机器学习本质上是在数据中发现模式的艺术。这就是为什么企业喜欢它。模式有助于预测未来，预测未来是赚钱的好方法。有时不清楚这些东西是如何结合在一起的，但这里有一个来自20世纪福克斯电影制片厂的完美例子，该制片厂使用人工智能预测人们想看什么电影。

该公司的研究人员上个月发表了一篇论文，解释了他们如何使用机器学习分析电影预告片的内容。机器视觉系统逐帧检查拖车进尺，标记对象和事件，然后将其与为其他拖车生成的数据进行比较。这个想法是，标签相似的电影会吸引相似的人群。

正如研究人员在论文中解释的那样，这正是电影制片厂喜欢的数据类型(他们已经使用采访和问卷调查等传统方法得出了大量类似的数据。）“对于那些投资于不确定商业故事的电影制片厂来说，了解详细的观众构成非常重要，”他们写道。换句话说，如果他们知道谁看什么，他们就会知道拍什么电影。

如果观众组成可以细分为更小、更准确的“微细分”，那就更好了。2017年的洛根就是一个很好的例子。是的，这是一部超级英雄电影，但它有更黑暗的主题和吸引稍有不同观众的情节。那么AI可以用来捕捉这些差异吗？答案是：有点。

为了创建他们的“实验性电影观众预测和推荐系统”（名为Merlin），20世纪福克斯与谷歌合作，使用该公司的服务器和开源AI框架TensorFlow。在附带的博客文章中，搜索巨头解释了梅林对洛根的分析。

首先，梅林扫描预告片，给“面部毛发”、“汽车”和“森林”等物体贴上标签：

虽然此图仅记录这些标签的频率，但考虑到这些对象在屏幕上显示的时间以及它们在拖车上的显示时间，生成的实际数据更为复杂。

正如20世纪福克斯公司的工程师们所解释的那样，这种时间信息特别丰富，因为它与电影类型相关。”例如，“他们写道，”与动作片相比，剧情片更可能采用长距离特写镜头的预告片，而动作片更可能采用快速但频繁镜头的预告片。”这一点对洛根来说绝对正确，它的预告片中有很多休·杰克曼看起来血淋淋的被打的慢镜头。

通过将这些信息与其他预告片的分析进行比较，梅林可以尝试预测哪些电影可能会引起看过洛根的人的兴趣。但这是事情变得有点冒险的地方。

下图显示了去看洛根的人也看的前20部电影。右边的一栏显示了梅林的预测，左边的一栏显示了实际的数据（人们假设是通过使用人工智能之前的“询问人”方法收集的）。

梅林的很多电影都是正确的，包括其他超级英雄电影，如《X战警：启示录》、《奇怪博士》和《蝙蝠侠v超人：正义的黎明》。它甚至正确地将《约翰·威克：第二章》认定为洛根的同床异梦。这是一个令人印象深刻的直觉，因为约翰·威克肯定不是一部超级英雄电影。然而，它的特点是一个同样疲惫和疲惫的主人公，具有一个相对粗糙的外观。总之，梅林确定了所有前五名，即使它没有把他们放在相同的重要性顺序。

然而，更能说明问题的是这些不匹配。梅林预言，泰山传奇将成为洛根粉丝们的一大热门。谷歌和20世纪福克斯都没有对此做出解释，但这可能与Logan中的“森林”、“树”和“光”有关——这些元素在泰山的预告片中也很重要。

类似地，《复仇者》有大量的植物群和面部毛发，但这是一部充满戏剧色彩的奥斯卡电影，而不是一部聪明的超级英雄电影。梅林还将《蚁人》和《死亡池2》作为吸引同一观众的诱饵。这些都是预告片剪辑很快的超级英雄电影，但它们也对主角采取了另类的手法，类似于《狼獾在洛根》中的处理方式。

20世纪福克斯大概已经知道了这一切，但看看人工智能能够和不能发现什么是有趣的。电影业一直热衷于采用人工智能进行此类分析，一些公司已经声称，他们可以通过使用机器学习来挖掘电影剧本，从而预测电影的成功。然而，类似这样的分析表明，电脑还不是电影迷。他们需要在电影院呆更长的时间才能真正预测我们的口味。