回顧近年來幾個與「人工智慧」（AI）發展有關的重要時間點，包括：2022年11月30日，美國人工智慧研究實驗室「Open AI」發表ChatGPT語言模型並且開放社會大眾運用，讓人工智慧相對便利運用到一般人的生活中。2024年2月15日Open AI再度發表影片生成模型Sora，透過指令產生對應的動態影像（moving image）內容，其示範影片讓已經習慣於電腦合成影像 （Computer-generated imagery, CGI）的大眾，對運用人工智慧生成影像，有許多關注和想像。回顧國內，美國科技公司輝達（NVIDIA）的共同創辦人暨執行長、台裔美籍企業家黃仁勳，於2024台北國際電腦展（COMPUTEX 2024）發表主題演講，談論人工智慧產業的下一階段，被媒體喻為「AI教父掀起『仁來瘋』」，引起國內對於人工智慧更高度的討論。而人工智慧對於各項現有產業的應用將會產生的影響，乃至於目前尚不存在但會因為人工智慧而出現的未來工作，也成為討論的焦點。

2024年10月，在法國里昂舉辦以經典電影為策展主軸的盧米埃影展（Lumière festival），其項目之一「國際經典電影市場展」（Marché International du Film Classique, MIFC），為期4天的活動中，由法國視聽中心（National Audiovisual Institute, INA）以論壇型式和影像修復相關專家，討論人工智慧運用在推廣影視聽文化資產，與未來相關法令議題。其關注的焦點在於，法國視聽中心開發以AI用於宣傳其視聽文化資產的工具，並探討法國和國際間圍繞在使用AI相關領域時的法律和監督架構。負責該電影市場展節目策劃協調項目的杜蕭薩（Gérald Duchaussoy）也在媒體報導中表示，愈來愈多影像修復單位運用AI加速影視內容的數位修復速度，也促使修復工作能以更低的成本進行。當各界開始討論人工智慧在各領域的運用，影視文化資產保存和運用範疇中的「動態影像修復」將如何運用AI，有什麼可能的想像？

動態影像的修復，在類比訊號的時代過往所涵蓋的範圍在於電影、電視的影像為主，這兩項媒體以其原本記錄影像內容的載體和播映的管道做為區別。簡言之，電影以底片拍攝，之後沖印成為放映用的膠捲並在電影院透過投影放映；電視在發展的初期，其動態影像內容的記錄載體也運用底片拍攝，但其技術很快便發展到以磁帶做為載體，透過電波傳送到家戶。在有線電視發展之後、電視全面數位化的影像製作和網路傳輸技術之前，仍舊以磁帶為主要的載體形式。

回到前述動態影像的修復，所說的也是指上述對於兩項類比載體和其影像內容的「修復」，目的是讓動態影像內容得以被延續觀看、運用，或正確解讀。載體隨著時間久遠而造成的內容破壞所進行的修復，其復原程度有限。但數位化後的技術修復有較大的技術空間，數位化後的影像內容即為「訊息」，針對訊息所做的修復，讓許多類比格式所受的限制不在。

因此，在討論動態影像的修復之前，必須明白修復的是前述哪一個部分、以及進行的程序為何，將影像「數位化」後再以修復軟體在電腦上進行的修復，則稱之為「數位化修復（digital restoration）」。然而，數位製作技術之後產生的動態影像，在未來是否仍需要「數位化修復」，將是另一項議題；在此可以較為武斷的預測，數位製作的動態影像因為其存在形態為資訊，除非是檔案受損，否則要被修復的可能性低；但因應播映格式與畫質需求做的影像像素「升級」或是觀看格式變化，則是產業界開始面臨的課題。

傳統上對於載體的直接修復稱為「物理修復」，是由專業的修復人員對保存條件不佳、或隨時間過程而耗損的載體進行清潔、補強等的修復或是維護過程；在膠片的範疇裡也會以「影片整飭」（film preparation）做為初步物理維護。整飭人員的養成需要專業培養，進行物理修復的程度也需要有嚴謹的事前評估，以現階段的專業設備而言，物理條件過差的膠片或是磁帶讓數位化無法順利進行，或是載體在機器操作過程產生損壞，造成影像內容本體無法再被播映。

舉例來說，電影數位化修復師在修復時，遇見在數位化後仍留有原始「電影字幕」的拷貝，其需要投入修復的時間可能倍增，原因在於現階段的修復軟體進行部分自動化操作時，並不容易判讀字幕是否為影像內容的一部分，而在對影像內容的缺陷（如：抖動、刮痕、因藥膜剝落產生的影像殘缺）做影像重建或是缺點消除時，無法做出合適的判斷，必須仰賴修復人員的再三確認。然而，透過人工智慧，則可有彷彿人腦般的「思考」先解讀影像整體內容並做出有意義的判斷後，有效降低過度修復的情況；生成式人工智慧的修復模組也會透過「學習」和經驗累積而進化，在不同的修復過程後而有技術上的增進。另一方面，以AI進行數位化的影像修復，不會因為生理條件的限制──如長期注視螢幕的視覺和體能疲勞──影響修復進度；隨著電腦效能的擴充和AI算力的提升，影像數位化修復的量能也會成長。

一旦影像的數位化修復大量導入AI的應用時，影像數位化修復人員是否仍舊被需要？我想是肯定的，不過，其工作形態和內容勢必與現在所理解的不同。可預測的是：影像數位化修復人員從直接參與「勞動」，變成「指導」、「監督」人工智慧進行工作，修復人員將有更大部分角色在於負責關於動態影像美學的判準和考據，並對AI下達指令，與之進行協調、溝通和驗收修復後的成果。

雖說生成式人工智慧在未來可預期發展出對於美學的獨立判準能力，乃至於透過背後資料庫的搜尋和運算而對擬修復的動態影像做考掘和復原，但最終仍牽涉修復人員的判準。修復人員未來需要具備的專業，更多在於影像內容的探討，指導、並和人工智慧做更好的討論，得出更適合「當下脈絡」的修復結果。也因為AI的運用可使數位化修復速度加快，數位化修復未必只能獨尊於單一版本、多版本的修復情形必然會普遍，過去套用文物或古蹟概念的「修復倫理」也將更加不適合動態影像的修復，而需重新加以審視。

另外可以推測，當AI在數位化修復技術成熟運用所累積生成的「經驗」，是否能應用到不同國家電影、電視內容的修復上？人工智慧模型間是否能對話，以決定哪一個版本的修復結果為合適，將會是另外一項值得觀察的有趣議題。在以人工進行數位化修復為主的過去，跨國的合作間最常需要溝通討論的部分，常常在於影片「調光」的決定，技術人員對於經典電影畫面的色調設定，會因為其背景與對不同文化、美學的理解而有不同的認知。

舉例而言，我曾經參與過的經典電影數位修復過程中，歐洲的合作團隊對於台灣電影中的「色彩」──特別是在武俠電影中的運用，在調光的討論中有較為誇飾的詮釋與預設，而亞洲團隊則傾向在討論初始，即能抓住相對符合合作雙方預期的設定。這樣的情形，似乎可以理解為不同合作團隊對台灣電影中，色彩美學的預設想像，當然，也與執行修復團隊對於特定導演作品風格的考究程度有關；但此一部分和監修團隊自身的研究有更直接的關聯。

當跨國間不同的人工智慧模型還能保有各自的文化內容取向與性格時，可推測類似的情形或許還是會存在，修復人員所扮演的角色亦難被取代。然而，隨著透過不同人工智慧模型進行修復的情況增加，人工智慧在跨文化間的學習也進步時，是否還對影像內容能存在有所謂的美學判斷「標準」，則可能衍伸出其他的討論；跳躍一點的比喻，飲食的跨文化發展過程裡所謂「正宗口味」該如何判準或堅持，差可比擬。

另外可大膽預言的是，伴隨生成式人工智慧的發展，發展中的機器人科技也將更為進步提升，透過人工智慧的導入更具擬人化的思考模式後，影像載具的物理修復，如：膠片的整飭、錄影帶的清潔等，可預期有朝一日將由靈巧的「機器人（眼和手）」搭配具學習能力的人工智慧來操作。

針對影像載體的物理修復是項精巧的「技藝」，縱使透過人類雙眼和雙手，也需要準確的判斷和操作以免損害部分已相當脆弱的膠片拷貝，機器人現行雖然已經能夠處理精密的高科技產品，但生產或組裝高科技產品的「動作」有規格化過程可以依循，膠片拷貝或是磁帶的物理修復動作則很難規格化。機器人在未來施展精細的技藝於影像載體的物理修復，在技術的應用範圍必然還有許多需越過的障礙，但從逐步輔助現行人工操作的物理修復、到以機器人獨當一面，毋寧抱持相對樂觀的態度以對。

台灣位處亞熱帶和熱帶交界，以自然環境而言，相對高溫與高濕度的氣候原本就不利於各種類比影像載體（膠片、磁帶等等）的存放。設若沒有在載體狀態尚佳時，即存放於溫度和濕度控制良好的專門設置典藏空間進行保存，影像載體因外在環境影響隨時間產生的損害情況，對於影像內容的保存即相當不利。目前可知在國內各相關機構典藏庫房裡膠片、磁帶的保存情形，也觸及影像載體酸化、劣化、脫磁等各式議題；修復人員面對影像文化資產的保存和延續應用，需具備高度專業、甚至開發獨門技術的視野，為台灣所面臨的挑戰和可貢獻給國際影像文化資產典藏社群的知識做努力。優先將載體裡的影像進行「數位化」後，再思考後續如何進行諸如：研究、推廣運用、更高階的數位化修復，是目前世界各國在運用影像文化資產時可見的一致趨勢。

在台灣因為前述大環境條件所致，動態影像數位化前需要做的物理整飭、修復是目前想要加快數位化進程的瓶頸之處，在機器人能輔助或完全取代人工整飭前，仍有待更好的策略進行解決；但載體狀態合適進行數位化的影像資產，其後續的修復、運用，是目前相對成熟的領域，結合對人工智慧整體發展的樂觀未來，我們將有機會對動態影像的數位化修復和影像文化資產典藏的整體技術、作法，做全盤性的思考和預備。