在近期采访片段广泛传播后，本·阿弗莱克从电影明星变成了技术讨论的主题。在这些片段中，他解释了机器学习、神经网络、变换器、张量、图形处理器和推理等概念。他的谈话并不局限于术语，而是将这些概念直接与视觉特效工作流程和电影制作联系起来。
在接受《GQ》杂志的One More Question系列节目采访时，阿弗莱克表示，他从小就对计算机感兴趣，电影制作从模拟胶片转向数字技术促使他深入了解技术层面。他还提到，自己能够编写简单的Python脚本，而机器学习技术多年来一直被用于视觉特效。
从图像分析到视觉特效
阿弗莱克解释说，卷积神经网络曾被用于发现模式和特征，例如确定图像中元素的边缘，从而帮助分离绿幕背景并用其他元素替换。他还将张量描述为图像的数字表示，其中包含批次编号、帧编号以及每个像素的颜色值等信息。
由于他以简单的方式介绍复杂概念，相关片段得以广泛传播，尤其是他在使用术语时还会向采访者解释这些术语。他还指出，自己利用在好莱坞的地位，拜访了从事人工智能技术的机构，其中包括OpenAI，随后决定直接参与这一领域。
定制数据，而不是完全依赖通用模型
阿弗莱克表示，他的电影制作人工智能初创公司试图开发一种将技术与艺术家相结合的方法，同时考虑与形象、身份及相关权利有关的问题。为此，他提到自己筹集了资金，并在大约八个月的时间里使用大量摄像机和设备进行拍摄，以创建一个专有数据集。
据他解释，这些数据旨在用于训练处于高级阶段的开放模型，以执行特定任务，同时将训练代码与推理代码连接起来，从而服务于制作中的实际用途。该公司后来在今年早些时候被出售给Netflix。有报道称，这笔交易的金额为5.87亿美元，但阿弗莱克表示这一数字不正确，并说明自己并不完全拥有该公司。
实际会发生什么变化？
在洛杉矶举行的Screentime 2026大会期间，阿弗莱克接受彭博社的卢卡斯·肖采访时，描述了一种方法：采用开源模型，调整其权重，然后根据特定的电影制作标准对其进行训练。按照他的解释，电影制作人可以保留自己的作品，同时利用针对其电影或所执行任务训练定制模型所产生的知识。
阿弗莱克在他的电影Animals中采用了这种方法，人工智能参与了后期制作阶段。这一观点的重要性在于，它并未将人工智能呈现为全面取代电影制作的方案，而是将其视为一种专门工具，根据制作团队确定的数据和情境进行训练。不过，文章没有说明所使用模型的具体细节，也没有说明数据的性质及其使用权利；这些仍是实际评估这一方法时的关键问题。
至于风险，阿弗莱克表示，他并不担心类似“Skynet”的情景，而是担心人工智能对教育、负责任使用以及他所称的习得性无助的影响。他还认为，这项技术不会以具有重大影响的方式接管电影制作，而是会成为电影制作的补充。