AI-værktøj giver mulighed for filmvurderinger før optagelse af første scene

Filmvurderinger er afgørende for en films bundlinje og bestemmer dets indvirkning på publikum. Traditionelt vurderes en film manuelt af mennesker, der ser på den, og tager hensyn til vold, stofmisbrug og seksuelt indhold.

Denne dynamik kan snart ændre sig med opkomsten af kunstig intelligens (AI). For nylig brugte forskere ved USC Viterbi School of Engineering AI-værktøjer til at vurderer en film på få sekunder. En af de mest imponerende aspekter ved denne tilgang er, at vurderingen kan udføres udelukkende på basis af filmmanuskriptet, uden at optage en enkelt scene. Derved kan filmchefer udvikle et manuskript, foretage redigeringer og designe en filmvurdering på forhånd og før optagelse af nogen scener.

Den nyligt udviklede tilgang vil have en økonomisk indvirkning på studier, men den kan også hjælpe de kreative hjerner med at udvikle og redigere en historie på basis af den forventede indvirkning og respons fra seerne.

Forskningen blev ledet af Shrikanh Narayanan, universitetsprofessor og Niki & C. L. Max Nikias Chair in Engineering, sammen med et hold af forskere fra Signal Analysis and Interpretation Lab (SAIL) ved USC Viterbi.

Anvendelse af AI på manuskripter

Efter at have anvendt AI på filmmanuskripter, fandt holdet ud af, at sproglige koder kan indikere bestemte adfærdsmønstre omkring vold, stofmisbrug og seksuelt indhold, som skal demonstreres af karaktererne. Disse indholdskategorier bruges ofte til at vurderer dagens film.

Holdet anvendte 992 filmmanuskripter, som var bestemt af Common Sense Media til at have vold, stofmisbrug og seksuelt indhold. Den non-profit-organisation er ansvarlig for at give film-anbefalinger til familier og uddannelsesinstitutioner.

En trænet AI blev derefter anvendt på de 992 manuskripter, hvorved risikoadfærd, mønstre og særlig sprog blev identificeret. Den modtager først manuskriptet som input, før den bearbejder det gennem et neuralt netværk, som scanner efter semantik og sentimentudtryk.

AI’en fungerer som en klassificeringsværktøj, der mærker sætninger og fraser som positive, negative, aggressive eller andre beskrivelser. Ord og fraser klassificeres også i tre kategorier: vold, stofmisbrug og seksuelt indhold.

Victor Martinez er en ph.d.-stipendiat i datalogi ved USC Viterbi og leder af forskningsholdet.

“Vores model ser på filmmanuskriptet, snarere end de faktiske scener, herunder f.eks. lyde som skydesignaler eller eksplosioner, der opstår senere i produktionsprocessen,” sagde Martinez. “Dette har fordelen af at give en vurdering lang tid før produktionen, således at filminstruktørerne kan beslutte, f.eks. om graden af vold og om den skal tones ned.”

“Der synes at være en korrelation mellem mængden af indhold i en typisk film, der fokuserer på stofmisbrug, og mængden af seksuelt indhold. Uanset om det er bevidst eller ej, synes filminstruktørerne at matche niveauet af stofmisbrugsrelateret indhold med seksuelt eksplisit indhold,” fortsatte han.

Fund og korrelationer

En af forskernes fund var, at det er meget usandsynligt, at en film indeholder høje niveauer af alle tre risikoadfærd, hvilket sandsynligvis skyldes standarderne, der er fastsat af Motion Picture Association (MPA). De fandt også en korrelation mellem risikoadfærd og MPA-vurderinger. F.eks. lægger MPA mindre vægt på vold/stofmisbrugsindhold, når seksuelt indhold øges.

“På SAIL designerer vi teknologier og værktøjer baseret på AI til alle interessenter i denne kreative forretning – forfattere, filminstruktører og producere – for at øge bevidstheden om de forskellige vigtige detaljer, der er forbundet med at fortælle deres historie på film,” sagde Narayanan.

“Ikke kun er vi interesseret i perspektivet hos fortællerne af de fortællinger, de væver, men også i at forstå indvirkningen på publikum og ‘take-away’ fra hele oplevelsen. Værktøjer som disse vil hjælpe med at øge societetsmæssig bevidsthed, f.eks. gennem identifikation af negative stereotyper.”

Forskningsholdet inkluderer også Krishna Somandepalli, en ph.d.-stipendiat i elektro- og datateknik ved USC Viterbi, og professor Yalda T. Uhls fra UCLA’s afdeling for psykologi.

Forskningen blev præsenteret på EMNLP 2020-konferencen.