استخدام الذكاء الاصطناعي لتنبؤ بأفلام النجاح

على الرغم من أن صناعة السينما والتلفزيون غالبًا ما تُعتبر صناعات إبداعية ومفتوحة، إلا أنها كانت طوال الوقت مترددة في المخاطرة. تُعتبر التكاليف الإنتاجية العالية (التي قد تفقد ميزة التكلفة المنخفضة للمواقع الخارجية، على الأقل لمشاريع الولايات المتحدة) والمنظر الإنتاجي المتجزئ يجعلان من الصعب على الشركات المستقلة امتصاص الخسائر الكبيرة.

لذلك، أصبحت الصناعة مهتمة بشكل متزايد خلال العقد الماضي بالتحقيق فيما إذا كان يمكن للتعلم الآلي اكتشاف اتجاهات أو أنماط في كيفية استجابة الجماهير لمشاريع الأفلام والتلفزيون المقترحة.

تظل المصادر الرئيسية للبيانات هي نظام نيلسن (الذي يقدم الحجم، على الرغم من أن جذوره تتمثل في التلفزيون والإعلان) والأساليب القائمة على العينات مثل مجموعات التركيز، والتي تتبادل الحجم مقابل الديموغرافيا المحددة. وتشمل هذه الفئة الأخيرة أيضًا ملاحظات بطاقات التقييم من العروض الترويجية المجانية للفيلم – ومع ذلك، في ذلك الوقت، يكون معظم ميزانية الإنتاج قد أنفقت بالفعل.

نظرية النجاح الكبير / النظريات

في البداية، استخدمت أنظمة التعلم الآلي أساليب التحليل التقليدية مثل الانحدار الخطي، K-Nearest Neighbors، Stochastic Gradient Descent، Decision Tree و Neural Networks، عادةً في مجموعات مختلفة أقرب في الشكل إلى التحليل الإحصائي قبل الذكاء الاصطناعي، مثل مبادرة جامعة سنترال فلوريدا لعام 2019 لتوقيع البرامج التلفزيونية الناجحة بناءً على مجموعات من الممثلين والكتاب (من بين عوامل أخرى):

دراسة عام 2018 قيمت أداء الحلقات بناءً على مجموعات من الشخصيات و/أو الكاتب (معظم الحلقات كتبها أكثر من شخص واحد). مصدر: https://arxiv.org/pdf/1910.12589

الأعمال الأكثر صلة، على الأقل تلك التي يتم نشرها في البرية (على الرغم من أنها مُنتقدة غالبًا)، توجد في مجال نظم التوصية:

خط أنابيب توصية فيديو نموذجي. يتم فهرست مقاطع الفيديو في الفهرس باستخدام ميزات قد تكون مخططة يدوياً أو مستخرجة تلقائياً. يتم توليد التوصيات في مرحلتين من خلال اختيار مقاطع فيديو مرشحة ثم ترتيبها وفقاً لملف تعريف مستخدم يُستنبط من تفضيلات المشاهدة. مصدر: https://www.frontiersin.org/journals/big-data/articles/10.3389/fdata.2023.1281614/full

然而، هذه الأنواع من النهج تحليل المشاريع التي نجحت بالفعل. في حالة العروض الجديدة أو الأفلام، لا يوجد واضح ما هي الحقيقة الأرضية الأكثر ملاءمة – ولا سيما لأن التغييرات في الذوق العام، إلى جانب التحسينات والتوسعات في مصادر البيانات، تعني أن البيانات المستمرة لعدة عقود عادةً ما لا تتوفر.

هذه هي حالة مشكلة البداية الباردة، حيث يجب على أنظمة التوصية تقييم المرشحين بدون أي بيانات تفاعل سابقة. في هذه الحالات، ينهار التصفية التعاونية التقليدية، لأنها تعتمد على أنماط السلوك المستخدم (مثل المشاهدة أو التقييم أو المشاركة) لتوليد التنبؤات. المشكلة هي أن معظم الأفلام أو العروض الجديدة لا توجد لديها بعد ذلك ردود فعل كافية من الجماهير لدعم هذه الأساليب.

توقع كومكاست

يقترح ورقة جديدة من كومكاست تكنولوجي آي، بالاشتراك مع جامعة جورج واشنطن، حلاً لهذه المشكلة من خلال تحفيز نموذج لغة بمعلومات ميتاداتا حول الأفلام غير المنشورة.

تتضمن الإدخالات الطاقم و النوع و الملخص و تقييم المحتوى و المزاج و الجوائز، مع عودة النموذج إلى قائمة مرتبة من المرشحين المحتملين.

يستخدم المؤلفون إخراج النموذج كبديل لاهتمام الجماهير عندما لا تتوفر بيانات المشاركة.

الورقة القصيرة جدًا (ثلاث صفحات) المعروفة باسم توقعات نجاح الفيلم قبل حدوثه مع LLMs، تأتي من ستة باحثين في Comcast Technology AI، وواحد من GWU، وتفيد بما يلي:

‘تظهر نتائجنا أن LLMs، عند استخدامها مع بيانات الفيلم، يمكن أن تتفوق بشكل كبير على القيم الأساسية. يمكن أن يخدم هذا النهج نظامًا مساعدًا لعدة حالات استخدام، مما يتيح التقييم التلقائي لحجم كبير من المحتوى الجديد المنشور يوميًا وأسبوعيًا.

‘من خلال تقديم رؤى مبكرة قبل أن تجمع فرق التحرير أو الخوارزميات بيانات تفاعل كافية، يمكن أن يبسّط LLMs عملية مراجعة المحتوى.

‘مع التحسين المستمر في كفاءة LLMs وانتشار وكلاء التوصية، فإن رؤى هذا العمل قيمة ويمكن تعديلها لتناسب مجموعة واسعة من المجالات.’

إذا ثبت أن النهج قوي، يمكن أن يقلل من اعتمادية الصناعة على المقاييس التأملية والعناوين التي تم الترويج لها بشكل كبير من خلال تقديم طريقة قابلة للتوسيع لتحديد المحتوى الواعد قبل الإصدار. وبالتالي، بدلاً من انتظار سلوك المستخدم ليعطي إشارة الطلب، يمكن لفرق التحرير الحصول على توقعات مبكرة مدفوعة بالبيانات حول اهتمام الجماهير، وربما Redistribution التعرض عبر مجموعة أوسع من الإصدارات الجديدة.

الطريقة والبيانات

يحدد المؤلفون مسار عمل من أربعة مراحل: بناء مجموعة بيانات مخصصة من بيانات الفيلم غير المنشور؛ إنشاء نموذج أساسي للمقارنة؛ تقييم LLMs المناسبة باستخدام العقلانية اللغوية والتنبؤ القائم على التضمين؛ وتحسين الإخراج من خلال هندسة التحفيز في الوضع التوليدي، باستخدام نموذج Llama 3.1 و 3.3 من Meta.

منذ أن أشار المؤلفون إلى أن لا مجموعة بيانات عامة متاحة توفر طريقة مباشرة لاختبار فرضياتهم (لأن معظم المجموعات الحالية تسبق LLMs وتفتقر إلى بيانات ميتاداتا مفصلة)، بنوا مجموعة بيانات معيارية من منصة كومكاست الترفيهية، التي تخدم عشرات الملايين من المستخدمين عبر واجهات مباشرة وثالثة.

تركز المجموعة على الأفلام بدلاً من المسلسلات، ويذكر المؤلفون:

‘ركزنا على الأفلام لأنها أقل تأثراً بالمعرفة الخارجية من المسلسلات التلفزيونية، مما يحسن من موثوقية التجارب.’

تم تعيين العلامات من خلال تحليل الوقت الذي استغرقته العنوان لل trở nên شائع عبر نوافذ زمنية وقياسات قائمة مختلفة. تم تحفيز LLM بحقول بيانات ميتاداتا مثل النوع و الملخص و التقييم و الحقبة و الطاقم و الجوائز و أنواع الشخصيات.

للمقارنة، استخدم المؤلفون نموذجين أساسيين: ترتيب عشوائي؛ ونموذج Popular Embedding (PE) (الذي سنأتي إليه قريباً).

استخدم المشروع نماذج لغة كبيرة كأسلوب الترتيب الرئيسي، مولداً قوائم مرتبة من الأفلام مع درجات شعبية متوقعة وبررها مصاحبة – وتم تشكيل هذه الإخراج بواسطة استراتيجيات هندسة التحفيز مصممة لتوجيه تنبؤات النموذج باستخدام بيانات ميتاداتا المنظمة.

إطار استراتيجية التحفيز أطر النموذج كـ “مساعد تحريري” مكلّف بتحديد الأفلام القادمة الأكثر احتمالاً لأن تصبح شعبية، بناءً على بيانات ميتاداتا المنظمة فقط، ثم كلف بإعادة ترتيب قائمة محددة من العناوين بدون إدخال عناصر جديدة، وعودة الإخراج في شكل JSON.

يتكون كل استجابة من قائمة مرتبة، درجات شعبية معينة، برر لترتيبها، ومراجع لأي أمثلة سابقة أثرت على النتيجة. تم تصميم هذه المستويات المتعددة من بيانات ميتاداتا لتحسين فهم النموذج السياقي وقدرته على توقع اتجاهات الجماهير في المستقبل.

الاختبارات

اتبعت التجربة مرحلتين رئيسيتين: في البداية، اختبر المؤلفون عدة متغيرات من النموذج لتحديد النسخة التي أدت بشكل أفضل من نهج الترتيب العشوائي.

ثم اختبروا نماذج اللغة الكبيرة في الوضع التوليدي، من خلال مقارنة إخراجها بنموذج أساسي أقوى، بدلاً من ترتيب عشوائي، مما رفع صعوبة المهمة.

هذا يعني أن النماذج يجب أن تفعل بشكل أفضل من نظام يُظهر بالفعل بعض القدرة على توقع الأفلام الشعبية. ونتيجة لذلك، يؤكد المؤلفون أن التقييم يعكس ظروف العالم الحقيقي بشكل أفضل، حيث يختار فرق التحرير ونظم التوصية بين أنظمة منافسة ذات قدرات تنبؤية مختلفة.

ميزة الجهل

كانت هناك قيود رئيسية في هذا الإعداد هي الفجوة الزمنية بين معلومات النموذج وتاريخ إصدار الفيلم. لأن نماذج اللغة كانت مدربة على بيانات انتهت بين ستة وأثني عشر شهراً قبل أن تصبح الأفلام متاحة، لم يكن لديها أي إمكانية الوصول إلى المعلومات المنشورة بعد الإصدار، مما يضمن أن التنبؤات كانت تستند بالكامل إلى بيانات ميتاداتا، وليس على أي استجابة جماهيرية متعلمة.

تقييم الأساس

为了 بناء قاعدة أساسية، أنشأ المؤلفون تمثيلات семантиكية لبيانات ميتاداتا الفيلم باستخدام ثلاثة نماذج تضمين: BERT V4؛ Linq-Embed-Mistral 7B؛ و Llama 3.3 70B، كمية إلى 8 بت لتلائم قيود البيئة التجريبية.

تم اختيار Linq-Embed-Mistral للاستخدام بسبب مركزه في قمة لوحة ترتيب MTEB.

أنتج كل نموذج تضمينات متجه من الأفلام المرشحة، والتي تم مقارنتها بالتضمين المتوسط للعناوين الشعبية العشرين الأولى من الأسابيع التي سبقت إصدار كل فيلم.

تم افتراض الشعبية باستخدام التشابه المثلثي بين هذه التضمينات، مع درجات تشابه أعلى تشير إلى جاذبية متوقعة أعلى. تم تقييم دقة ترتيب كل نموذج من خلال قياس الأداء مقابل ترتيب عشوائي.

تحسين أداء نماذج Popular Embedding مقارنة بالأساس العشوائي. تم اختبار كل نموذج باستخدام أربعة تكوينات لميتاداتا: V1 يتضمن فقط النوع؛ V2 يتضمن فقط الملخص؛ V3 يجمع بين النوع والملخص وتقييم المحتوى وتصنيفات الشخصيات والمزاج وعصر الإصدار؛ V4 يضيف الطاقم والطاقم والجوائز إلى تكوين V3. تُظهر النتائج كيف تؤثر مدخلات بيانات ميتاداتا الغنية على دقة الترتيب. مصدر: https://arxiv.org/pdf/2505.02693

تُظهر النتائج (الموضحة أعلاه) أن BERT V4 و Linq-Embed-Mistral 7B قد حققا تحسينات قوية في تحديد العناوين الثلاثة الأولى الأكثر شعبية، على الرغم من أن كلاهما كان قليلاً قصيراً في توقع العنوان الأكثر شعبية.

تم اختيار BERT في النهاية كنموذج أساسي للمقارنة مع LLMs، لأن كفاءته وعموم مكاسبه تفوقت على قيوده.

تقييم LLM

قيم الباحثون الأداء باستخدام نهجين للترتيب: الترتيب الزوجي و الترتيب القائم على القائمة. يُقيم الترتيب الزوجي ما إذا كان النموذج يرتب العنصر بشكل صحيح بالنسبة لآخر؛ ويعتبر الترتيب القائم على القائمة دقة القائمة الكاملة للمرشحين.

أصبحت هذه المجموعة ممكنة لتقييم ليس فقط ما إذا كانت الأفلام الزوجية مرتبة بشكل صحيح (الدقة المحلية)، ولكن أيضًا كيف ي phảnعكس القائمة الكاملة للمرشحين الترتيب الحقيقي للشعبية (الدقة العالمية).

تم استخدام نماذج كاملة، غير كمية، لمنع فقدان الأداء، مما يضمن مقارنة متسقة ويمكن إعادة إنتاجها بين التنبؤات القائمة على LLM ونموذج التضمين الأساسي.

المقاييس

为了 تقييم كيفية تنبؤ نماذج اللغة بدقة بشعبية الفيلم، تم استخدام مقاييس الترتيب والتصنيف، مع اهتمام خاص بتحديد العناوين الثلاثة الأكثر شعبية.

تم تطبيق أربعة مقاييس: الدقة@1 قاس كيف часто يظهر العنوان الأكثر شعبية في المركز الأول؛ المرتبة العكسية أسرت مدى ارتفاع ترتيب العنوان الفعلي في القائمة المتوقعة؛ الربح التراكمي المنخفض المعياري (NDCG@k) قيم كيف ي phảnعكس الترتيب الكامل مع الشعبية الفعلية، مع درجات أعلى تشير إلى انحياز أفضل؛ و الاستدعاء@3 قاس نسبة العناوين الشعبية الحقيقية التي ظهرت في ثلاثة تنبؤات نموذجية.

منذ أن يحدث معظم تفاعل المستخدم بالقرب من أعلى قوائم المرتبة، ركز التقييم على قيم أقل من k، ليعكس حالات الاستخدام العملية.

تحسين أداء نماذج اللغة الكبيرة على BERT V4، مقاس بالزيادات النسبية عبر مقاييس الترتيب. تم تحقيق النتائج على مدار عشرة عمليات تشغيل لكل组 من نموذج وتحفيز، مع التأكيد على قيمتين أعلى. تشير الأرقام المعلنة إلى متوسط الزيادة النسبية عبر جميع المقاييس.

تم تقييم أداء نموذج Llama 3.1 (8B) و 3.1 (405B) و 3.3 (70B) من خلال قياس تحسين المقاييس نسبة إلى نموذج BERT V4 المُستخدم مسبقاً. تم اختبار كل نموذج باستخدام سلسلة من التحفيزات، من البسيطة إلى الغنية بالمعلومات، لتحديد تأثير تفاصيل الإدخال على جودة التنبؤ.

يذكر المؤلفون:

‘الاداء الأفضل يتم تحقيقه عند استخدام Llama 3.1 (405B) مع التحفيز الأكثر إعلاماً، يليها Llama 3.3 (70B). بناءً على الاتجاه المرصود، عند استخدام تحفيز معقد وطويل (MD V4)، يؤدي نموذج لغة أكثر تعقيداً بشكل عام إلى أداء أفضل عبر مختلف المقاييس. ومع ذلك، فهو حساس لنوع المعلومات المضافة.’

تم تحسين الأداء عند تضمين جوائز الطاقم كجزء من التحفيز – في هذه الحالة، عدد الجوائز الكبرى التي حصل عليها الممثلون الخمسة الأوائل في كل فيلم. كانت هذه البيانات الميتاداتا الغنية جزءاً من تكوين التحفيز الأكثر تفصيلاً، الذي تفوق على نسخة أبسط استثنت اعتراف الطاقم. كان الفائدة أكثر وضوحاً في النماذج الأكبر، Llama 3.1 (405B) و 3.3 (70B)، وكلاهما أظهر دقة تنبؤية أقوى عند تزويد هذه الإشارة الإضافية للسمعة والاهتمام الجماهيري.

على العكس من ذلك، أظهر النموذج الأصغر، Llama 3.1 (8B)، تحسناً في الأداء عندما أصبحت التحفيزات أكثر تفصيلاً قليلاً، متقدمة من النوع إلى الملخص، ولكن انخفضت عندما تم إضافة مزيد من الحقول، مما يشير إلى أن النموذج يفتقر إلى القدرة على دمج تحفيزات معقدة بشكل فعال، مما يؤدي إلى تعميم أضعف.

عندما تم تقييد التحفيزات بالنوع فقط، جميع النماذج أدناه من نموذج الأساس، مما يدل على أن بيانات ميتاداتا المحدودة كانت غير كافية لدعم تنبؤات ذات معنى.

الخلاصة

لقد أصبحت نماذج اللغة الكبيرة طفلاً صغيراً للذكاء الاصطناعي، مما قد يفسر لماذا يتم استخدامها في مجالات حيث قد تكون أساليب أخرى أكثر ملاءمة. ومع ذلك، لا يزال هناك الكثير مما لا نعرفه حول ما يمكنهم فعله عبر مختلف الصناعات، لذلك من المنطقي أن نمنحهم فرصة.

في هذه الحالة، كما هو الحال في الأسواق المالية وتنبؤات الطقس، هناك فقط مدى محدود يمكن أن تكون البيانات التاريخية أساساً للتنبؤات المستقبلية. في حالة الأفلام والتلفزيون، تكون طريقة التسليم الآن هدف متحرك، على عكس الفترة بين 1978-2011، عندما كانت الكابلات والأقمار الصناعية ووسائط المحمول (VHS، DVD، إلخ.) تمثل سلسلة من الاضطرابات التاريخية الانتقالية.

لا يمكن أن تتنبأ أي طريقة بمدى تأثير نجاح أو فشل إنتاجات أخرى على فيablity من مشروع مقترح – ومع ذلك، هذا غالبًا ما يكون الحال في صناعة الأفلام والتلفزيون، التي تحب ركوب اتجاه.

على الرغم من ذلك، عندما يتم استخدامها بحكمة، يمكن أن تساعد نماذج اللغة الكبيرة في تعزيز أنظمة التوصية خلال مرحلة البداية الباردة، مما يوفر دعمًا مفيدًا عبر مجموعة من الأساليب التنبؤية.

منذ أن نُشر لأول مرة يوم الثلاثاء، 6 مايو 2025