從虛擬製片到AI拍片，影音產業真正需要的是什麼？
透過科技降低製片成本，虛擬人物掀起阿凡達熱潮
2016 年成立的 Glassbox Technology，專注於虛擬攝影技術開發，為知名的特效與製片公司提供虛擬製片的技術，曾與《阿凡達》製作團隊、夢工廠、迪士尼及環球影業合作。Glassbox 創辦人王政堯說，虛擬製片的核心在於利用技術，降低製片成本跟壓縮製作時間。
他以電影《阿凡達》為例，導演卡麥隆當時建立了許多新的拍攝方式，例如利用虛擬人，搭配虛擬攝影機在虛擬場景中演出，將對演員、場景、攝影機的需求虛擬化，這是第一代的虛擬製片。而第二代的虛擬製片則是運用技術，代替傳統製片流程中，需要物理拍攝所需的各種設施，例如透過 LED 等技術模擬各種複雜的環境，省去繁瑣的實地拍攝和布景搭建。
王政堯說，電影跟其他產業一樣，追求的都是更好、更快、更便宜三大目標，透過技術可以達成其中一個目標是進步，兩個是革新，能做到三個就是革命，「我們可能透過流程的優化，達到第一個目標；並藉由引進新技術、新流程達成兩個目標。」但要三個目標都達成就必須要有一些跨時代的基礎技術出現，例如從膠卷攝影轉成數位攝影就是從根本技術產生改變。
遊戲與 VR 等技術的出現，促進新一輪的改變，也帶動虛擬製片的出現。有人說，第一次的影視工業革命是從膠捲轉到數位；而第二次影視工業革命是從數位轉成虛擬製片。但是，因為虛擬製片的技術門檻太高，使得普及度不夠高，並沒有造成第二次影視工業革命的量能。於是，許多人將 AI 視為下一個重要的分水嶺。
音樂配音、圖庫大受影響，AI 所帶來的新市場
那麼，AI 的應用真的能取代現有影視產業中的人員或工作嗎？王政堯認為，雖然媒體將 AI 的應用形容得很神，但是，實務上目前能替代的還是重複性高，低成本的事務，好比 AI 所撰寫的文案，如果需要修改，仍然需要本身就能獨立完成文案的人才能進行。因此在 Glassbox，目前僅有能判別 AI 產出品質與對錯的高階工程師，才被允許使用 AI 輔助工作。儘管 AI 在某些領域帶來更快更好的實質助益，例如材料科學或是製藥領域，但並非像大家所想的那樣，會快速替代某些東西。
不過，王政堯也觀察到，包括音樂配音、圖庫照片等領域都已被深刻影響，當 AI 已經可以畫出和數位繪圖者品質差不多的成品，使得數位繪圖的價格下降。因此，與其說 AI 取代既有的人，不如說是建立了一個單價極低、替代性極高的新市場，但能用人工智慧繪圖賺錢的人卻非常少。因為當需求不變，但是供給突然增加，價格也就跟著降低。因此，王政堯認為很難預估人工智慧繪圖的發展，但它的確是一個龐大且被快速稀釋的價值。
另一方面，疫情期間由於許多特效公司正好有空閒的時間，所以 Glassbox 也與許多夥伴合作，從產業的角度思考 AI 能帶來的價值，共同探索新的流程與技術。王政堯說，他們的目標並不是要訓練自己的模型，而是要創造一套工具、流程，讓未來大家所開發出的 AI 工具都可以被納入這個流程中使用。
AI 可以快速呈現導演的構想畫面，卻取代不了導演的想法
王政堯說，AI 是一個模式辨別機器（Pattern Recognition Machine），從某個角度來看，AI 的本質和創意是完全抵觸的概念。雖然有原創性，卻是從一個侷限的空間裡找到原創。要求 AI 寫一個別人沒有寫過的故事，甚至有點緣木求魚。但是，AI 能協助使用者將抽象的概念具體化，並且快速收斂創意。而製片這個行業，最重要的就是將導演腦子裡的畫面實現，包括演員、燈光、特效，虛擬製片的核心都是如此，而 AI 的功能，就是快速協助導演將想法圖像化。
王政堯提到，當導演卡麥隆所有的構想都在腦海中的時候，沒有人知道他想要做什麼？美術不知道要搭多大的景？特效不知道要做哪些部分？哪些鏡頭？運鏡該怎麼運？因此，才會有虛擬製片的體系出現，協助導演用最低的成本，最快的表達腦海中的創意，讓每個部門能有一個可以藉以溝通的圖像。而 AI 正好提供了解決，只要有粗糙的輸入，就能快速得到完整的產出。但是要讓 AI 輸出最終的結果時，會碰到「恐怖谷」的問題。也就是當 AI 生成的內容實際動起來之後，會發現許多地方很奇怪，可能引發恐懼和排斥感，使人深陷在恐怖谷中。
然而，AI 的引入也會顯著改變影視產業的分工。王政堯認為，重複性高的工作，如概念圖繪製工作者將會受到重大影響。AI 可以快速探索大量的可能性，在創意開發的階段，成為一個非常好且廉價的助手角色，但是無法替代創作跟創意。
如何培養下一代的 AI 人才
王政堯提醒，台灣希望培養 AI 人才的努力值得讚揚，但要立竿見影地見到成果並不容易，且 AI 技術變化迅速，學生從進入大學到畢業的四至六年間，AI 領域可能就經歷多次迭代。因此，核心應該是基本功的培養，例如電腦科學和線性代數等基礎理論的根基要扎實。
除了技術人員外，對於理解和運用 AI 的資管專業人員也很重要。他們需要掌握 AI 的基本概念，如大語言模型和 Diffusion Model 之間的區別，而不是只了解具體的技術細節。隨著 AI 技術的快速發展，技術應用的工具和技術會迅速變化，專業人才應該保持學習的習慣和靈活性。
另一方面，他提醒，AI 領域的發展也面臨所謂「Platonic 高原化」的問題，即技術成長放緩。雖然大模型如 GPT-4 在快速成長的階段達到了高水準，但隨著技術逐漸進入穩定期，突破的速度可能會放慢。這種情況下，投入資本的策略也會影響技術突破的速度。