OpenAI 的 ChatGPT 熱潮未歇，新的風暴已經出現。
12 月 10 日，馬斯克發了條推文：「似乎每週都有新的 Al 進步。」
讓他有感而發的，是 Google 旗下 DeepMind 的 Dramatron。
Dramatron 比起 ChatGPT 更專精，是一種用來編寫戲劇和電影劇本的 AI 工具。
三句話不能讓別人為我花 18 萬，但一句話讓 AI 幫我寫了個劇本，並不是個段子。
一句話就能寫劇本，但還不能獨立行走
Dramatron 到底怎麼玩？只要你給出「一句話大綱」（log line）描述戲劇衝突，Dramatron 就能生成標題、人設、情節、場景和對話。
比如，「一句話大綱」可以是「詹姆斯發現他是一個惡魔，他將被驅魔」。
但 Medium 網站的作者 Tristan Wolff 指出，這句話缺少基本的敘事元素，例如主角的目標和對手，所以生成的結果平平無奇，角色只有詹姆斯和驅魔人，標題也是乾巴巴的「詹姆斯的驅魔」。
如果把大綱補充為「詹姆斯發現自己是惡魔，他將被驅魔，他不得不在善與惡之間做出選擇」，並加入一個額外的角色——詹姆斯的戀人，效果就會好得多。
故事也就變成了，詹姆斯的戀人在詹姆斯死後受盡折磨，後來發現詹姆斯以惡魔的形式生活在自己體內，標題則取為「內心的惡魔」，有了多重的文學意味。
在輸入大綱之後，你可以多次生成標題、人設等結果直到滿意，或者直接動手編輯當前的結果，甚至回到大綱推倒重來，相當於和 AI 在互動過程裡共同編寫指令碼。
所以，Dramatron 的定位其實是人機「共同寫作」（co-writing）工具，還無法獨立行走。
Dramatron 是如何開發出來的？類似其他生成式 AI，Dramatron 也有一個大型語言模型 Chinchilla 作為「靠山」。不過，OpenAI 的 GPT-3 等大模型也可以用來部署 Dramatron。
值得一提的是，內容的連貫性對於戲劇和電影來說是基礎，但對大型語言模型來說是一件難事。因為它們並沒有真的理解內容，生成的文字其實是機率計算的結果。Dramatron 的特點就在於，在這方面下了許多功夫。
一方面，Dramatron 透過「分層故事生成」的方法生成指令碼，運用了具備結構化生成能力的提示詞鏈（prompt chaining）。
從你輸入的「一句話大綱」開始，Dramatron 先是建立標題和角色，生成的角色被當作提示詞，用來生成情節和場景…… 如此遞進，最後將這些元素全部組合起來生成對話。
另一方面，Dramatron 學習了兩種經典的敘事結構：
一是德國劇作家 Gustav Freytag 的金字塔結構，它列出了寫故事的七個關鍵步驟，包括闡述、觸發事件、上升動作、高潮、下降動作、解決方案和結局。
二是英雄旅程（Hero’s journey），主線圍繞一個踏上冒險旅程的英雄，這個人物會在一個決定性的危機中贏得勝利，然後得到昇華轉變或帶著戰利品歸返到原來的世界。
Dramatron 究竟有幾板斧，還是要內行說了算，DeepMind 請了 15 位劇作家和編劇體驗了 2 個小時。
參與體驗的編劇們反饋，Dramatron 的輸出結果可能是「公式化的」，它的「分層故事生成」結構也並不適合所有作家。
與此同時，他們中的大部分認同 Dramatron 是有幫助的，願意將它當做創意工具，用來構建世界觀，或者改變角色或情節從而探索不同的故事。
加拿大即興劇院 Rapid Fire Theatre，已經將與 Dramatron 共同創作的劇本搬上了舞臺，受到了不少好評。
在本職工作仍待進步之外，初出茅廬的 Dramatron 還有不少問題。
一個是版權問題，它的輸出結果可能包含訓練時的原材料，需要人力搜尋和檢查；一個是道德問題，它可能重現語料庫的偏見和刻板印象，Google 建議讓 Perspective API 工具出手，幫助識別「有毒」的文字。
12 月 10 日，DeepMind 開放了試玩版，但不知道什麼原因很快關閉，現在網站只剩下關於 Dramatron 的論文和簡介。
AI 攬過編劇活，在智障和智慧之間反覆橫跳
AI 寫的劇本其實很早就有，但是總被當成笑話看，成了整活區的一道道風景。
去年 10 月，Netflix 與作家、喜劇演員 Keaton Patti 合作，給 AI 看了 40 萬小時的恐怖片，然後讓 AI 自己寫一個原創劇本。40 萬小時約等於 45 年，至少 AI「看」電影的速度比我們快多了。
最終影片長約 4 分鐘，名為「謎題先生希望你少活一點」，不僅有《電鋸驚魂》《十三號星期五》《我知道你去年夏天干了什麼》等電影的影子，還寫出了「祝你買棺材有優惠券」「他喝醉了卻被清醒所困擾」「我有幾個家庭」等不少介於荒誕和合理間的臺詞。
再配合「學了三年動畫」水平的僵硬肢體和敷衍畫風，有網友發出了這樣的感慨：「AI 寫恐怖劇本可能為時尚早，但寫喜劇已經爐火純青。」
類似地，看了 1000 小時蝙蝠俠電影的 AI 寫了個劇本，最後被做成了有聲漫畫，其中一個情節是，小丑送給蝙蝠俠一個兌換新父母的優惠券，但優惠券已經過期，小丑的性格被 AI 抓住了神髓。
▲ 圖片來自：B 站@HUSH_13
這些或喜劇或恐怖的 AI 劇本，比「狗屁不通文章生成器」寫得好多了，細品還挺有意思，似乎有潛臺詞和言外之意，帶著某種「思考」，但它們並不知道人類為什麼發笑。
在 Dramatron 出來之前，也有人基於大型語言模型，讓 AI 寫正兒八經的電影劇本。
YouTube 博主@Bradius 在看完《蜘蛛俠：英雄無歸》後，好奇 AI 能不能寫出這樣的劇情，甚至與兩億美元的大製作相提並論。
於是，他在 GPT-3 用英文輸入了一句話：「以下是下一部 MCU（漫威電影宇宙）蜘蛛俠電影的完整洩露指令碼。」
結果讓他大吃一驚，GPT-3 給了他 21 頁的指令碼，情節起伏、結構緊湊，既講了彼得·帕克和邁爾斯·摩拉勒斯（多重宇宙設定中的黑人蜘蛛俠）圍毆反派克萊文，還穿插了漫威高管打算縮減下一部蜘蛛俠電影預算的橋段。
不知道 AI 是不是在諷刺好萊塢的大片制度和流水線式生產電影。當大製作電影越來越缺乏新意，讓 AI 替代部分人類編劇，看來沒有什麼問題，說不定還會有意料之喜。
雖然沒有 Dramatron 那麼「垂直」，最近的 AI 頂流 ChatGPT 也可以充當「文案工具人」，寫週報、詩歌甚至劇本。
知乎答主、卡耐基梅隆大學機器人系博士@田淵棟嘗試向 ChatGPT 投餵中英文片段，大致結果並不差，但發現「一些深層次的想像力和聯絡能力仍然缺失，情節的關鍵部分還需要作者自己去開拓並且誘導 AI 系統來完成」。
目前，大型語言模型的一個限制是，它們只能根據給定的訓練資料，根據某些單詞或單詞序列一起出現的機率來生成文字，依靠大模型、大資料、大算力「大力出奇跡」，但並不真正理解自己在「說」什麼，回答並不總是連貫或者有意義。
但僅從結果來看，讓它們從自然語言的文本里，提取出人類覺得說得通、甚至眼前一亮的敘事，已經不是小機率事件。
前段時間，「小帥小美式」的電影解說也引起了討論，這類電影解說是短平快的「電子榨菜」，由 AI 配音講述主角是如何意外地遭遇了意外。
為了解說得精彩，它們將人物標籤化，選取最獵奇或懸疑的情節添油加醋，常常不遵從電影原意，既不是電影，也不是解說。
這部分的工作以後由 AI 完全代勞，應該是不在話下，實現電子榨菜的全自動化。
AI 是用來激發創意，還是讓創意更難得
寫文章、做影片、玩音樂、當畫家，AI 今年的進步一日千里，讓任何人類個體望塵莫及。
我們常說，AI 可以作為創意工具，但在 AI 面前，人類是在讓渡自己的角色，還是享受新的角色？我們越來越需要和 AI 合作，是在激發創意還是扼殺創意，創意本身被擺在了一個怎樣的位置？
眼下有一些人類和 AI 寫作的例子，看起來人類還是更不可替代的那一個。
比如，除了 Dramatron，Google 還計劃基於對話神經語言模型 LaMDA，開發 AI 寫作工具 Wordcraft，目前還在實驗階段。
Wordcraft 是一種專門服務虛構作品的文字編輯器，你可以輸入一個開頭讓它續寫，或者用它加工句子和充實語料庫。
為了測試 Wordcraft，Google 邀請了 13 位專業作家體驗。作家們一致認為，Wordcraft 不會很快取代作家，它不擅長獨特的敘事風格，比喻老套，措辭平庸，同時避開了卑劣的角色。
當然，他們也得出了一個共識，就像其他所有 AI 工具一樣——用 Wordcraft 激發創意是可行的。
不夠完美的 AI 還會再好好學習天天向上，與此同時，豆瓣有「文字失語者互助聯盟」等小組，對於人類來說，組織文字的邏輯，清楚地用文字表達自己的情緒，竟然成了越發困難的事。
為了提高 AI 生成的質量，Prompt engineers（提示語工程師）這個新工種應運而生，在 PromptBase 等平臺，你需要特定的某種藝術風格，可以向他們求助。但這項工作同樣可以由 AI 上陣，比如用 ChatGPT 形成一段文字，再把文字輸入給 StableDiffusion，生成的畫作一般比自己直接輸入描述好看很多。
那麼，當我們有了「一句話大綱」的腦洞，卻無法聯想到更多的細節把它完整鋪陳，不得不求助於 AI 時，是一種無奈選擇，還是物盡其用？
樂觀一點地想，AI 理應增強而不是取代人的勞動，但如果將時間維度拉得更長一些，可能就不再是這樣。
OpenAI 的執行長 Sam Altman 認為，「作為創意工具」將在很長時間內成為 AI 的重要應用，但當我們展望一百年，AI 最終可能全權代勞完整的創意工作。
如果你在 10 年前問人們，AI 將如何產生影響，大多數人都非常有信心，你會首先聽到它出現在工廠等地，然後它將用於低技能的白領工作，再是程式設計師等高技能、高智商的工作。最後，也許永遠不會，它將取代創造性的工作。但是，它正朝著另一個方向發展。
這其實是一個提醒，我們可能並不真的清楚，對於人類或者 AI 來說，什麼技能是容易的，什麼技能是簡單的，什麼工作絞盡腦汁，什麼工作不費腦細胞；我們也漸漸意識到，在 AI 涉獵的領域，早點熟練運用 AI 的人，才可能留在未來。
