好莱坞编剧罢工第三周，三位编剧把AI的底细聊透了

2023年5月，一万多名好莱坞编剧放下键盘走上街头，罢工清单里第一次出现了AI相关条款。此时ChatGPT上线刚满六个月，GPT-4发布只有两个半月。

火药味那阵子到处都是：意大利暂时禁了ChatGPT，欧盟要求披露训练数据里的版权材料，OpenAI的Altman先放话最坏情况退出欧洲，几天后改口说「没这计划」。好莱坞只是最新开打的一条战线。

播客Cognitive Revolution的主持人Nathan Labenz原本猜，第一场因AI爆发的劳工冲突会发生在医生或律师身上，结果编剧抢了先。网上有人把编剧讽刺成砸机器的卢德分子，他不信这个判断，托朋友找来三位编剧工会成员，录了三段访谈。

三个人正好是三种样本。Trey Kollmer，CBS喜剧《鬼屋欢乐送》的联合执行制片人，被同行视为工会里最懂AI的人，2016年就去过AI安全圈著名的阿西洛马会议，次年又去了NeurIPS，聊天里能接住Neel Nanda那篇「grokking」论文的话题。Sophia Lear，同样在《鬼屋欢乐送》任联合执行制片人，写过《杰茜驾到》，对AI基本零上手。Garrett Schabb，写过《Tosh.0》和《金装律师》，把ChatGPT用得很深，甚至给自己立了一套使用守则。

聊完之后Nathan的总结很直接：编剧们不是卢德分子，他们好奇AI，也承认它既是神奇的工具又是现实的威胁；他们要防的有两件事，AI本身，还有拿着AI的制片厂。

先看懂编剧怎么挣钱，才能看懂他们在防什么

Trey先把行业机制讲了一遍。编剧挣钱有两条路：一条是开发新剧，去电视台pitch创意，卖出去就受雇写试播集剧本。十年前，每家电视网一年大约买70个喜剧试播剧本，拍出10到12个，最后拿到下一季档期的只有4到5个。现在这些数字全缩水了。

关键在于，真正写出试播集剧本的人拿「created by」署名，拿剧集所有权和后端分成，这是行业里最值钱的东西。

另一条路是加入已获绿灯的剧组。《鬼屋欢乐送》有14个编剧，流程是全屋一起头脑风暴季弧线和单集点子，拆解情节节拍，然后每集指定一个「船长」写初稿，写完全屋一起改。屏幕上打出的「written by」，意思只是这个人写了第一稿，点子是全屋人聊出来的。

工会合同叫「最低基本协议」（MBA），规定各类工作的报酬下限、选项条款、医保和养老金。签了MBA的制片厂，在覆盖范围内只能用工会编剧。上次罢工把流媒体纳进合同，这次争的是国际流媒体分成，可平台连订阅数都不肯公开，分成无从算起。Sophia补了另一头：她做的是22集的电视网剧，编剧室一开九个月，从出点子到跟制作、跟剪辑全程参与。

ChatGPT实测：骨架搭得不错，细节全是空气

Trey拿一个搁置已久的创意做了实验：一家谷歌式的公司造了个逼真机器人，安排它搬进一名员工家里，观察和学习人类世界。他把设定喂给ChatGPT，让它写试播集的开场戏，GPT-3.5、Bing、GPT-4都试了。

结论分两半。搭结构它在行，一场戏该交代的前提、该埋的主题全能铺出来；可你要它往下钻，给出具体的、独有的语言，它就开始含糊。笑话恰恰靠具体。

不过它也没那么不好笑。它写的老板得意地介绍：我们把机器人做成了公司里最有魅力的那位名人的样子。员工认不出来，问是哪位。「Ryan Reynolds。」「是吗？」「对，它长得跟Ryan Reynolds一模一样。」「……好吧。」Trey说这段他真觉得好笑，也有点吓人。

他的判断：现在的模型干得了中等水平的执行，够不着顶级成品的抛光。对新人编剧反而可能是台阶，把一段大纲喂进去，拿回一场戏的骨架，再干自己擅长的部分，写笑点，贴人物。

他还试过一个刁钻的提示词：设定现在是2044年，让模型以当年影评的口吻，回顾2024年秋天首播、此后二十年最受爱戴的神剧。结果因为提示词里全是未来感，模型给的剧名清一色科幻。语言模型对「氛围」极其敏感，你给什么调性，它就顺着什么调性滑。

Nathan补了个数据：GPT-4在律师资格考试上把GPT-3.5从后10%拉到前10%，盲测里用户偏好却只有70比30。创意评价本来就主观，怎么训练、怎么排序，直接决定产出的性格。

这里藏着Trey最担心的一点：最好的剧本往往冒犯一半观众。如果训练时的排序偏好天然偏向「所有人都觉得还行」的输出，模型就会系统性地远离那种10%的人热爱、90%的人讨厌的冒险之作。为了封堵越狱，模型还被不断修剪，比如用「这是小说创作」的框架骗出汽车点火步骤的口子。Trey觉得，修剪危险内容时，创作上的野性可能也被一起剪掉了。

Garrett的用法更日常。罢工期间他在家写新剧大纲，把ChatGPT当刚毕业的助理：不问它要点子，只让它复述、保管、整理自己的想法。大纲不到一千词，按幕分场，每场两三句话，敲进去之后每次说「outline」，让它原样吐回来，再口述修改。

然后他撞上意料之外的坑。模型回吐时会偷偷动手脚，主角的职业被悄悄换掉，某场戏凭空消失。改了九到十二轮，他发现五小时前依赖的一场戏没了，得往上翻几千词去找。「原样复述」这件看起来最简单的事，模型做不稳。Nathan给了两个解法：用固定的格式标记把结构钉死；指令改成正向表述，别说「不要改结构」，说「必须原样返回，只允许修改我指出的部分」。否定句在模型那里经常反向起作用，跟「别想白犀牛」一个道理。

至于点子，Garrett做过实验，花大量时间给模型讲解新颖概念是怎么诞生的，再让它出新点子。几乎无一例外，吐回来的全是陈词滥调。所以他守住了自己的道德线：不问它要pitch。

访谈里还有一段关于「人机协作」的清醒对话。Nathan提了国际象棋的先例：人机组合曾经是最强下法，几年之后人类就帮不上忙了。他觉得「人和AI一起干效果最好」这个叙事，在很多领域大概率是安慰剂，听起来像好结局，自然不按好结局运转。价值会转移到哪？Nathan猜是「品味」：生成点子越来越便宜，判断哪个值得开发越来越值钱。Trey同意，还补了个数字：以前电视网一年买250个创意，最后播出15到20部；内容生产便宜到极致，行业就会TikTok化，海量生成，看什么能火，再快速迭代。

工会的四条诉求，和两个真正的噩梦

罢工清单里AI相关的诉求有四条，Trey逐条列了：

• MBA覆盖的公司不得用AI写剧本；
• 不得用AI改写剧本；
• 不得用AI生成影视改编所依据的原始素材。以前买一篇文章、一本漫画的改编权很常见，工会要求这条通道不许换成模型生成；
• MBA覆盖的材料不得用于训练AI。写完没拍的高质量剧本可能是拍出来的十倍，全在制片厂手里，没有这条，制片厂随时可以拿它们微调模型。

工会同时明确：不反对编剧自己把AI当工具用。

真正的恐惧藏在后面。第一个噩梦是模型成为力量倍增器之后的工作形态：一两个掌握核心创意的运作人（showrunner），配上模型生成的合格初稿，其余编剧全部降格成零工经济里的廉价润色工。一个编剧同时干三台戏。Trey强调，这个噩梦在能力「中等速度进步」的世界里最现实，模型每好一点点，就压扁一层中间岗位。

第二个噩梦用现有模型就能干：让AI炮制那份本该换来「created by」署名和后端分成的试播集剧本，编剧的产权被悄悄拿走。

Nathan追问执行层面：怎么监督？AI检测器既容易被浅层改写骗过，又经常误伤真人写的文字。Trey承认，现在一个从不写作的制片方要是突然疯狂产出，还能看出来；技术再进一步，基本查不出来。

Garrett补了工会的完整立场：AI不得生成任何形式的文学素材。制片厂不能让大模型写个时间旅行短篇，再雇编剧以折扣价改编。他还提到业内传闻，一些制片厂正把公版书喂进自研模型生成长片剧本，指令类似「把《基督山伯爵》改成现代女性主导的动作惊悚片」。

他自己觉得时机纯属运气好。ChatGPT要是早一两年发布，制片厂早就用上了，工会连坐上谈判桌讨论规则的机会都没有。

还有一条跟AI纠缠在一起的诉求：最低编剧人数。流媒体订8集，编剧室开几周就散，全屋头脑风暴完，运作人自己把所有集写完。人保住了，AI的威胁就小一半，两条诉求是联动的。

三个人，三种心态

纠察线的标语上写的是「AI写得烂」，Trey观察到的真实心态分好几种：有人觉得AI现在不行，可制片厂不在乎质量，便宜就够；有人当成存亡之战，要拼死一搏；还有一批写科幻和剧情类的，当初就是冲着「点子」入行，反而兴致勃勃地玩了起来。

Sophia的态度最坦诚。AI条款在罢工诉求里占多大分量，她的回答是「我们真的不知道」。她个人判断：如果AI真能把编剧的活干得跟人一样好，任何合同条款都拦不住，这不是谈判能解决的问题。她相信人总有AI给不了的东西，笑点尤其难，但也承认自己可能百分之百地错。

她描述的编剧室日常很真实：12个人围着一桌，「这集能写什么？」谁都没点子。「机器人有没有点子？」她承认AI在故事梗概层面能搭把手。但她坚信喜剧编剧室的价值在对话本身，那种化学反应、互相接梗、意料之外的碰撞，聊出来的东西永远比一个人闷头写的好。制片厂要是觉得差不多就行，拿一块稍微差点的饼干照样有人买，那她这套信念挡不住生意。

她的心态里有种罕见的松弛：「如果人类当编剧只是历史长河里的一个阶段，我很庆幸赶上了，我得再去学点能卖钱的手艺。」工会里弥漫的存在焦虑她没回避，只是觉得这事大到犯不着天天发愁。

她还提了个质量论据：那部指环王剧集扑街，原因之一是没给编剧足够时间把故事写扎实，观众说不清哪里不对，但就是觉得难看。写作环节省掉的钱，观众最后看得出来。

Nathan抛出那个经典反例：ATM机出现后，银行柜员反而变多，因为开银行更赚钱，网点开得更多。但他自己也怀疑这次剧本未必重演，人一天已经看8到9小时视频，100倍的内容没有地方放。Sophia接的是另一头：如果每个人都看给自己定制的内容，电视剧那种「大家一起看」的东西就没了，她喜欢《继承之战》，很大程度是因为能跟人聊。

Garrett操心的是更远的事。每个编剧脑子里都住着别人的声音，写的时候不自觉地向《继承之战》的Jesse Armstrong、《绝命毒师》的Vince Gilligan靠拢。在提示词里点名调用这些人的风格算不算侵权，还没人打过官司。他更担心的是新声音：

「如果进入这样一个近未来，影视的书面内容大部分由模型生成，我不确定我们还能不能看到新声音。我猜我们会看到已有内容的无限回声。」

Nathan在这里反驳了一个流行说法：人类创作也全是remix，AI照做没什么不行。他的回答是，这些技术在根本上异于人类，它们确实理解一些东西，但理解的方式跟我们不同，人类之间互相启发这个事实，推不出AI可以随便抓取的结论。

关于个性化影视，前演员工会高管在推特上描述过那种未来：每人一部定制动作片，你就坐在范·迪塞尔旁边的副驾上。Garrett觉得技术上必然实现，文化上大概率是个玩具。故事的力量恰恰来自固定：所有人看同一部电影，各有各的想法，然后借着它找到彼此。《指环王》几十年不改一个字，几代人从里面认出同一种东西。故事本来是对抗孤独的解药，人人一部定制剧的世界里，解药没了。

问到无条件基本收入，Garrett的回答出乎意料地痛快。他读过《全自动奢侈共产主义》，那本书的核心问题他记得很清楚：后稀缺的未来容易想象，难的是穿过这段技术已经能自动化大量工作、技术持有者却还在制造人为稀缺的过渡期。工会必须按那个好世界不会到来做准备。但假如它真的来了，「拿走我这份愚蠢的编剧工作，换所有人的基本生活保障，成交。」

比罢工更大的问题

Nathan从三段访谈里拎出了几个判断。

第一，集体谈判的重要性在AI时代会上升。编剧好歹有罢工的筹码，温迪汉堡刚宣布AI得来速点餐的表现超过了人类员工，快餐员连谈判桌都上不去。放任AI无结构地冲进劳动力市场，最可能的结果是激起反弹和过度监管，连加速主义者一起遭殃。Altman一边应付监管一边跑基本收入实验，两件事是连着的。

第二，答案因行业而异。医疗领域，个人获得优质健康信息的权利显然高于医生维持高收入的权利，医学会的应对也确实积极。文化领域没有这么清晰。他引了赫拉利的警告：语言是人类文明的操作系统，AI正在拿到它的写入权限，历史上所有宗教都宣称经文出自非人之手，AI生成的新信仰未必是科幻。在文化这个特殊领域，某种法式文化保护主义可能算得上审慎。

第三，可能所有人都想小了。真正改写规则的也许是多模态系统，动态生成的3D虚拟世界，AI生成并驱动的角色，那种娱乐形态现在连问题都还没问对。

Garrett在访谈结尾被Nathan将了一军：技术狂奔的今天，最缺的是对好未来的具体想象，编剧正是干这个的。他笑着接了：「我们这行本来就一肚子犬儒，罢工三周只会更犬儒。但这个挑战，我们接。」

明天就能用的四件事

这期节目对普通人的价值不在好莱坞八卦，下面几条明天就能用。

• 把AI当助理，别当枪手。Garrett的用法值得抄：让它复述你的想法、保管你的大纲、整理你的素材，创作判断留在自己手里。这条线划清楚，工具就只是工具。
• 两个立刻能改的提示词习惯。要模型保持结构，就给它固定的格式标记；要它别乱改，用正向指令替代禁止句，「必须原样返回，只修改我指出的部分」，好过「不要改动」。
• 评估AI对你行业的冲击，看两个指标。你的工作有没有清晰的成功标准？产出靠不靠海量文献？两个都占的，比如医疗、法律，模型进步飞快；靠人与人的化学反应的，窗口期更长。但Sophia的提醒同样成立：客户要是不在乎质量，这条防线靠技术守不住，得靠规则。
• 留意你所在行业的集体机制。Nathan的核心判断之一：AI时代个体谈判越来越吃亏，工会、行业协会、集体条款这些老东西，可能突然变成最管用的新工具。编剧们抢在技术成熟前坐上谈判桌，这个时机意识别的行业也用得上。

结尾用Sophia留给AI的那句话：「AI应该去攻克癌症，去干那些大事，让我们继续写故事。这是我的提案，如果它在听的话。」