CNET科技资讯网 1月12日 北京消息(文/周雅):张爱玲有一句话”出名要趁早”,可我们都知道电影行业有一个不太成文的规矩,尤其是导演这个行当,需要熬资历。互联网平台的出现,给这些年轻人创造了更多机会,于是从2014年起,市面上出现了越来越多的网络大电影、网剧、互联网视频,而视频平台成为了这些年轻人“熬资历”的小社会。
基于此背景,1月10日,爱奇艺与北京电影学院在京宣布达成战略合作,双方将在人才培育、作品及活动扶持、IP开发和项目基金合作、校企合作等领域进行深度合作,共同为网络大电影及网剧产业培养专业人才,打造精品内容。
北影的人才库一直是中国影视行业永不缺席的大角色,北影青年电影制片厂,是学院派跟新学院派电影创作的阵地,拥有“中国电影人才的摇篮”之称。80年代初的学院派有谢飞、田壮壮等一批教师导演,他们普遍有现实主义的创作情怀,创作了100多部作品,成就了学院派那个年代的辉煌。
而到了现在新的文化产业环境下,互联网的发展格局摆在面前,北影希望顺应“新学院派”作品的方向。北京电影学院副校长、青年电影制片厂厂长俞剑红现场说,“在商业电影的大潮中我们不能缺失缺位,所以我们提出一个概念,我们要有自己的创作情怀,保证艺术品质的基础上,要弘扬主流价值,要关注市场,所以我们提出新学院派。”
“新学院派”不是横空出世,而是继承了北影学院派的创作风格基础。俞剑红说,为了朝着这个方向使劲儿,北影一方面希望为在校学生拓展更多元化、更丰富的创作平台,另一方面需要培养高素质、复合型国际化人才,同时也需要很多创作资源,因此北影希望和爱奇艺的合作,完善实践教学体系。
此前,爱奇艺也与北京电影学院有过一系列合作,如爱奇艺协办北电举办中国电影表演艺术学院奖、支持编剧大讲堂、青年编剧培训班等。
然而随着网络剧、网络电影、网络综艺、互联网视频的突然爆发,爱奇艺一路“野蛮生长”。
爱奇艺创始人、CEO龚宇表示,爱奇艺的立足点在于一个播放平台,同时也在投资,甚至有自己的制作团队,但就是“导演缺、编剧缺、演员缺、制片人缺”。
龚宇觉得,技术和互联网的进步虽然会淡化电影艺术呈现的边界,但不会改变骨子里人才对于电影的重要性。
所以在这种人才奇缺、匮乏的情况下,对于和北影的合作,爱奇艺是迫切渴望的,不但可以培养出优秀的人才,并且未来一定能创造出各种形态最优秀的作品。
据爱奇艺高级副总裁杨向华介绍,在爱奇艺,电影处于金字塔顶端,有采购或者合作院线的国内新片、采购国内不上线的海外新片、海内外老电影片库和爱奇艺自制网络大电影四个类别。
爱奇艺自2014年提出“网络大电影”的概念和点击分账模式。“观众付费观看之后,爱奇艺会在这些付费观众的钱中拿出一定比例用于采购电影或者分账,以及分给合作伙伴。”杨向华介绍。
在去年,整个院线电影采购市场的金额预估30到50亿、院线票房457亿,通过互联网付费市场的发展,电影行业除了从电影院获得票房分账以外,在电影院之后也创造了一个比较大的市场,这种模式渐渐形成了一个生态。
形成了生态之后,市面上的网络大电影也越来越多,从2015年的689部上升到2016年的2500部,可以说是爆发式增长。再加上爱奇艺公布票房分账、“大师监制计划”及“内容价值观说明”等一系列举措的发布,网络电影市场日趋规范、加速繁荣,爱奇艺成为推动中国网络电影制作发行的坚实平台。
“在以往短片的时代,可能每年有少量的作品,以微电影的形式或者以电影节的形式出现,让作品见到观众。但是在现在中间态,除了院线电影之外,在中间的很多电影的人才或者公司是没有机会让他的作品见到观众,更不用说让作品能够有收益。”杨向华说。
因此,互联网播放的网络大电影作为院线和短片中间的一种业态,从数量、从质量、从爱奇艺的分账金额对院线电影是一个极好的补充,同时这些制作网大的人才,通过这样的锻炼,他能够成长起来,能够有机会去拍摄院线电影。
杨向华预测,未来几年网络大电影版权的市场可能跟院线电影票房的市场相当,这就会为院线电影的回收成本又增加了一个新的渠道,而且这个规模可能跟院线电影的票房分档相当。
这么说来,爱奇艺和北影的合作,是为网络电影类制作公司或人才创造了一个平台,也为网络大电影市场提供更多可能。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。