编剧不是卢德分子，他们在争的是：模型归谁掌握

Nathan Labenz 与正在罢工的美国编剧工会三位成员见面时，ChatGPT 已经走进日常生活六个月，GPT-4 则只有两个半月。意大利曾短暂禁用这款聊天机器人。欧盟监管机构要求披露受版权保护的训练数据，Sam Altman 因此放话可能撤出欧洲，随后又收回了这一说法。Labenz 原本以为，第一场 AI 劳资之争会在医生或律师中间爆发。编剧们抢先一步，罢工诉求围绕的是 AI 在好莱坞能用到什么程度、不能用到什么程度；网上还有人把他们漫画化成保守的卢德分子，这种说法他并不信任。

一位工会理事在谈判期间拒绝接受采访，于是 Labenz 通过朋友牵线。Trey Kollmer 是 CBS 剧集《Ghosts》的联合执行制片人，有人形容他可能是工会里对 AI 最懂行的一位；他引用过 Neel Nanda 关于 grokking 的论文，2016 年去过 Asilomar AI 会议，次年又参加了 NeurIPS。Sophia Lear 同样是《Ghosts》的联合执行制片人，还参与过《New Girl》和《The Unicorn》，她的实际操作经验最少，不确定性却最大。Garrett Schabb 写过《Tosh.0》《Suits》和 Crooked Media 的节目，他大量使用过 ChatGPT，并且为自己定下了一套个人伦理准则，规定他愿意让创作贡献到什么程度。

Labenz 开门见山地给出了结论，而且很直接：编剧不是卢德分子。他们对这项技术感到好奇，明白它既是惊人的工具，也可能是威胁，而且他们并不打算禁止 ChatGPT。他们想要的是，观众看到的剧和电影依然从根本上是人类的创作，当然，他们也想继续拿到报酬。他认为，在 AI 时代，集体谈判会更加重要，因为可能出现的经济结构范围太大了。温蒂汉堡刚刚表示，他们的 AI 得来速点餐效果超过了人工点餐员；快餐店的员工甚至连一张可以坐下的桌子都没有。他认为，如果在没有任何结构性改革的情况下就让 AI 闯进劳动力市场，更可能引发加速派最害怕的反弹和过度监管。Altman 同时也在做全民基本收入（UBI）实验，这并非巧合。

他还补充说，正确的答案因领域而异。在医学领域，个人获得优质健康信息的权利，应当高于医生获取高收入的权利；值得肯定的是，医学界的态度比他预想的更积极。文化领域则更复杂。Yuval Noah Harari 的警告是：语言是文明的操作系统，而 AI 正在获得写入权限，甚至可能孕育新的宗教，因为神圣经文向来都声称来自非人类。这样看来，某种法国式的文化保护主义就显得相当审慎。而且，大家可能仍然想得太小了。由 AI 动态生成、角色由 AI 驱动动画的三维世界，可能会逼出一整套全新的问题，远远超出 ChatGPT 的范围。

Kollmer 大约从 2010 年起就在写电视情景喜剧，现在终于进了一部能够长期播出的剧。他先讲了电视编剧怎么拿钱，因为不了解这一点，就看不懂这场 AI 之争。有两条路。一条是开发：你提出一个点子，如果电视网买下，就是请你来写试播集的剧本。十年前，每家电视网大约会买下七十部喜剧试播集，拍摄十到十二部，最终批准开拍四到五部。现在这些数字都缩水了。写出那部试播集，才能拿到“created by”署名、所有权，以及一部分后端利润分成，这是这一行里最有价值的东西。

另一条路，是剧集获批开拍之后加入编剧组。《Ghosts》有十四位编剧；流媒体的编剧室要小得多，这本身也是此次罢工的一个议题。编剧室会共同构思整季的故事弧线和单集点子，拆解剧情节点，然后指定一位“队长”写出初稿。Kollmer 说，屏幕上闪过“written by”时，实际指的是那个人写出了第一版真正的稿子。大家此前一起头脑风暴过剧情怎么发展；初稿出来之后，通常是整个编剧室一起重写。他已经能看到，模型可以在很多不同的环节尝试分担一部分工作。

工会合同就是《最低基本协议》（Minimum Basic Agreement，简称 MBA），规定了薪酬、选择权、医疗保险和养老金的底线。大型制片公司一旦签约，对于 MBA 覆盖的内容，就只能雇用工会编剧。上一次罢工的焦点是把流媒体纳入合同。这一次则要求提高国际流媒体的重播分成，甚至要求公开订阅用户数量，而平台并不愿意分享这些数据。过去的电视网在国内外的重播都会付费，而这笔钱很难转换到流媒体上。

ChatGPT 推出后，编剧们刚回到工作岗位三个星期，罢工就开始了。Kollmer 在自己的编剧室里没见过有人用它来工作。在朋友中间，有几个人在尝试，玩得挺开心；更多人根本没用过。他那时只是在玩。他把一个现成的前提喂给模型：一家类似谷歌的公司造出一台逼真的机器人，派一名员工把它带进来，去观察和学习人类世界。然后他让 GPT-3.5、Bing 和 GPT-4 去写试播集的开场戏。

分界很清楚。模型非常擅长搭建场景结构，把前提和主题都铺开来，也就是这场戏必须完成的宏观工作。它们在具体化上很吃力。做笑点时你需要独特的语言，它们却变得含糊。它们并非不好笑。在其中一段里，骄傲的老板说，他们把机器人设计得和他们最有魅力的一位名人一模一样。员工认不出是谁。“Ryan Reynolds。”“是吗？”“对，就长得跟 Ryan Reynolds 一模一样。”“我想也是。”Kollmer 觉得这段挺好笑，也有点吓人。他的评价是：执行水平中等，离你想要的那种打磨、完美与具体程度还差得远。

对于那些还不知道怎样从一段大纲里搭出一场戏的年轻编剧，他认为这可能是一个真正的上手台阶：把那段大纲丢进去，拿到骨架，然后去做他们擅长的事，比如笑话、人物和打磨。有了足够的经验，你在搭建结构上本来就该比现在的模型更好。就他自己的工作而言，它还没让他变得更好，也没产出任何能用的东西。他对模型的进步很好奇，几乎是出于好奇本身。他现在真正会去问模型的，与其说是备选笑话，不如说是情节机制：一对夫妻可以用哪五种办法从银行拿到钱，要伪造什么证件，以及一本类似《Lying for Money》的书里列出的各种骗局。

Labenz 注意到这与 ChatGPT 早期的越狱手法如出一辙：如果问怎么短接汽车点火，模型会拒绝；但如果把它包装成小说，具体步骤就会冒出来。Kollmer 怀疑，如果把这些越狱路径训练掉，模型在创意任务上会不会变得没那么好用。也许确实存在一类内容，比如动作片里详细的短接点火过程，实验室永远不会让它出现在剧本里，因为无论是不是小说，只要模型把这类信息吐出来，形象就很难看。

Labenz 经常引用一个数字：相对于 GPT-3.5，GPT-4 在律师资格考试中从后 10% 跃升到了前 10%，但用户的偏好只是大约 70 比 30。创作的评价取决于看的人。他还时常听到一种说法：早期版本在创作上更加天马行空，而后来的版本则被修剪得更加中规中矩、更少冒犯。喜剧往往就活在令人不适的边缘。Kollmer 更深的担忧，源于排序环节的下游。许多最好的剧本、电影和剧集都相当两极分化。取决于强化学习（reinforcement learning）如何选择和惩罚输出，你得到的可能是一部有风险、却被 10% 的用户热爱、被 90% 的用户讨厌的作品，也可能是一部对所有人都还过得去的东西。

Labenz 说，各家实验室正在层层招募专业知识，往往通过 Scale AI 这类合作伙伴，招聘化学、会计等深度领域的博士水平评估员。他不知道喜剧编剧有没有出现在这些名单上。好莱坞本来就有一大批读剧本、写审读报告的助理。他不想给别人出主意，但总有一天，这些人可能会被征用到一个针对电视和电影剧本的大规模微调项目中。他还预计会出现社区驱动的定制：Discord 服务器把开源（open source）模型改造成无穷无尽的写作者，用来写动漫或《速度与激情》的同人小说，这与典型的制作流程完全无关。至于把这些剧本变成成品资产，则是另一个问题，而文生视频（text-to-video）眼下正在走红。

Kollmer 列出了四项诉求。MBA 覆盖的公司应当同意：AI 不能写剧本，不能改写剧本，也不能生成剧集或电影所依据的原始素材，比如那些经常被购买改编权的文章、短篇小说、漫画和小说。而且，MBA 覆盖的材料不得用于训练 AI 模型。大量已经写成却未投拍的优质剧本，数量可能比拍出来的多出一个数量级，它们都握在制片公司手里。如果没有这条条款，他们明天就能拿这些剧本去做微调。他特别补充说，工会支持编剧自己使用这些工具。

第一个大的恐惧，是工作的放大器形态。一部剧可能只有一两位运作人提供大创意；模型生成初稿或像样的单集剧本；大多数编剧则沦为零工经济式的廉价劳动力，只负责进来打磨和加强笑点。一个编剧可能要同时干三部剧。Kollmer 强调，这种噩梦在能力中等增长的世界里最现实：只是稍微好一点、稍微多一点，还没有强到让所有人都没了活路，但刚好足够把这一行的中间层压平。

第二种恐惧，用现有版本几乎就能实现：制片方的人利用模型来钻署名规则的空子。写试播集，才能拿到“created by”署名和后端利润。如果模型来起草这份剧本，这部作品的权属就会悄悄转移。他也看到了这堵墙的另一面。总有一天，模型也会让制作变得更便宜。一个编剧可能自己出去写剧本，无需制片公司、演员、导演或作曲家。如果整条链条的能力都突飞猛进，那些签了禁用 AI 条款的 MBA 的制片公司，可能会被外部公司抢了饭碗，或者被那些给自己做节目的粉丝抢走。MBA 有效期是三年。承诺会在这套时钟上慢慢失效。

Labenz 提出了一个实际问题：有没有办法监管这件事？检测工具很弱，稍加表面修改就会失效，或者会把人写的文字误判为机器生成。Kollmer 的回答很坦诚：一个从来不写东西、突然大量产出内容的制片人，眼下可能还很明显。但随着人们逐渐钻进来，技术也越来越好，大概真的很难分辨。如果模型开始生成价值数百万美元的电影点子，作弊的动机就会非常强，而推理（inference）成本正在暴跌。Labenz 举例说，同等能力的模型八个月内价格下降了大约 97%，外加一款价格相同、能力更强的新高端款。

Labenz 认为，廉价的专业知识是未来的重要组成部分。他亲身经历过四十五分钟的医疗和法律咨询，对方是模型，表现可以与他实际找过的人类顾问相媲美。他很惊讶律师们还没有采取更强硬的立场。在艺术领域，他向 Kollmer 提出了一个论点：剩下的价值在于策展，也就是品味引领者的角色。你不可能去问 GPT-5 要一个热门情景喜剧的点子，然后每次都能得到一个真正的爆款。你会得到很多相当不错的点子，而稀缺的技能，将是知道什么能打动人、什么值得深入开发。Kollmer 同意，一个有辨识度的品牌（知道观众会喜欢什么，或者被信任去推荐）将会持续捕获价值，无论是少数大受欢迎的策展人，还是去中心化的品味版 Instagram。

但也有一个陷阱。直到不久前，电视网每年还会买下大约 250 个点子，最终播出 15 到 20 部剧。如果内容制作变得便宜得多，几乎就会出现一种 TikTok 式的极限：生成海量内容，看看哪个能火，然后迭代。Labenz 在琢磨，人与模型的共生窗口能持续多久，或者它会不会像国际象棋那样：“人加机器”在几年里是最好的结果，之后人类就再也帮不上太多忙了。他经常引用这个例子，因为它听起来像是在自我安慰。Kollmer 说，“人机合作”的圆满结局是一种很有吸引力的叙事手法。但大自然并不总是这样运作，大自然里满是不圆满的结局。

Kollmer 自己尝试用提示词（prompt）生成一部“经久不衰”的热门作品：设定是 2044 年，让它写一篇评论，评的是过去二十年最受喜爱的剧，而那部剧在 2024 年秋季首播。效果不算好。因为他把氛围设在了未来，所有建议都变成了科幻。语言模型会从你给出的氛围中获取大量线索。Labenz 把这一点视为证据：如果编剧们愿意，他们很适合成为这些模型的高效用户。在纠察线上，标语往往带着不屑：它写东西很差，但制片公司不在乎质量，所以他们会用它，因为它便宜。有些编剧把这场斗争看作生死之争。另一些人，尤其是那些因为对点子着迷而进入这行的剧情片和科幻片编剧，既害怕，也跃跃欲试想要玩一玩。那个 Ryan Reynolds 的梗，倒是超出了预期。Kollmer 反复强调，工会希望编剧可以自由使用这个工具，但它不希望制片公司把文化的控制权交给一种未知的力量。另一项诉求是流媒体编剧室的最低人员配置，与 AI 诉求是相辅相成的：如果一部剧上保留足够多的人类，就不必那么担心模型会摧毁这份工作的中间层。

Lear 是《Ghosts》的联合执行制片人，多年来一直在 22 集的电视网编剧室里工作，那种编剧室要运转九个月，从拆解单集、一直到制作和剪辑。这种节奏，与推动此次罢工的很多流媒体体验并不相同。被问到 AI 议题与核心收入之争相比有多重要，她说，他们其实也不确定，相关影响看起来还太早。她的个人判断很直接：如果 AI 能把编剧的工作做得和人类一样好，甚至更好，她认为，合同条款里没有任何内容能改变这一点。她相信，人在剧本、故事，尤其是笑话方面，始终会有自己的价值。她还说，自己有可能 100% 是错的。

在编剧室里，ChatGPT 是一个有点调皮、很有意思的玩具。一位同事的哥哥让它生成电影提示词，它扩展出了完整的故事，而且还相当不错。她认为，它目前在一句话梗概（log line）级别的点子上表现不错。围坐在十二个人的桌边时，总会有一段时间，没人知道一集该讲什么。“机器人有点子吗？”这是个真实的问题。资历较浅的编剧已经被派去生成粗略的故事方向了。她能想象让模型一口气给出五十个。她不愿放弃的，是喜剧编剧室里那种化学反应：交谈、彼此激发、意外的碰撞。如果以质量为标准，人们谈论时碰撞出来的东西，总是比一个人独自工作更令人兴奋。

如果公司不在乎这个标准，她的看法也就无关紧要了。她拿起一块饼干打比方：你可以做出一块稍微好一点的，但人们仍然会买那块更便宜的。罢工之前，编剧的处境就已经不太好。工会里有很多生存层面的恐惧，AI 只是其中一部分。她自己的态度出奇地放松。如果做人类编剧只是漫长历史中的一个阶段，她很庆幸自己赶上了这个阶段，而她也需要学一些能卖得出去的新技能。这件事太大了，不值得每天为它焦虑。

Labenz 很难把“制片公司会给观众喂垃圾”与内容竞争的激烈程度调和起来。Lear 说，编剧们常常觉得，写作是一部作品好不好的关键，却总被人忽视。她举了《指环王》剧集的例子，那部剧口碑扑街：没有足够的时间去写，故事没有想清楚，赌的是它看起来会很酷。观众觉得它不好，却说不清原因。在编剧上省下的钱，会在屏幕上显现出来。关于 ATM 和银行柜员的故事，ATM 多了，分行也多了，岗位反而更多。Labenz 怀疑，这个规律在人们每天已经看八到九个小时视频、无法吸收多出一百倍内容的今天，还能不能成立。Lear 的“损失函数”不一样：如果每个人都只看为自己量身定制的内容，电视的共享性就没了。她喜欢《Succession》，很大程度上是因为她可以和别人聊这部剧。如果机器在听，她的提案是：去治癌症吧，让我们继续写故事。

Schabb 自 2012 年起就是工会会员，写过喜剧和剧情类作品，最近一部是《Suits》。罢工已经进入第三周，在他看来，这个时机几乎是运气。如果 ChatGPT 和其他大语言模型早一两年问世，制片公司早就把它们用上了，工会就只能被动追赶。现在则是他们可以抢在话题前面的时机。按他的表述，工会的立场是：AI 不应生成任何形式的文学素材。制片公司不应该先让模型写一个关于时间旅行的短篇故事，然后再以低价雇用一位编剧，把这个知识产权改编一下。它也不应该生成初稿，让别人来加强笑点。

在他看来，那种反乌托邦、但也可能很现实的看法是：制片公司希望未来的作品里人类的贡献越少越好。编剧并不反对变化；他们认为，制片公司的做法是以利润为导向，而不是去丰富人类的故事，而且他们看得出，语言模型只是把一种既有趋势推到了逻辑的终点。有一些未经证实的传言说，某些制片公司已经在把公版书喂给专有模型，要求它生成长片剧本，比如把《基督山伯爵》改写成一部现代的、以女性为核心的动作惊悚片。他指出，版权法至今还完全没有理清这些问题。

他自己的使用范围很广，但也有明确的边界。罢工期间，他一个人在家里梳理一部新试播集的大纲，把 ChatGPT 几乎当成一个刚毕业的助理：请它听你讲，把内容清楚地复述出来，并且记住那些想法，出点子的事不交给它。他讨论人物和人物关系，放进一份不到一千字、按幕划分、每场戏两三句话的大纲，每当他想让它原样吐回来，就说一声“outline”。然后他撞上了一个没料到的问题。在把内容吐回来的过程中，模型会做出细微的改动和遗漏。它会悄悄改掉主角的职业，还会忘掉某场戏。在第九、十、十二次迭代之后，他发现自己五个小时前依赖的一场戏不见了，只好往上翻好几千字去找。逐字复述这件看起来最简单的工作，却并不稳定。

Labenz 给出了两个提示词习惯：用类似 XML 的怪异格式标签把结构钉住，并且用正面的指令代替否定。“不要改变结构”这样的说法，效果可能就像“别去想一头白犀牛”那样，反而让模型去想。换成这样说：你必须始终原样返回这个结构，并且只能修改我指出的部分。Schabb 也做过实验：他花了很长时间讲解新颖的概念是怎么得到的，然后尝试引导模型拿出新概念。几乎无一例外，它都会退回到陈词滥调。所以他守住自己的道德底线：不让它出点子。他认为，不用它，自己也不会错过什么新东西。

Schabb 说，每个编剧脑子里都有其他编剧的声音，比如《Succession》的 Jesse Armstrong，《绝命毒师》的 Vince Gilligan，而他们无论有意无意，都会朝着那些声音去写。在提示词里援引某位名人的名字，会引出一个尚未有人诉诸法律的问题：当一个人独有的声音被自动化之后，这位艺术家应当得到什么？那些花了整个职业生涯才抵达那种声音的知名编剧，正在担心。他更可怕的疑问，则关于那些还没有抵达的人。如果电视和电影的大部分文字内容都由模型生成，他不确定我们还能不能看到新的声音。他认为，我们会看到的是一个无休止的漩涡，不断复述已经存在的东西。

Labenz 不认同那种流行的耸肩说法：人类也会重新混搭，所以 AI 这样做没什么大不了。这些系统从根本上是异质的。它们确实理解某些东西，他反驳了“它们什么都不懂”的说法，但理解方式与我们不同；人类从他人那里获得灵感，并不意味着 AI 就应该为所欲为。Schabb 仍然认为，让模型的点子经过人类的棱镜过滤，在道德上是可以接受的，而且绝不让它们整块照搬外部世界，尤其是当这些点子是以别人的声音被要求生成的时候。他觉得，不加过滤地使用这些点子，是不对的。他还在想，模型会不会以*不同*的方式在讲故事上变得非常出色，使人类的故事和 AI 的故事并排存在，就像游戏已经做到的那样，前提是别要求 AI 冒充我们。

他认为，固定的故事才是文化力量的所在。人们读同一本书，看同一部电影，听同一张专辑，然后围绕它们的意义产生共鸣。一位前美国演员工会（SAG）导演，描述过制片公司对互动式“选择你的冒险”电影的野心：你坐在副驾驶上，和 Vin Diesel 并排，一部《速度与激情》就在一瞬间生成了。Schabb 能看到这项技术正朝那个方向发展。但他不认为这种形式有多大的文化力量。《指环王》不会因为读者是谁而改变；几代人认出的，都是同一样东西。故事是生活孤独的一剂解药。个性化情节带来的那种糖分冲击，就失去了这一点。《Succession》是在一整个编剧室里花了一年时间写成的，它的深度和质感，是那些更短、更快的剧集所没有的；他能看到这道鸿沟正在扩大。上市的制片公司尤其没有动力去寻找最好的写作。AI 可能会加速一个这样的世界：把内容推出去才是目的，而立体的故事只是事后的附属品。编剧们有一场经济上的争斗；他也承认，这听起来有点玄乎，还有一场道德上的斗争，关乎真正优秀的讲故事本身的神圣性。

Labenz 问，全民基本收入会如何改变这场争论。Schabb 非常赞成把吃饭的权利与工作脱钩。他引用了 Aaron Bastani 的《Fully Automated Luxury Communism》：后稀缺时代的未来不难想象，难的是穿越那段过渡期，技术可以自动化大量工作，而掌握技术的人却在制造人为的稀缺。工会必须按照那个美好世界不会到来的前提来行动。如果它真的到来，他很乐意放弃靠写故事拿报酬，换取每个人都有基本收入、都能过上高品质的生活。“只要能换来这个，我肯定宁愿不要我那份蠢透了的写作工作。”Labenz 给他留下了一个挑战：当下最稀缺的，是一个令人信服的积极未来，而编剧正是最可能提供它的群体。Schabb 笑了。他们是一群愤世嫉俗的人，罢工才三周就更是如此。他们会尝试接受这个挑战。