大數據助攻 台劇創作掀開新頁

影視製作導入大數據是近年國際趨勢，2016年《我們與惡的距離》首次為台劇點了第一把火，如今星火燎原。

文：葉冠吟／攝影：徐肇昌（方夢貞）、裴禛（徐毓良）／圖片提供：公視、大慕影藝

21歲到30歲的年輕人最關心什麼？

分齡統整2019年Google關鍵字搜索：21歲是生日與禮物；22到24歲，在乎自己是否還能長高；大學、研究所畢業後的25到28歲，開始在意存款；到了29、30歲，煩惱如泉湧，從婚姻、轉職、薪水、存款到健康檢查……一連串議題，多到連表格都寫不下。

「30歲最痛苦，煩惱一堆」，資策會數位服務創新研究所副主任徐毓良，指著投影幕上的數據感慨說道。

這是公共電視迷你劇集《大債時代》劇本設定的輔助數據資料，也是資策會服創所團隊繼金鐘獎台劇《我們與惡的距離》後，第二度與公視合作，以大數據分析協作劇本開發。

探討青年負債議題的《大債時代》，由張書豪、林柏宏、李霈瑜（大霈）主演，三人飾演高中死黨，畢業後各奔前程，分別成為公司負責人、斜槓創業家與銀行債務催收員。但32歲那年，張書豪跳樓輕生，兩位好友替張書豪解決所留鉅額債務的同時，也得各自面對沉重的生活壓力。

徐毓良回憶2019年，自己與《大債時代》製作人方夢貞初次開會，對方滿腹疑惑地問：「年輕人到底關心什麼？我們筆下的年輕人可以代表整個世代嗎？」

《大債時代》故事發想，源於方夢貞觀察身邊許多年輕人，一畢業就負債，生活過得苦，便以青年學貸問題作核心，寫出故事大綱與一集劇本後，成功通過公視劇集徵選。

只不過方夢貞與編劇團隊在撰寫劇本階段就遇到瓶頸。方夢貞表示，主角群原本設定為25、26歲的社會新鮮人，除了買不起房子、積欠卡債之外，上班的公司也出現掏空弊案。面對種種問題，有人選擇逃避、甚至沉迷毒品。

故事編排愈加豐富之際，方夢貞卻發現劇情矛盾叢生，更不知從何處修改。所幸在公視搭橋之下，《大債時代》編劇團隊找上資策會服創所，期盼利用大數據替劇本設定「除蟲」，驗證是否貼合現實。

編劇的大數據門診 處方來自PTT

「年輕人碰到債會躲起來嗎？」「買毒品的年齡層？在哪買？」「年輕人最常見的債務是什麼？」「30歲受薪階級的平均月薪是多少？」「企業掏空案到底要掏要多少錢才算多？」「黑道討債和銀行債權管理的差異？」

一如有著十萬個為什麼，方夢貞形容與資策會合作的過程，就像跟醫生定期門診，只是處方來自扎實的數據資料。

徐毓良指出，《大債時代》與《我們與惡的距離》兩者提出的數據輔助需求不同，前者已有故事大綱和人物設定架構，後者則是在「無差別殺人事件」主題的資訊海中，撈出劇本線索。

徐毓良認為合作的方向很明確，就是回答方夢貞提出的問題，並判斷劇本可能需要的數據內容，分類後，再利用文字探勘的方式取得資料。

首先當然是以「債」、「年輕世代」相關內容為關鍵字，從PTT（批踢踢實業坊）、臉書、新聞網站、網路論壇，挑選出網友評論度、分享轉貼數量高的文章，搜集符合主題及需求的內容。同時，也就不同個案問題爬梳法院判決書，甚或是外送的菜單。

徐毓良指出，藉由PTT上的資訊，很容易就可找到各職業的個案。「30歲左右的人，會在職涯版分享工作經驗和過程。」團隊就從中找到銀行、行銷、高科技等各行業的年輕人個案，觀察他們對於生活、薪水、職場、房貸等看法與抱怨，或覺得哪些工作比較好賺錢。

鑑於《我們與惡的距離》資料過於龐雜，導致編劇呂蒔媛難以消化，徐毓良面對《大債時代》，將上萬筆資料刪減、統整成100筆，再轉譯成方夢貞團隊能理解閱讀的形式：例如文字雲、表格、關鍵字等，同時也將資料匯集成小型資料庫，供編劇日後查詢參考。

大數據反覆驗證 戲劇縮影現實人生

經歷4個月反覆驗證，方夢貞與《大債時代》編劇團隊藉由大數據資料，調整故事情節與人物設定。她苦笑：「來回修改的過程是辛苦的，但改完後就不會心虛虛的，確實符合現狀」。

方夢貞透露，原本規劃林柏宏的角色是要揭發公司的掏空弊案，但經由數據考證才驚覺，這是公司少數人才可能接觸的案件。「20多歲的人，不論職等或資歷都不大可能接觸到這麼機密的事，況且大部分年輕人連租房、買房都有困難，甚至吃飽都成問題，更在意尋找自我價值的認同。」最後，只好將這條支線刪除。

另一條放棄的劇情線，是「年輕上班族因壓力吸毒」。徐毓良分享，團隊爬梳500多篇法院判決書和文獻，發這個年齡層根本不大會接觸毒品。「20、30歲這群人，生活壓力都喘不過來，根本沒錢買毒品，經濟寬裕的中年人與家庭富裕的孩子，反而才是主要使用者。」

方夢貞分享，編劇團隊除了刪除不合現實的設定，也從數據中找到先前未注意的職業，掌握年輕人在意的趨勢，從而豐富了劇中角色的內容。

編劇團隊刪除不符現實的劇情之外，也藉由數據增添人物角色豐富度：例如主角年齡提高了5歲，變成30多歲。方夢貞解釋：「剛畢業的新鮮人，面臨的壓力還沒那麼明顯，大概工作8、9年有些存款後，家裡與社會對你比較有期待，而30歲世代就是被夾在中間，最痛苦的那一層。」

徐毓良團隊在PTT利用自動索引程式「爬蟲」發現的「銀行債權催收員」一職，最終也成為了女主角的職業。劇本原先設定女主角是公務員，為賺錢買房兼職家教，與「債」的距離較遠，沒想到後來發現，在民間貸款機構與非法討債集團之外，還有銀行債權管理部門這樣的催收工作。

在編劇把女主角年齡拉高，變成銀行債權管理部門的小主管後，副業也改為時下流行的外送員，讓工作性質和內容更符合劇情走向，角色更加立體。

徐毓良指出，大數據並非左右編劇創作，反而是個輔助，幫助編劇找出田野調查過程被遺漏、未被看見的資訊。方夢貞也附議，「數據是趨勢，田調是細節」，兩者相輔相成，提升了編劇設定劇本大方向的效率，也撈出有趣的趨勢議題。  

橫跨機器與編劇語言 徐毓良讀數據定乾坤

《大債時代》播出後，許多觀眾都說在戲裡看到了自己與親友：「99%的我們都是詠晴，即使房價再高、也要硬咬著牙買房。」「大債時代就是目前年輕人的縮影。」

方夢貞在宣傳《大債時代》時，也特別感謝徐毓良團隊的協助，讓劇本真實呈現當代青年面對生存困境的無奈，講出新世代心聲。

攤開4個月的合作過程，其實《大債時代》與資策會團隊僅開了7次會。這意味必須在短期內精準理解、回應劇組的問題。方夢貞本來得知要與資策會共事時，擔心雙方會有溝通障礙，「沒想到他們對影視術語不陌生，還會舉出歐美劇中的類似情節跟我們分享」。

徐毓良笑言自己做的事，就是簡單三步驟：聽懂客戶問題；翻譯給機器；最後再把機器產出的結果，轉譯回客戶。「如果聽不懂客戶需求，有再高的技術、再強的敏銳度都沒用，解決問題才是關鍵。」

但是這翻譯機的建立，可不簡單！

徐毓良在2016年結束《我們與惡的距離》的合作之後，投入2年時間，以實驗性質免費與影視工作者合作，除了精進數據技術，也學習瞭解編劇到底需要什麼，編劇是如何思考，熱心的編劇友人，還替徐毓良開了一長串書單。

「全部都看完了，但沒有看很細啦！」徐毓良的辦公桌放滿密密麻麻的參考書，從創作經典《場景設定創意辭海》、《故事的解剖》、《暢銷書密碼》，到沒書皮、被拆成方便攜帶的無名書。

與編劇溝通之路沒有捷徑，只有涓滴累積。尤其資策會執行劇本開發的團隊，

包含徐毓良在內，僅有3個人，偶爾加個0.5，請工程師協助「爬蟲」。徐毓良坦言，沒有政府的專案支持下，單仰賴大數據協助劇本開發，無法養活整個部門。「太新的事情，要人掏錢不容易。」

萬般設定起頭難 照世明燈大數據

目前徐毓良的團隊，有5、6個案子正在進行，從剖析年輕女性的感情觀、年輕人大學畢業後的出路，掌握世代價值觀差異、協助國外IP轉化成本土共感元素，還有運用司法文本與社群數據找到犯罪手法，驗證背景設定等等。

徐毓良認為，在許許多多的戲劇類型中，大數據最能提供協助的有兩種：一是「有開放資料文本的」，二是「劇情觀點多元且混亂的」，像《我們與惡的距離》就是在探討社會對隨機殺人事件的不同觀感。

徐毓良指出，每個人看資料，下意識只會看喜歡的東西，自動過濾不熟悉的內容，「尤其政治特別明顯，綠的就喜歡看綠的，藍的喜歡看藍，看到另一黨就會生氣，可是事實應是把藍綠白拼起來後，中間那塊才較接近真實，而我們就是試圖還原。」

不過大數據也非萬能，「有數據是基礎，數據量夠大才是大數據」，徐毓良解釋，像刻畫台灣工地百態的《做工的人》，或以消防員為主題的《火神的眼淚》，這類網路資料量較少的職業，還是得仰賴編劇的田野調查與實際探訪職場職人。

大數據對於歷史、神怪題材，也較難提供協助。徐毓良分享，曾有人想請他協助調查國共內戰後，被國民黨留下或被帶回台灣的華僑老兵資料，想寫成劇本，但徐毓良只能婉拒。「你在Google查到的內容，就是我能做的，這比較適合問歷史、民俗專家」。

但徐毓良特別想打破一個迷思，不是只有「寫實劇」能用大數據輔助，「科幻」類型也是有所助益，「我可以做出未來年表」。

2002年，由湯姆克魯斯主演的電影《關鍵報告》（Minority Report）中，未來世界的警察已可透過犯罪預示系統，事先埋伏、逮捕嫌犯。片中展現的擴增實境（AR）、觸控螢幕、電子紙到無人車等，已經出現在我們生活周遭。

徐毓良指出，藉由政府法規以及科學雜誌等數據，替劇組寫出「未來年表」不是不可能。

說到底，徐毓良目前的成績，歸功於資策會服務14年所累積的專案經驗，再加上自己一顆旺盛的好奇心。所有人丟出來的劇情問題，對他來說都是充實自己的題庫，也惟有如此，才能繼續當編劇導演們的「徐」伯溫，以資料庫為影視產業卜一個未來。

要數據還是編劇 準確與套路的兩難

大數據能完全取代編劇嗎？

2015年成立的比利時人工智慧公司ScriptBook，專攻劇本分析。只要上傳劇本至ScriptBook系統，6分鐘內就能完成分析、獲得詳細數據，包含角色魅力量表、目標族群預測、觀眾滿意度指數等。ScriptBook也曾用演算法預測過去兩年上映電影的國際票房收益，準確率高達86%，相當驚人。

ScriptBook另一階段的目標是故事自動生成，在內建30萬份劇本資料的寫作系統中，編劇只需輸入關鍵字與主題，選擇長度並選定角色特徵，系統就會填補剩下空白。他們認為人類與AI共同寫作，未來將成常態。

早在4、5年前，中國影視圈也已利用大數據分析，整合影視劇、演藝人員資訊，預測市場反應，協助資方利用AI選擇演員，預測選角組合對票房的影響。

徐毓良笑言，在中國工作的編劇友人曾告訴他，每個人電腦都有一個劇本分析器，稿子寫完，就丟進去驗證哪些地方需要加強，才能成為「爆款劇」。「但我朋友就不願意，因為劇本就會長得很套路。」

嘲諷這種套路，也被中國玩成另類自娛。

「資深遊戲玩家老張意外穿越到自己玩了10年的『武林爭霸』遊戲世界中，從此擁有所向披靡的強大力量，但他在穿越之初，就因誤會成為武林公敵，隨之而來的是一連串的圍剿和陰謀……」

以上內容，是由中國數據視覺化團隊DATAMUSE開發的自動劇本生成器「國產爛劇製造廠」所產製的內容，只要選取故事類型，輸入兩位主角名字，就能即時生成劇情介紹。

DATAMUSE表示，自動劇本生成器的製作初衷，是在思考為何中國拍攝技術越來越好時，低分國產劇卻越來越多。他們爬梳6000多部中國戲劇作品，從導演、劇情、演員多角度挖掘數據規律，設計出這個自動劇本生成器。

DATAMUSE感慨，當編劇想推展劇情時，就喜歡以「昏迷、搬家、出軌、流產和精神病等橋段，反覆填充」，這意味著編劇缺乏想像力。

藍色數據海 我想要一個未來

數據的科技藍海，投影在方夢貞工作室的白牆上，她站在牆前，程式語言交織在臉上。

《大債時代》是方夢貞首部利用大數據開發的作品，合作經驗愉快，也替劇組扣緊時事議題。徐毓良團隊既是觀眾又是數據分析者，能客觀提供意見，也能精簡資訊，「光從1、2萬筆資料，變成100、200筆，閱讀量直接少100倍。」

方夢貞坦言，過去創作像土法煉鋼，沒有科技協助，寫劇本找演員全靠「直覺跟猜」，雖然盡力閱讀相關報導與案例，最終主創團隊只能以經驗值輔助，嗅出時下議題或趨勢。

但是把作品丟回市場，能不能引起觀眾共鳴？方夢貞笑回：「跟判斷一個人會不會紅一樣，這個行業都帶著一點點賭的成分。」就像當初劇組選擇林柏宏飾演創業屢次失敗、油而卻不令人厭的楊大器。

「柏宏一坐下來，聊沒多久，聽他講小時候爸媽做生意、到處賣東西的故事。角色身上那亟欲成功，賺錢讓家裡過好生活的心情，他完全理解。那是我從沒聽過的柏宏，那時我就在他身上看到大器的影子。」

或許這就是大數據無法看到的細節，方夢貞幽默地聳聳肩，「但你可以用數據知道，6成觀眾都覺得這個人很帥，那紅的機率確實比較高。」

對於大數據與影視的關係，方夢貞既樂觀也保守，雖不否認大數據可能扼殺創意，但若有機會再使用大數據分析、開發劇本，會以輔助形式來尋找線索或驗證疑問。

「若全然依賴大數據，我會覺得有些可惜，有些戲劇能打動人、吸引人，是因為它超乎一般人的生活。如果只看一般人注意的，就不會看到有趣的點。」方夢貞眼裡閃著光，或許也有那麼幾部電影、戲劇，是帶著觀眾的想像，飛到更遙遠之處。

大數據是能幫你快速抓住大方向、推你一把。不過更遠的路，或許情感、直覺、創意更是有用。方夢貞調皮的說：「連大方向都抓不到，再多小細節都沒有用啦！」

（本文出自文化+雙週刊第79期「影視產業卜卦站」──問趨勢、問票房、問觀眾，大數據協助影視產業預知未來，3/15出刊）

本網站之文字、圖片及影音，非經授權，不得轉載、公開播送或公開傳輸及利用。