AI-Tool ermöglicht Film-Bewertungen vor dem Dreh des ersten Szenes

Film-Bewertungen sind für den Erfolg eines Films und seine Wirkung auf das Publikum von entscheidender Bedeutung. Traditionell wird ein Film von Menschen bewertet, die ihn ansehen und dabei Gewalt, Drogenmissbrauch und sexuelle Inhalte berücksichtigen.

Diese Dynamik könnte sich jedoch bald mit dem Aufkommen der künstlichen Intelligenz (AI) ändern. Kürzlich verwendeten Forscher an der USC Viterbi School of Engineering AI-Tools, um einen Film innerhalb von Sekunden zu bewerten. Einer der beeindruckendsten Aspekte dieses Ansatzes ist, dass die Bewertung allein auf der Grundlage des Film-Drehbuchs durchgeführt werden kann, ohne dass ein einziger Shot gedreht wird. Auf diese Weise können Film-Produzenten ein Drehbuch entwickeln, bearbeiten und eine Film-Bewertung im Voraus erstellen, bevor sie überhaupt mit dem Dreh beginnen.

Der neu entwickelte Ansatz würde finanzielle Auswirkungen auf die Studios haben, kann aber auch den kreativen Köpfen helfen, eine Geschichte zu entwickeln und zu bearbeiten, basierend auf der vorhergesagten Wirkung und Reaktion des Publikums.

Die Forschung wurde von Shrikanh Narayanan, University Professor und Niki & C. L. Max Nikias Chair in Engineering, geleitet, zusammen mit einem Team von Forschern aus dem Signal Analysis and Interpretation Lab (SAIL) an der USC Viterbi.

Anwendung von AI auf Drehbücher

Nach der Anwendung von AI auf Film-Drehbücher stellte das Team fest, dass linguistische Hinweise bestimmte Verhaltensweisen in Bezug auf Gewalt, Drogenmissbrauch und sexuelle Inhalte anzeigen können, die von den Charakteren demonstriert werden. Diese Inhaltskategorien werden oft verwendet, um heutige Filme zu bewerten.

Das Team verwendete 992 Film-Drehbücher, die von Common Sense Media als gewalttätig, substanzabhängig und sexuell eingestuft wurden. Die Non-Profit-Organisation ist für die Erstellung von Film-Empfehlungen für Familien und Bildungseinrichtungen verantwortlich.

Ein trainiertes AI-Modell wurde dann auf die 992 Drehbücher angewendet, um Risikoverhaltensweisen, Muster und bestimmte Sprache zu identifizieren. Es erhält zunächst das Drehbuch als Eingabe und verarbeitet es durch ein neuronales Netzwerk, das Semantik und Sentiment-Expressions scanniert.

Die AI arbeitet als Klassifizierungstool, indem sie Sätze und Phrasen als positiv, negativ, aggressiv oder anderweitig beschreibt. Wörter und Phrasen werden auch in drei Kategorien eingeteilt: Gewalt, Drogenmissbrauch und sexuelle Inhalte.

Victor Martinez ist ein Doktorand in Informatik an der USC Viterbi und Leitforscher.

“Unser Modell betrachtet das Film-Drehbuch, anstatt die tatsächlichen Szenen, einschließlich z.B. Geräuschen wie Schüssen oder Explosionen, die später in der Produktionspipeline auftreten”, sagte Martinez. “Dies hat den Vorteil, eine Bewertung lange vor der Produktion zu liefern, um Filmemachern zu helfen, z.B. den Grad der Gewalt und ob sie reduziert werden muss, zu entscheiden.”

“Es scheint, dass es eine Korrelation zwischen der Menge an Inhalten in einem typischen Film gibt, der sich auf Substanzmissbrauch konzentriert, und der Menge an sexuellen Inhalten. Ob absichtlich oder nicht, Filmemacher scheinen das Maß an substanzabhängigem Inhalt mit sexuell expliziten Inhalten zu korrelieren”, fuhr er fort.

Ergebnisse und Korrelationen

Eine der Forschungsergebnisse war, dass es sehr unwahrscheinlich ist, dass ein Film hohe Level aller drei Risikoverhaltensweisen enthält, was wahrscheinlich durch die Standards der Motion Picture Association (MPA) verursacht wird. Sie fanden auch eine Korrelation zwischen Risikoverhaltensweisen und MPA-Bewertungen. Zum Beispiel legt die MPA weniger Wert auf Gewalt- und Substanzmissbrauch-Inhalte, wenn sexuelle Inhalte zunehmen.

“An der SAIL entwickeln wir Technologien und Tools auf der Grundlage von AI für alle Beteiligten in diesem kreativen Geschäft – die Schriftsteller, Filmemacher und Produzenten – um das Bewusstsein für die verschiedenen wichtigen Details zu erhöhen, die mit der Erzählung ihrer Geschichte auf Film verbunden sind”, sagte Narayanan.

“Wir sind nicht nur an der Perspektive der Geschichtenerzähler interessiert, sondern auch an der Wirkung auf das Publikum und dem ‘Take-away’ aus der gesamten Erfahrung. Tools wie diese werden dazu beitragen, gesellschaftlich bedeutsames Bewusstsein zu schaffen, zum Beispiel durch die Identifizierung negativer Stereotypen.”

Das Forschungsteam umfasst auch Krishna Somandepalli, einen Doktoranden in Elektrotechnik und Informatik an der USC Viterbi, und Professor Yalda T. Uhls von der UCLA-Abteilung für Psychologie.

Die Forschung wurde auf der EMNLP 2020-Konferenz präsentiert.