原标题：AI选出来的史上最佳电影Top 10，我居然都没有看过

大学时候有个朋友跟我吹，

说什么 IMDb 百大电影全都看过。

我问他肖申克是谁，

他却支支吾吾……

开个玩笑。

虽说电影这件事见仁见智，

但是谈起影史佳片，大部分人都同意，

《肖申克的救赎》稳坐头把交椅。

不过最近有一件有趣的事：

两位意大利科学家发了篇论文，

讲他们如何用 AI 给电影打分排名，

肖申克压根没有上榜……

这就很有趣了。

因为我查了下这两位专家，

Livio Bioglio 和 Ruggero G. Pensa 教授，

是意大利都灵大学计算机专业的。

俩写代码的

为什么要跟电影过不去 :/

质疑研究者的专业性之余，

还是要看下俩人有什么话可说。

电影的成功，通常是由票房收入或专业评论的意见来衡量的。然而，这些衡量方式可能受到外部因素的影响，例如广告营销或者趋势，而且它们无法准确呈现一部电影长期的影响力。

仔细一琢磨，还真略有道理。

如果跟业内人士讨论最“成功”的电影。

你说《阿凡达》和《星战：原力觉醒》

不会有人反驳你。

前者全球票房28亿美元创纪录，

后者美国票房将近10亿排第一。

票房越高，看过的人越多。

如果这不算成功，这没有影响力，

什么片子成功，什么叫影响力？

可是在两位科学家开发的 AI 眼里，

这两部电影算不上有影响力。

因为这 AI 评出的最具影响力十大电影，

压根就没有21世纪上映的：

这个排名里的片子我都听说过，

出于对不同电影主题的兴趣，

只看过其中几部。

比如我很喜欢科技，也喜欢科幻。

所以《2001：太空漫游》让我看得很爽。

尽管它节奏真的慢爆

作为一个卡在八零末尾的半吊子电影迷，

这个排名让我意识到自己看得还不够多。

可你看，前十名都是上世纪的老电影，

明明是2018年的 AI，

把一百年前的电影都翻出来了，

是不是有点太老古董了？？

在粗略看了一遍论文后，我发现，

这俩科学家提出的电影评价方法

确实挺有意思：

就像评价网页排名那样，

他们用超链接的数量和权重，

去评价一部电影的影响力。

我是没看过多少电影，称不上专家。

但网页排名我知道啊！

虽然我也没干过 SEO，

但做了这么久内容，至少略懂一二吧。

概览这篇论文，评价指标一共四个：

In-Degree, Closeness, Harmonic, PageRank.

先别发懵，这四个指标其实很好理解。

咱们一个一个看。

In-Degree 入度中心性

简而言之，

或者你在微信上有300个好友，

那么你在微信上的入度中心性就是300。

明白了吧？

或者看下面这个图：

一号圈的度中心性=0

因为没有其它圈指向它；

二号圈的度中心性=2

因为有两个圈指向它。

搜索引擎给网页排名的时候，会用这个指标，

比如硅星人FM播客 (gxr.fireside.fm)

如果有另外两个网页上有这个链接，

那么硅星人FM的 In-Degree 得分就是2。

（欢迎收听硅星人FM）

那么回到这篇论文，

也是利用这个评价指标，

研究人员从 IMDb 数据库里

寻找电影 b 对电影 a 的指向。

这个指向，可能是所谓的“致敬”

比如《大话西游》对《重庆森林》的台词戏仿：

其实星爷特别喜欢戏仿其他经典影视剧，感兴趣的朋友可以多了解下。

或者美版《无间道》直接翻拍港版：

甚至只是剧情上的引用，

比方说《夜宴》直接引用了哈姆雷特的剧情。

再比如科幻电影《2001：太空漫游》

它的章回体叙事节奏被不少电影采纳，

场景设计后来也出现在其它太空电影里。

总体来讲，它在更多层面上影响了更多电影。

比如回转的太空舱

不管怎样，只要电影 a 被其他电影

以各种方式致敬翻拍和引用，

那么电影 a 的 In-Degree，

就是这些致敬电影的总数。

Closeness 接近中心性

这一条也比较好理解。

比方为一座商场选址，

地产商要计算商场和周边居住区的距离。

最后选择的地址，

和所有居住区之间的距离之和最小。

那么它的接近中心性就是最高的。

比如下图，所有的点都是居民区，

把它当成北京市

直觉上把商场建在王府井 E 是最近的，

然而实际上 B 点才是接近中心性最高的，

（大约青年路或者望京附近）

因为它同时兼顾了市区以及通州燕郊的居民。

利用这个指标，

很容易评价最有影响力的演员。

比如萨缪尔·L·杰克逊，

在这个算法选出十大演员里排第一：

他合作了不少演员，

参与了82部电影，

演过佳片也有不少。

这种演过电影多的、

跟其他演员合作多的、

表演技巧被其他演员采用的，

他/她们的接近中心性都很高。

Harmonic 和谐中心性

比方说有5个网页上有硅星人FM链接，

这5个网页被称作一度网页，

那么硅星人FM 的和谐中心分数就是5。

又有10个网页上有上面那5个网页，

它们叫做二度网页，

那么分数就变成了5+(10/2)=10

又有36个网页上有上面那10个网页，

（你一定知道它们叫什么……）

分数又变成了5+(10/2)+(36/3)=22

我们回到电影的语境，

还是用《2001：太空漫游》举例。

它的设定被《星际穿越》采用了，

而只晚一年上映的《火星救援》

也有跟《星际穿越》类似的桥段。

再假设另外6部电影借鉴了《火星救援》

那么可以这样计算：

《2001：太空漫游》的和谐中心分数

就是 1+(1/2)+(6/3)=3.5。

现在你明白了：

一部电影的和谐中心分数，

就是“致敬”了它的电影数量 x ，

加上对 x 致敬的电影数量 y 除以二，

再加上对 y 致敬的数量 z 除以三

这样一直相加下去……

PageRank 佩奇排名

你可以没听说过佩奇排名，

但你肯定听说过它的发明者：拉里·佩奇！

没错，就是 Google 的联合创始人。

如果把网页a在 b、c、d上每一个链接

都看做其他网页对 a 的一次投票，

那么把这个投票再加上b、c、d的权重，

就成了佩奇排名。

比方说只有某个小网站上有你的链接，

那么你的得分就比较低。

但如果你的链接上了 Google 首页，

你的得分就变得超高。

放在电影的语境下也是一样。

《星际穿越》致敬了《2001：太空漫游》

《星际穿越》拿了不少奥斯卡，

相应地，后者的得分就很高。

《星际穿越》大量借鉴了《2001：太空漫游》

反之亦然：

《逐梦演艺圈》致敬了《房间》

可是《逐梦演艺圈》本身是大烂片，

所以《房间》的得分肯定也不咋地……

如果你对这个研究感兴趣，

可以在拉到最后“阅读原文”查看论文。

这份论文出来之后，遭到不少质疑。

有人指出这种评估方式太“科学”了，

可能存在“过拟合”现象。

大部分人则表示根本看不懂，

而且结果明显太偏向老电影了吧！！

前十名里没有80年代之后的电影，

上榜的大部分也都在40年代之前。

研究者也给出了他们的解释：