AI 能做出好藝術嗎？——專訪 Fred Graver

Fred Graver 得過四座艾美獎，從喜劇編劇轉戰科技圈。他主張，AI 對編劇和製作人最有用的地方，是充當一個虛擬編劇室：裡頭是一群專家級「智慧體」，能對想法做壓力測試、模擬觀眾反應、化解製作過程的摩擦；但這一切價值的前提，是人類先獨自、完全不靠 AI 地把自己的品味與意圖「倒空」。訪談大部分時間都花在這套工作方法上：構思、製作、觸及觀眾的三階段迴圈；Graver 在 Claude 裡建立的「我作為編劇是誰」檔案與自訂技能；以及他對錢和飯碗流向的觀察。標題拋出的問題——好藝術與劣質內容之分——主要靠 Graver 的回答來回應：AI「會往平均值靠攏」，給不了讓作品與眾不同的個人怪癖。

Graver 的權威來自一段不尋常的職涯：先當《大衛深夜秀》（*Late Night with David Letterman*）的正式編劇，與 Norman Lear 共事，接著寫《歡樂酒店》（*Cheers*）和《活色生香》（*In Living Color*），之後進入迪士尼幻想工程（Disney Imagineers）、MTV Networks、大約成立第二年的 Twitter，最後在微軟做對話設計。共同主持人 Natalia Quintero（由 Dan Shipper 開場介紹）把工藝方法和產業經濟兩條線都挖了出來。讀者讀完應該帶走三樣東西：一套具體、可重複使用的製作流程；對娛樂產業哪些環節真的被 AI 改變了的清醒判斷；以及 Graver 自己也沒解開的問題——消失的片廠開發合約，該由誰來打造取而代之的直達觀眾商業模式。

AI 的角色是編劇室，不是編劇

Graver 的核心方法，正好顛倒一般人的使用習慣。開啟任何工具之前，編劇應該先花一兩天，把自己知道的一切倒到紙上——手寫、口述、什麼方法都行——因為「一旦你開啟 AI，這個機會就再也沒有了」。他把這一步定位成：在模型把你往平均值拉過去之前，唯一一次做自己的機會。之後 AI 才進場，而且角色是對話性的：一個可以一起思考的智慧體房間，永遠不是代筆。

他描述了三個常設檔案，用來錨定這層關係：

• 「我作為編劇是誰」檔案：靈感來源、你熱愛什麼、你讀什麼、你渴望做到什麼。
• 當前專案檔案：你正在做什麼，不必寫得很完整——Graver 引用 Joan Didion 的話：她是寫了才知道自己在想什麼。
• 觀眾探究：觀眾在哪裡、用哪些平臺、怎麼消費媒體，以及他們關心哪些與這個專案相關的問題。

接下來的提示詞是診斷性的，不是生成性的。他會問：這個想法和描述中的主角有任何關係嗎？某個平臺上存在這樣的觀眾嗎？以及——他說這一題會篩掉大多數想法——距離完成一份劇本、或一塊能拍的螢幕，他還缺什麼？最後這一題是 go/no-go 測試：這條難走的路，值不值得走。

「這些全都不是要 AI 幫你寫。重點全在於把 AI 當成一個虛擬編劇室，一群能幫你把事情想透的智慧體。」

他也描述了一個刻意讓人不舒服的晨間報到代理。晚上他帶著新點子開啟電腦時，代理的第一則訊息會提醒他：你已經承諾要做另一件事了——「你欠每個明天下午一份論點宣告。」這個代理也保管他的框架，尤其是他歸功於皮克斯的「and, but, therefore」結構，並且會在他放棄三天前做過的決定時出聲提醒。

製作迴圈是構思、製作、觀眾——而且跑成一個圓

Graver 把整門生意壓縮成三個階段。他說這個拆法在訪談之前從沒做過，是主持人提問才逼出來的。第一階段是構思與架構——產出劇本，也就是「你想做的這個想法的最佳體現」。第二階段是製作：前置準備、分鏡、排程、工會規定、稅務優惠、剪輯。第三階段是觸及觀眾：行銷與發行。

他的結構性論點是：影視圈至今仍像亨利福特的組裝線，行銷和業務的人都還沒跟編劇談過，決策就已經鎖死。把它改成一個圓——行銷和業務從第一天就進到房間裡——片廠就能為一個還不存在的東西做一支代理預告（proxy trailer），測試它賣不賣票；他特別指出，這門生意本來就一直這麼做。他舉的例子是預告測試會對接購買意願與票房資料，預告在 A/B 測試裡幾乎每小時都在改寫。

第二個好處是減少摩擦。製作過程的衝突有很多「會變成針對個人」——有人摔門走人，事後大家還互相恭喜「儘管如此」還是把東西做出來了。Graver 的反應是：「那你一開始為什麼非得這樣做？」一個同時吃進行銷觀點和編劇觀點的 AI，可以從中調解。他還提到一個社交小技巧：整個團隊可以一起討厭 AI。

flowchart TD
    A["人類倒空——不用 AI"] --> B["構思與架構"]
    B --> C["製作"]
    C --> D["行銷與發行"]
    D -->|"代理預告、觀眾訊號"| B
    D -->|"什麼賣了、什麼沒賣"| C
    E["我是誰檔案、專案檔案、文化檔案"] --> B
    E --> C
    E --> D

把技能寫成程式，勝過泛泛下提示；而且該由專家來寫

Graver 對外掛和技能的熱情，建立在分工之上：他不是工程師，所以工程師把流程寫成程式，他照用；同樣地，編劇也該把「寫作裡的卓越長什麼樣子」寫成程式。他把 Compound Writing 外掛歸功於 Every 團隊的 Katie Parrot，並指出它源自 Kieran Classen 的 Compound Engineering 外掛；他形容工程迴圈是：規劃、照需求打造、然後審查——再把這個迴圈對應到寫作上。

他自己也建了技能，其中一個教提案簡報（pitch deck），用在他於巴塞隆納藝術與設計學院（Barcelona School of Art and Design）開的線上課。那個技能要求整份簡報只用一張投影片貫徹「and, but, therefore」——正常世界、然後發生這件事、因為如此、所以他們那麼做——並生成 logline 和角色，每一步沒完成就不準進到下一步。他主動說要分享給主持人；節目筆記說連結放在說明欄。

他的工具組合刻意保持多元，各有分工：

• Claude——他長期的根據地，那個他反覆回來的房間，放著他的工作資料夾和累積下來的決定。
• ChatGPT——「讀過所有指南、什麼都看過、但不知道那是什麼意思的電影學院學生」；強項在「必修課」，也就是你還沒做的事、或你實際上正在完成的事。
• NotebookLM——用來把自己檔案生成成雙主持人播客摘要；他爽快承認自己就是吃這一套。

他還講了一個後設操作：把談新 AI 技巧的 Substack 文章丟進 Claude，問它這個技巧有用、還是已經涵蓋過了，而不是每個訂閱都付錢。

AI 往平均值靠攏；有辨識度的細節來自人

本集對自己標題的回答很簡潔。被問到怎麼避免劣質內容，Graver 搬出 Annie Leibovitz 的觀察：現在每個人手上的相機都比她用了三十年的那臺好，但拍出她那樣的東西的人少之又少。工具不是差異化來源，定義清楚的自我才是。「如果你問它你該說什麼，你得到的會是——它會往平均值靠攏。」

他的例證是一份 Claude 生成的提案：一部網路影集，像《布魯克林咖啡店》那樣，但主角是一群六、七十歲的人，在經營一間養老院的 Facebook 粉專。Claude 生出了優缺點、怎麼製作、觀眾是誰、怎麼觸及他們。Graver 的反應是「這想法不算太糟」——他的解釋是，Claude 是從他身上學的，吸收了他對 60 歲以上觀眾和垂直影集的認識。模型給不了的，是《辛普森家庭》配音員即興喊出「D'oh!」那種東西：「AI 可以幫你做一堆事，但有些東西只在你心裡，別人沒有。」

他很直白：不是每個人都有那個東西。對那些約他喝咖啡的後進編劇——他和太太是在 Letterman 認識的，每個月都有人找上門——他的測試題是：「跟我說你最近寫的東西。」如果是兩週、甚至一個月以前寫的，他會建議對方也許有別的事更想做。寫作「很苦、很孤獨、充滿被拒絕」，如果你不是對它上癮，這個圈子會把你磨碎。

觀眾優先，是他靠一次次轉向鋪出來的主線

Graver 對每一次轉向的說法都很樸素：「有時候你看到一個東西，你就是會想，我要進去。」他在芝加哥南區長大，電視看太多，想站到螢幕的另一邊。他第一次「進去」，靠的是打字速度——在 IBM Selectric 上每分鐘超過一百字——以及在《國家諷刺》（*National Lampoon*）做校對；那裡的錄取條件是：你得懂文法錯誤本身就是笑點。

他的轉向有個規律：一步步更靠近觀眾。

• 迪士尼幻想工程（1990 年代末到 2000 年代初）：洞見是一種新的緊張關係——數位化的 IP 讓觀眾前所未有地接近受著作權保護的角色，「野蠻人正在護城河上架橋」。他形容 Michael Eisner 和 Jeffrey Katzenberg 對網路怕得要命，卻又真的下重注。
• MTV Networks／VH1：學到的是「把它對觀眾開啟——那是你的活路」。他的節目《Best Week Ever》有個只給製作人看的 Tumblr，結果一萬到一萬五千人開始讀。觀眾訊號是意外冒出來的。
• Twitter（大約成立第二年，2000 年代末）：由 Khloe Slatten 和 Dick Costolo 延攬，任務是把名人和節目帶上平臺當廣告用。他舉 Ellen DeGeneres 的奧斯卡自拍合照為最佳案例，宣傳價值「好幾百萬美元」。
• 微軟：對話設計師，和 AI 團隊一起寫機器人指令碼，之後為企業客戶寫 AI 簡報——底氣來自微軟幾十年來關於人們怎麼用軟體的遙測資料。

他與編輯一起精煉出來的論點，是影視圈的老生常談：成功就是在觀眾知道自己要什麼之前，先知道觀眾要什麼。AI 對這句話的前半段確實有用——把觀眾現在在意什麼挖出來。後半段它給不了：那些讓角色討人喜歡的個人怪癖。他用一個編劇室的故事說明：Jim Brooks 一齣命運多舛的節目《Phenom》，講一個 14 歲的網球神童，編劇室裡有位曾帶青少年拿網球冠軍的成員，能說出「喔，這裡我會做一件很糟糕的事」。

前兩個階段已經解決；第三階段沒有商業模式

Graver 最銳利的結構性主張，是關於痛點現在落在哪裡。構思和製作「正在到位」——他曾走進一個編劇室，螢幕上一份 Google Doc 即時捕捉整個房間的大綱，取代了過去叫 Kevin 念一遍的老儀式。他預期那個房間裡的 AI 會針對季度故事線和角色選擇提問，而且他認為有三個不同視角的人一起推它，效果更好。

第三階段——觸及觀眾、拿到錢——才是他踢到鐵板的地方。他「很幸運在 20 世紀後半段入行」，那時電視網會給你開發合約、一間辦公室、頭等艙機票，還保證你會寫兩部東西。引用 Bruce Springsteen 的話：「孩子們，那些工作不會回來了。」整個產業「正在失速下墜」，編劇和製作人的機會越來越少。

他提出的解方是 Kevin Kelly 的「一千個鐵粉」模式——一千個人每月付十美元——但他說，還沒有人為做他這一行的人打造出這個模式。如果你能做出真正好笑的動畫情境喜劇，而 Fox 一年只買一部，「另外那 50 個好點子去哪了？」他一直盯著那第三塊，像在看地圖上還沒被標記的地方。

他也坦率談到自己立場的社交代價：他的「舊部落」對 AI 並不興奮，他把自己定位成第一批拓荒者，而不是原住民。他想加入的新群體，是用品味而不是年齡來定義的——是那種像拿一條毯子和一間車庫就能開演的人，而不是像 David Ellison 那樣的人。

好萊塢到底怎麼用 AI，以及誰願意承認

本集預告的「黑暗秘密」比包裝聽起來薄，但落地的地方很具體。Graver 說，他合作過的製作公司裡，行銷部門對 AI 是全力投入：他們和執行宣傳活動的供應商合作，盯著預告對應的購買意願與票房資料，並以接近每小時一次的節奏改寫預告來做 A/B 測試。製作端，他描述一個進行中的專案——一部 AI 動畫影集——請了編劇來創作，印度一家動畫工作室做 AI 與傳統混搭的工作，蘇黎世一群電腦科學家（他開玩笑說是《金手指》的反派基地）在研究怎麼打造讓人留在迴路裡的軟體。他也提到 Martin Scorsese 公開說自己和一家用 AI 做分鏡的公司合作，而外界反應全集中在分鏡師會怎樣。

對製作人來說，實用的結論是：AI 已經能在同一個工具裡包辦排程、讓人保持聯絡、找稅務優惠、追蹤工會規定。差異化不在於能不能用到——「幾乎像是所有人、所有事、所有時間、所有地方都有」——而在於這個工具能不能做出*你*的版本，照你的時程，灌滿你的文化和優先順序。

未解的張力，正是 Graver 點名卻沒解掉的那個：工藝流程現在可以教、可以寫成程式，但把工藝變成職涯的那道經濟階梯已經被拆掉，而替代品還沒蓋出來。值得觀察的是：影視人才專屬的直達觀眾訂閱層會不會出現；以及美國的電影學校會不會跟上歐洲——Graver 說歐洲學校大幅擁抱 AI，美國學校則怕得要命——因為這個落差會決定下一代的混合式製作由誰來做。Graver 在 Substack「The AI Writer's Studio」發表文章。