鏡相似的成果，但AI并沒有完全按照使用者的指導進行創(chuàng)作，它的生成前提來自人類數(shù)據(jù)，生成結(jié)果卻是AI算法自身的產(chǎn)物。

三、“忒修斯之船悖論”與AI藝術(shù)本體

關于AI的多模態(tài)影像化嘗試，近年來已展開一些實踐。有學者認為，視頻、電影的編輯對象是固定畫幀，而AI的代寫過程是一個連續(xù)空間，圖像的可能性存在于N維潛在空間。[20]正如VR影像將空間視為創(chuàng)作的新系譜，如果AI算法能破除人類既定思維進而創(chuàng)造出人腦認知外的“新”影像，這會是AI創(chuàng)作令人振奮的地方。

曾經(jīng)有團隊結(jié)合自動電影攝影和自然語言生成，推出了一個動態(tài)制作視頻紀錄片的原型系統(tǒng)，但效果不盡人意，因為電影拍攝涉及復雜的現(xiàn)場調(diào)度。①目前，AI多模態(tài)影像創(chuàng)作還無法解決電影拍攝的實際現(xiàn)場需求，正如有學者指出，盡管如今智能化剪輯可以幫助人們從海量素材中挑選優(yōu)質(zhì)素材，但真正電影級的剪輯工作，僅有剪輯的規(guī)則是遠遠不夠的。[21]

再看近來的AI多模態(tài)藝術(shù)實踐。奧斯卡·夏普（Oscar

Sharp）和古德溫創(chuàng)作的《陽春》（Sunspring，2016）是首部根據(jù)AI創(chuàng)作的劇本，但本杰明尚缺乏邏輯性；第三部科幻短片《神游天外》（Zone Out，2018）將數(shù)千小時的老電影和專業(yè)演員的綠幕鏡頭拼湊在一起，最終用48小時完成[22]，但依然存在劇本和編導混亂等問題。從結(jié)論看，《神游天外》是電影素材剪輯的AI嘗試，通過影視創(chuàng)作過程的分工自動化探索電影語言[23]，由于缺乏連貫的電影語言，不能被認為是電影。2022年12月，由ChatGPT編導的短片《安全地帶》（The Safe Zone）上線，同樣存在運鏡單一等問題。

從當下的技術(shù)現(xiàn)狀看，AI多模態(tài)藝術(shù)實踐還存在不少問題。盡管AI在影像的多模態(tài)融合創(chuàng)作方面取得了進展，但AI無法替代人類的創(chuàng)造力和情感。AI需要算法執(zhí)行命令，人類有算法需要的原始數(shù)據(jù)；AI生成對抗網(wǎng)絡的生成器和判別器需要鑒別真?zhèn)螖?shù)據(jù)，而人類的創(chuàng)造是有章法、有層次的；AI在風格遷移中學習關于情感的結(jié)論，而人類的情感從來不是判斷題。

這又回到了最初提出的問題：AI的作者性。首先要明確，AI的數(shù)據(jù)來源是人類作品，神經(jīng)網(wǎng)絡從小說中學習特定作家的語言風格，從劇本中學習如何構(gòu)建戲劇性沖突，從音樂中學習樂理……AI深度學習的訓練數(shù)據(jù)來自人類，習得其中的結(jié)構(gòu)、網(wǎng)絡、風格，因此，生成的作品一定程度上延續(xù)了人類的家族相似特征。在這一緯度上，人類是指導者，AI是命令執(zhí)行者。其次，我們看到的作品大多基于AI和人類的共同創(chuàng)作，但AI在生成過程中也會開展創(chuàng)作，鋪開了作者性。自然語言模型在生成ChatGPT版《如父如子》劇本時，部分借鑒了原有劇本的構(gòu)思，但從第一幕開始劇情就大相徑庭，說明AI經(jīng)過了充分的深度學習；擴散模型生成從文本到圖像的風格遷移時，不僅觀察到不同模型之間的算法差異，同時意識到在文字描述輸入準確的情況下，模型的圖像生成也有一定的自主創(chuàng)作權(quán)；最后，在從文字到圖像、從文字到視頻、從圖像到視頻的多模態(tài)轉(zhuǎn)換實踐中，人類干預比純粹AI算法生成的作品更符合電影的邏輯——盡管AI生成電影可行，卻不太可靠，這展現(xiàn)了AI創(chuàng)作的不穩(wěn)定性。

談到“作者電影”濫觴，人們抨擊法國的“優(yōu)質(zhì)電影傳統(tǒng)”，認為導演的個性塑造了電影的風格。[24]盡管“新浪潮”的很多導演并沒有接受過完整的電影教育，但就是這群“電影資料館的孩子”，在短時間內(nèi)創(chuàng)造諸多靈動又迷人的電影。顯然，AI尚不具備這個能力——屬于人類的、創(chuàng)造性的能力。當我們把特呂弗的影像資料交給AI模型深度學習，生成器和判別器對抗訓練，最終我們能得到什么？特呂弗2.0？特呂弗PLUS？一個新的、素未謀面的“特呂弗式的特呂弗”？AI的多模態(tài)藝術(shù)創(chuàng)作顯然并不成熟，也疊滿所有權(quán)爭議，但未知性也是AI一直能吸引人的原因。

“忒修斯之船悖論”（The Ship of Theseus Paradox）[25]源自古希臘神話，描述了忒修斯的戰(zhàn)船在數(shù)百年里不斷更換破損的零件。隨著時間推移，船體的每個部件逐一被替換，最終船只幾乎不再有原始的零件。面對此現(xiàn)象，哲學家普魯塔克提出問題：如果木頭被更換殆盡，那么這艘船還是原來的船嗎？這個悖論涉及到主體認知問題。倘若未來人類訓練完畢諸多多模態(tài)模型，AI算法變得更智能，以至于AI可以實現(xiàn)自動化的多模態(tài)實踐，生成式AI電影也甚至能到不再需要人類參與的程度，屆時AI的藝術(shù)本體還是原來依附于人類原始數(shù)據(jù)的作品嗎？在這個程度，AI能否被視為是“作者”？這一問題仍然沒有明確答案，需要等待技術(shù)的進一步發(fā)展。

結(jié)語

在算法精進的技術(shù)時代，AI在深度學習和訓練中不斷得到完善，通過計算機與藝術(shù)的跨學科生產(chǎn)激活了藝術(shù)新的創(chuàng)作生命力。因此，AI的“作者性”并非局限于其作為工具的使用方式與使用場景，同時也在人機共創(chuàng)的背景下形成愈發(fā)準確的創(chuàng)作風格。因此，在一定程度上AI正在重塑我們對于藝術(shù)、創(chuàng)作以及作者身份的理解。

【作者簡介】" "鐘芝紅，女，浙江溫嶺人，上海師范大學影視傳媒學院講師。

【基金項目】" "本文系2023年度上海市哲學社會科學規(guī)劃課題“虛擬現(xiàn)實影像賦能上海文化創(chuàng)意產(chǎn)業(yè)發(fā)展研究”（編號：2023ZWY003）、上海師范大學青年跨學科創(chuàng)新團隊校級培育項目“生成式AI的多模態(tài)藝術(shù)實踐和本體問題研究”階段性成果。

參考文獻：

[1]Netflix.Black Mirror[EB/OL].（2011-12-04）[2023-08-19].https：//www.netflix.com/title/70264888.

[2]Rebecca Ackermann.Black Mirror’s big AI episode has the wrong villain[EB/OL].（2023-06-23）[2023-08-19].https：//www.vox.com/culture/2023/6/23/23770239/black-mirror-joan-is-awful-review-ai-annie-murphy-salma-hayek.

[3]Andrew Dalton.AI is the wild card in Hollywood’s strikes.Here’s an explanation of its unsettling role[EB/OL].（2023-07-22）[2023-08-19].https：//apnews.com/article/artificial-intelligence-hollywood-strikes-explained-writers-actors-e872bd63ab52c3ea9f7d6e825240a20.

[4]Jonathan Vigliotti.How AI is transforming Hollywood， and why its at the center of contract negotiations[EB/OL].

（2023-07-10）[2023-08-19].https：//www.cbsnews.com/news/artificial-intelligence-actors-strike-sag-aftra-metaphysic/.

[5]Suzanne Nossel.Hollywood’s Fight Against A.I.Will Affect Us All[EB/OL].（2023-07-31）[2023-08-19].https：//newrepublic.com/article/174650/hollywoods-fight-ai-will-affect-us.

[6]William Dickson，Kennedy-Laurie，Antonia Dickson.History of the Kinetograph，Kinetoscope and Kinetophonograph[M].New York：Arno Press，2000：16-20.

[7][古希臘]柏拉圖.普羅塔戈拉[M]劉小楓，譯.北京：華夏出版社，2019：48-58.

[8][法]貝爾納·斯蒂格勒.技術(shù)與時間1：愛比米修斯的過失[M]裴程，譯.南京：譯林出版社，2019：128.

[9][法]布魯諾·拉圖爾.科學在行動：怎樣在社會中跟隨科學家和工程師[M].劉文旋，鄭開，譯.北京：東方出版社，2005：219，298.

[10][俄]列夫·馬諾維奇.新媒體的語言[M]車琳，譯.貴陽：貴州人民出版社，2020：5-6.

[11]Open AI.Introducing ChatGPT[EB/OL].（2022-11-30）[2023-08-19].https：//openai.com/blog/chatgpt.

[12][美]悉德·菲爾德.電影劇本寫作基礎[M]鐘大豐，鮑玉珩，譯.北京：中國電影出版社，2002：1-7.

[13]趙宜.人機共創(chuàng)、數(shù)據(jù)融合與多模態(tài)模型：生成式AI的電影藝術(shù)與文化工業(yè)批判[ J ].當代電影，2023（8）：16.

[14]Winston Cho.AI-Created Art Isn’t Copyrightable， Judge Says in Ruling That Could Give Hollywood Studios Pause[EB/OL].（2023-08-18）[2023-08-19].https：//www.hollywoodreporter.com/business/business-news/ai-works-not-copyrightable-studios-1235570316/.

[15]Pataranutaporn P，Danry V，Leong J，et al.AI-generated Characters for Supporting Personalized Learning and Well-being[ J ].Nature Machine Intelligence，2021（12）：1013-1022.

[16]B.P.Yuhas，M.H.Goldstein，and T. J. Sejnowski.Integration of Acoustic and Visual Speech Signals Using Neural Networks[ J ].IEEE Communications Magazine，1989（11）：65-71.

[17]Rombach R，Blattmann A，Lorenz D，et al.High-Resolution Image Synthesis with Latent Diffusion Models[C].Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2022：10684-10695.

[18][19]Christopher Nolan.Inception：The Shooting Script[M].California：Insight Editions，2010：21，226.

[20]邵怡蕾.在愛（AI）中：重思AI世的創(chuàng)作[ J ].電影藝術(shù)，2023（03）：28-36.

[21]薄一航.由ChatGPT引發(fā)的思考：人工智能技術(shù)賦能電影領域[ J ].現(xiàn)代電影技術(shù)，2023（4）：13-21.

[22][23]Lauren Goode.AI Made a Movie—and the Results Are Horrifyingly Encouraging[EB/OL].（2018-06-11）[2023-08-19].https：//www.wired.com/story/ai-filmmaker-zone-out/.

[24]Fran?ois Truffaut.Une certaine tendance du cinéma fran?ais[ J ].Cahiers du cinéma，1954（01）：15-28.

[25][古希臘]普魯塔克.希臘羅馬名人傳[M].黃宏煦，等譯.北京：商務印書館，1990：5-38.