Ta sama scena, zagrana identycznie, bywa zaskoczeniem albo torturą. Rozstrzyga o tym jedna rzecz, którą widz wie albo której nie wie. Kobieta wraca do domu i zastaje w kuchni męża. Jeśli wiemy o nim dokładnie tyle co ona, dziwimy się razem z nią. Jeśli minutę wcześniej patrzyliśmy, jak chowa coś do szuflady, siedzimy w fotelu i czekamy, aż ona tam zajrzy.
Ta różnica nazywa się punktem widzenia i dotyczy podziału wiedzy między widza a postacie. Z kątem kamery nie ma nic wspólnego, podobnie jak z tym, czyją twarz akurat widać na ekranie. Można filmować bohatera przez pół filmu z bliska i nie wpuścić widza do jego głowy ani na chwilę. Można też nie pokazywać go wcale, a mimo to trzymać widza dokładnie w granicach tego, co on wie. Decyzja zapada raz i obowiązuje potem w każdej scenie, także w tych, o których autor przestał już myśleć.
Na tej samej osi leżą jeszcze dwie decyzje i nagminnie bierze się je za jedną. Fokalizacja rozstrzyga, przez czyją percepcję przepuszczona jest scena, czyli kto ją widzi i słyszy. Osoba gramatyczna rozstrzyga, kto ją opowiada. Punkt widzenia pyta o co innego, o to, czyją ślepotą jesteśmy związani. Pierwsza osoba odcina wszystko, przy czym narratora nie było, ale bliska trzecia potrafi być równie ciasna, a sam zaimek niczego tu nie przesądza. Obie te warstwy mają własne hasła, o fokalizacji i o wyborze między pierwszą a trzecią osobą.
László Nemes w Synu Szawła dociągnął ograniczenie do granicy wytrzymałości. Kamera przez cały film trzyma się twarzy i pleców jednego więźnia, a obóz dzieje się rozmyty na obrzeżach kadru i w dźwięku. Widz nie dostaje ani jednego szerszego planu, bo bohater sam sobie takiego planu nie pozwala zobaczyć. Ograniczenie jest tam całą formą, a nie oszczędnością produkcyjną. Efekt wychodzi fizyczny, bo brak szerokiego planu odbiera orientację i zostawia niepokój, którego żadne późniejsze wyjaśnienie nie zdejmuje.
Steven Soderbergh w Traffic poszedł w przeciwną stronę i rozdał widzowi wszystkie karty naraz. Świeżo mianowany szef amerykańskiej wojny z narkotykami układa politykę państwa, a jego własna córka wchodzi w nałóg, który oglądamy wcześniej niż on. Ta przewaga jest jedynym paliwem kilku scen. Bez niej byłyby to rozmowy przy stole o niczym.
Każdy z tych trybów coś kupuje i za coś płaci. Bliska perspektywa jednej głowy kupuje tajemnicę i utożsamienie, bo prawdę odkrywamy razem z bohaterem, a płaci rozmachem, bo świata widać tyle, ile widać z jego wysokości. Szeroka kupuje ironię i oddech, a płaci zaskoczeniem, bo trudno zdziwić widza czymś, co pokazano mu pół godziny wcześniej. Żaden z nich nie jest lepszy od drugiego, jest tylko dobrany do tego, co ma się w widzu wydarzyć.
Najwięcej szkody robi dryf, czyli skakanie między głowami dla wygody. Scena po scenie autor zagląda w myśli tego, kto akurat ma coś do wyjaśnienia, a po godzinie nie wiadomo już, czyja to opowieść. Kilka perspektyw naraz jest oczywiście dozwolone i bywa wspaniałe. Warunek jest jeden: przeskok ma być decyzją odczuwalną jak zmiana rozdziału, a nie zaniedbaniem. W dryfującym tekście wiedza trafia do postaci wtedy, kiedy potrzebuje jej scenariusz, a nie wtedy, kiedy któraś z nich mogłaby ją naprawdę zdobyć.
Wybór rozstrzyga się zwykle sam w chwili, gdy wiadomo, czyja przemiana jest treścią filmu. To do tej osoby przywiązuje się widza i to jej niewiedza wyznacza granice opowiadania. Reszta postaci może być fascynująca, ale ogląda się je z zewnątrz, po zachowaniu i po tym, co mówią, dokładnie tak jak ludzi w prawdziwym życiu.