一座擁有 150 年歷史的歌劇節，決定把人工智慧帶上舞台。
AI 沒有扮演角色，也沒有代替歌手演唱。
它負責的是舞台上的投影畫面。
在德國拜魯特音樂節的實驗演出中，製作團隊先挑選華格納歷年演出、德國歷史與現代事件的影像，再由 AI 在表演進行時持續生成新的視覺組合。
因此，即使歌手唱的是同一段、樂團演奏的是同一首音樂，每一場觀眾看到的畫面仍可能不同。
從技術角度來看，這項實驗確實成功了。
但演出結束後，歌手、樂團與指揮獲得熱烈掌聲，負責 AI 視覺設計的團隊卻收到噓聲與口哨。
真正的問題不是 AI 沒有產生畫面。
而是它產生了很多畫面，觀眾卻不一定知道這些畫面為什麼出現。資料來源：Associated Press。
每一場都不一樣，為什麼觀眾還是不滿意？
想像一家餐廳請來一位很會變換盤飾的廚師。
同一道菜每次端上桌時，顏色、形狀與擺放方式都不一樣。
第一位客人看到紅色醬汁，第二位看到金色裝飾，第三位看到完全不同的排列。
大家可能會覺得這項技術很新鮮。
但吃完之後，真正重要的問題仍然是：
- 盤飾有沒有讓食物更好吃？
- 變化有沒有幫助客人理解這道菜？
- 裝飾是在服務內容，還是在搶走注意力？
- 每次不同，是創作選擇，還是沒有方向的變化？
這場 AI 歌劇面對的也是同一個問題。
AI 影像會跟著演出持續變化，觀眾看到華格納過去的舞台影像，也看到德國前總理柯爾、九一一事件與德國統一紀念郵票等不同歷史素材。
這些畫面在技術上可以被連接在一起，但不代表觀眾能立刻理解它們和當下劇情的關係。
當視覺訊息太多、變化太快，又缺少清楚的敘事方向時，觀眾可能忙著猜測投影的意思，反而忽略歌手、音樂與人物情緒。
「每一次都不一樣」，不等於「每一次都更有意義」。
AI 可以產生無限選擇，但創作者仍要決定為什麼
生成式 AI 最吸引人的能力之一，就是它不必重複相同結果。
同一個指令可以產生不同圖片、不同音樂、不同影片，也能讓現場演出每次出現新的變化。
但創作最困難的部分，從來不只是產生更多選項。
真正困難的是做出選擇：
- 這個畫面為什麼要出現？
- 它和故事有什麼關係？
- 觀眾現在應該注意什麼？
- 哪些素材雖然有趣，卻應該被刪除？
- 技術應該站在前面，還是退到作品後面？
如果創作者只是把大量素材交給 AI，再讓系統持續組合，作品可能非常豐富，卻缺少明確方向。
這就像請一位助手準備一百種舞台畫面，卻沒有人負責決定哪一個最適合現在的故事。
結果不是選擇變多，而是觀眾需要自己從大量訊息中尋找意義。
拜魯特這次的實驗也不代表 AI 不適合進入劇場。
相反地，它證明 AI 已經可以參與即時演出，並讓傳統舞台出現以前很難做到的變化。
但它同時提醒創作者，觀眾購票不是為了觀看模型展示能力。
他們希望被故事吸引、被音樂打動，並理解舞台上的每一個重要選擇。
AI 可以幫忙產生素材，但不能替作品回答「為什麼要這樣呈現」。
這個責任仍然屬於導演、設計師與創作團隊。
真正成熟的 AI 創作，不是讓觀眾一直注意到 AI，而是讓技術在最適合的位置，幫助觀眾更接近作品。
