[新聞] 演算法電影 algorithm movie

看板Video作者filmwalker (外面的世界)時間3周前 (2025/11/09 09:34)推噓1(1推 0噓 0→)

留言1則, 1人參與討論串1/1

https://www.facebook.com/share/p/1ZQeEor9WB/ Netflix 的演算法邏輯，早已不只是單純的「推薦內容」，而是直接介入「內容的生成方式」。這篇衛報的評論提出了所謂的「algorithm movie」（演算法電影），一種被平台的數據邏輯所規訓出的影像形式。「演算法電影」被設計成「可置入背景觀看」的產品：即使觀眾並非全神貫注，也能在邊滑手機、邊煮飯時輕易理解劇情。為了維持這種「不中斷的理解」，劇本往往要求角色清楚說出自己的動機，敘事結構明確、節奏平均、風格中性，整體被壓平為一種可被演算法「辨識」的常態，避免任何偏鋒或突兀。這類電影的生成，受到「數據–演算法–推薦機制」三位一體的邏輯所主導。Netflix 將觀眾行為標籤化，發展出成千上萬個 alt-genres（子類型），並以機器學習分析「哪些子類型的組合，最能留住觀眾的眼球」。結果是：平台不只是判斷觀眾想看什麼，而是藉由內容的生產，反過來塑造觀眾「應該如何觀看」，創作者也因此被迫在這種邏輯下自我馴化，在企劃階段就預想數據的接受度，而非創作的必要性。如何維繫觀眾的「注意力」，如何確保閱聽人不「放棄追劇」，變成比以往電視台即時收視率更強制的創意枷鎖。於是，「演算法電影」成為一種文化現象，它的任務不再是開創形式，而是維持平台流暢運作的「注意力機器」。影像被優化為「可背景播放的舒適串流」，不再要求觀眾思考、專注，或面對難以歸類的情感與形式。當然，電影工業在前期募資、pitching 及籌備階段試圖預測觀眾反應的現象並非新鮮事。從好萊塢黃金時代起，片廠便習慣透過焦點團體試映、問卷調查，甚至更極端的觀眾心率測量等方式，在「上片前」就不斷修正作品內容，甚至更動電影結構乃至於「結局」。換言之，觀眾反應一直是電影工業的重要指標，只是過去這種控制仍侷限於樣本化、片段式的，有點類似於「補漏洞」的測量。而Netflix 的不同在於，它將這套制約邏輯推進為一種即時、全面、數據化的預測模型。觀眾的點擊、暫停、跳出、重看次數，全都被轉化為可運算的行為向量，並即時反饋至最前端的內容生產鏈。換言之，演算法電影不再被動等待焦點團體的「意見」，而是從構想階段起就被模型訓練來滿足統計上的偏好。它預設觀眾的注意力模式，並以預期的「反應」去生產最符合「留存率」的敘事。這正是為什麼演算法電影的「預測性」遠比傳統片廠更具結構性暴力：它不僅根據觀眾反應進行修正，而是在影片尚未誕生之前，就預先且大幅度地刪除了絕大多數的不確定性。因此，我們面對的不只是電影風格的改變，而是一個更深層的問題：當串流媒體以數據定義何謂「可理解」、「可測量」與「可見」，藝術中的模糊、停頓與歧義，是否正被系統性地刪除？在這樣的脈絡下，我覺得David Lynch 晚年的幾個計畫屢遭 Netflix 拒絕，最終的作品無法完成，成為影迷心中遺憾，便成了某種象徵事件。Lynch 的作品語義模糊、節奏突兀、心理晦暗，拒絕任何可預測或可解析的敘事，正好違背演算法電影的全部前提。他拍攝的是潛意識、陰影與語言崩解的瞬間；他要觀眾經驗的，是未知、不安與失序。凡此種種，正是演算法最無法「預測」與「量化」的部分。在藍絲絨裡，Dennis Hopper 扮演的 Frank Booth 對那個乾淨、可控、虛假的世界不斷地咆哮：「Fuck that shit!」。雖然粗鄙俗氣，但那或許正是面對演算法電影時，所有仍相信電影是關於神祕、風險與自由的創作者，唯一誠實的回應。只是如今的演算法，大概會把 Booth 罵完這句話後，接上的那句「Pabst Blue Ribbon」，誤讀成一個「豪氣暢飲」的幽默迷因梗，並貼上幾個 alt-genres 標籤：binge-drinking、alcoholism、 mid-80s nostalgia、甚至誤標為 feel-good movie。然後，推薦給演算法裡，潛在符合這幾個子類目的所有用戶們。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 219.71.168.102 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Video/M.1762652074.A.82B.html