胡佐 陈如华丨未来戏剧：呼唤全栈人才
以人工智能为核心的第四次工业革命正影响着人类的生产和生活方式，在戏剧领域中，生成式AI所释放的生产力已成为戏剧创作过程中的好助手。这股浪潮突破戏剧传统的边界，创新戏剧的形态，重塑戏剧创作人才的角色和定位，并为戏剧带来前所未有的可能性。
突如其来的变化正呼唤着戏剧全栈人才的出现，戏剧高等教育急需采取一系列变革以呼应时代需求。
【突破戏剧边界、创新戏剧业态】
人工智能的介入不仅是一次技术上的迭代，而是对戏剧本质与边界理解的一次深刻挖掘。随着人工智能从辨别式走向生成式的转变，戏剧行业面临着前所未有的挑战与机遇。
戏剧的动态流变是随着社会的进步、文化的演变以及技术的革命而形成的。生成式AI的应用，使得戏剧创作不再局限于人类艺术家的想象力，而是开启了全新的创作模式——一种能够深度学习和模仿人类情感、故事结构乃至复杂社会关系的模式。这不仅为戏剧作品带来了新的内容和形式，也为观众提供了前所未有的观剧体验。
例如，通过人工智能生成的剧本能根据观众的反应实时调整剧情，或者创造出完全由虚拟角色和机器人演绎的戏剧，生成式AI可为戏剧舞台视觉艺术家提供场景塑造的辅助工具，根据剧本的特定情境和需求，自我生成配套的布景和灯光设计方案。在观众反馈分析的环节，可以实现对市场反馈的实时监控，帮助制作人做出快速决策。
在整个动态化的过程中，戏剧艺术家们不断自我革新，形成人工智能时代下戏剧创作与研究的新模式，推动戏剧边界的再次拓展。
【专属戏剧AI模型、培育戏剧全栈人才】
就生成式AI应用范围而言，主要分为通用创作模型和专属创作模型两类。
通用创作模型，广泛应用于各类领域，如写作、绘画、音乐作曲等。其极广的适应性降低了艺术创作的准入门槛，通过调整其参数，可以灵活地满足不同类型的创作需求。然而，该类模型难以深度聚焦于某一具体艺术形式的特性和规律，缺乏更准确的理解和掌握特定艺术领域的能力，也可能导致艺术应用的同质化，对艺术原创性的价值构成挑战。
专属创作模型主要专注于某一特定的创作领域。这类模型通过深度学习或迁移学习独特的艺术规则和模式，自主生产出符合特定风格的作品。其精密性和垂直性是主要优势，提供了一种对特殊艺术形式更深度的认识和模拟方式。
2023年5月，百度创始人、董事长兼首席执行官李彦宏发表了《大模型改变世界》的主题演讲，他表示，“当下，我们正处在全新起点，这是一个以大模型为核心的人工智能新时代……未来，所有的应用都将基于大模型来开发，每一个行业都应该有属于自己的大模型。”戏剧领域便是其中的潜力领地，专属的戏剧AI模型的发展和应用将是未来的重要方向。
专属戏剧AI模型的研发意味着能更高效、精确地构建剧本，更深度地挖掘和理解剧本中的人物关系、情节发展等方面，进一步贴近实际表演的指导和设计，使得戏剧创作更具创新性和前瞻性。
然而，仅依赖专属戏剧AI模型并不能解决所有问题。AI技术与艺术创作的结合，也需要对接收教育者，即戏剧领域学生或从业者进行全方位的培养。从该角度出发，戏剧全栈人才的培育显得尤为重要。
“全栈”来源于英文Full Stack Developer，意为“全栈工程师”。全栈可被引申为能利用多种技能独立完成作品的人。戏剧全栈人才应该包括两个主要方面的能力：一方面是对戏剧艺术的深入理解和熟练掌握，包括编剧、表演、导演等多个维度；另一方面是对AI技术以及戏剧AI模型的理解和应用能力。
基于现有的戏剧教育模式和策略，将这两个方向相结合，形成全新的人才培养模式，使得戏剧学子们既能理解和创作传统戏剧，又能熟悉和掌握前沿的AI技术。
【包容多元变革、优化人才策略】
纵观历史，科技始终在为戏剧赋能。如，用于戏剧布景幻觉呈现的绘画透视技法、源自于帆船航行技术的剧场绳索换幕系统、将影像融入戏剧表现的电影放映机等。戏剧一直以其包容性而推动着自身的发展，吸纳并跟上科技多元变革。
AI应用催生的全新业态为戏剧全栈人才提供广阔的发展空间，引发对此类人才的大规模需求。
在此背景下，就戏剧人才培养而言，应以更高的视野纵观全局，构建出具有广阔性和适应性的教育模式，旨在让学生掌握与展现人工智能等先进信息技术相结合的多元技能。注重跨学科交融，比如加入计算机科学、数据分析和自然语言处理等新兴领域的学科内容。同时，创新思维、团队协作、持久学习、领导能力等都是戏剧全栈人才应当具备的素养。
如果戏剧高等教育依旧保持现有课程体系，可能将面临新一轮科技革命的挑战以及对人才优势的削弱。戏剧全栈人才的培育是当前戏剧高等教育需要思考的重要课题，打通戏剧艺术和AI技术之间的通道，才能适应并引领戏剧艺术在新技术环境下的发展，提升戏剧领域人才的竞争力，使其不仅在现有的戏剧艺术中有一席之地，更能在未来AI与戏剧艺术深度融合的新局面下立足并创新。
期待在戏剧全栈人才的作用下，能见证一个以技术驱动、艺术创新为主导的新戏剧时代的到来。
作者：胡佐 陈如华
文：胡佐 陈如华 图：人工智能生成 编辑：周敏娴 责任编辑：邵岭
转载此文请注明出处。