2026 年 10 月 29 日
埃隆·马斯克的 Grok Imagine 系统近期发布了一部时长七分钟的《奥德赛》AI 生成短片，作为计划中的全长电影第一集。尽管该片在视觉细节上达到了较高水准，但媒体与评论界普遍认为其未能成功传递人类情感，引发了关于人工智能在艺术创作中局限性的讨论。
“恐怖谷”效应与批评声音
这部短片讲述了一位父亲为逃避战争而假装疯癫，最终被迫揭露真相并离开家人的故事。然而，观众对这一叙事的情感反应普遍冷淡。卫报影评人彼得·布拉德肖（Peter Bradshaw）指出，影片具有“不可思议的山谷股票镜头质量”。《每日电讯报》则形容其为“粗糙且可怕”，而《滚石》杂志观察到演员被评价为“无灵魂”和“僵硬”。
尽管整体评价偏向负面，部分技术媒体仍肯定了其在特定视觉瞬间的表现。TechCrunch 报道指出，某些独立镜头提供了合理的现实模拟。Digital Trends 的保罗·瓦尔加斯（Paul Vargas）写道：“一些最好的镜头没有演员出现……古老的景观延伸至远方。脏手的特写暗示人们触摸的是比键盘更粗糙的东西。在几秒钟的时间里，幻觉依然存在。”
瓦尔加斯同时强调，当画面中的人物开始移动，尤其是开口说话时，效果显著下降。
静态景观易成，动态叙事难继
当前的人工智能视频生成技术主要基于已学习的模式计算后续图像序列。在 Grok 制作的《奥德赛》中，可以看到阳光反射在抛光青铜胸甲上的细节、牛身后飞溅的干泥块以及风吹动涅洛佩长袍的动态效果。
然而，制作高保真静态图像与构建连贯、可信的动态世界之间存在巨大鸿沟。虽然静态景观或几秒的特写镜头可能视觉效果良好，但一旦涉及人物运动，AI 工具难以在不同镜头间保持角色特征的一致性。
成功的叙事需要场景与前文事件紧密相连，观众需理解角色的动机、渴望及面临的阻碍。仅展示驶向特洛伊的大规模船队镜头，虽具视觉冲击力，却无法让观众关心船上人物的命运。
情感表达的复杂性
让人工智能生成的角色自然表达情感是另一大挑战。AI 可以模拟悲伤或愤怒的面部表情、泪水和手势，但人类情感的微妙之处远超这些表面信号。例如，一个人可能在紧张时微笑，在极度不安时保持沉默，或试图隐藏恐惧。当数字角色的表情出现细微偏差时，人类大脑能迅速察觉这种不协调。
人性的本质包含不完美，而 AI 生成的电影往往难以捕捉这种特质。许多经典电影时刻源于即兴发挥而非预设脚本。例如在《心灵捕手》中，罗宾·威廉姆斯即兴讲述了关于亡妻的故事，马特·达蒙的真实笑声被导演保留下来。
生成模型通过以不可预测的方式结合图案，确实能产生视觉惊喜，如光线穿过角色面部的意外效果。表面上看这像是大胆的艺术选择，但对于算法而言，诗意的阴影和视觉瑕疵仅是统计上的变化。由于缺乏对人类悲伤、爱情或戏剧性张力的认知，AI 无法赋予这些元素真正的情感重量。
观察者偏见与艺术本质
Grok 版《奥德赛》的评价也受到了“已知其为 AI 生成”这一背景的影响。研究表明，当我们知晓艺术作品由非人类创造时，往往会对其产生偏见；但在某些情况下，人们也可能偏好 AI 生成的图像而非人类作品。我们对艺术的感知不仅取决于视觉内容，还取决于我们对创作者身份的认知。
围绕该短片的辩论触及了人类本质及我们在艺术中珍视的核心价值。《奥德赛》之所以流传数千年，并非仅因其中的战斗、怪物或木马情节，而是因为它是一个极具人性化的故事。
目前的技术可以让 AI 生成千艘战船的壮观场面，但最难的部分在于让观众感受到一次告别的沉重代价。
