Εργαλείο AI Επιτρέπει τις Βαθμολογίες Ταινιών Πριν από τη Γύρισή της Πρώτης Σκηνής

Οι βαθμολογίες των ταινιών είναι ζωτικές για την εμπορική επιτυχία μιας ταινίας και καθορίζουν την επίδρασή της στο κοινό. Παραδοσιακά, μια ταινία βαθμολογείται χειροκίνητα από ανθρώπους που τη βλέπουν, λαμβάνοντας υπόψη τη βία, την κακοποίηση ναρκωτικών και το σεξουαλικό περιεχόμενο.

Αυτό το δυναμικό μπορεί να αλλάξει σύντομα με την άνοδο της τεχνητής νοημοσύνης (AI). Πρόσφατα, ερευνητές στο USC Viterbi School of Engineering χρησιμοποίησαν εργαλεία AI για να βαθμολογούν μια ταινία μέσα σε δευτερόλεπτα. Ένας από τους πιο εντυπωσιακούς аспέκτες αυτής της προσέγγισης είναι ότι η βαθμολογία μπορεί να γίνει με βάση το σενάριο της ταινίας, χωρίς να γυρίσει ούτε μια σκηνή. Λόγω αυτού, οι υπεύθυνοι των στούντιο μπορούν να αναπτύξουν ένα σενάριο, να κάνουν επεξεργασίες και να σχεδιάσουν μια βαθμολογία ταινίας εκ των προτέρων και πριν γυρίσουν οποιαδήποτε σκηνή.

Η nově αναπτυγμένη προσέγγιση θα έχει οικονομική επίδραση στα στούντιο, αλλά μπορεί επίσης να βοηθήσει τους δημιουργικούς νους να αναπτύξουν και να επεξεργαστούν μια ιστορία με βάση την προβλεπόμενη επίδραση και αντίδραση από το κοινό.

Η έρευνα διεξήχθη από τον Shrikanh Narayanan, University Professor και Niki & C. L. Max Nikias Chair in Engineering, μαζί με μια ομάδα ερευνητών από το Signal Analysis and Interpretation Lab (SAIL) στο USC Viterbi.

Εφαρμογή AI στα Σενάρια

Μετά την εφαρμογή της AI στα σενάρια ταινιών, η ομάδα βρήκε ότι οι γλωσσικές ενδείξεις μπορούν να υποδείξουν bestimmtes συμπεριφορά που σχετίζεται με τη βία, την κακοποίηση ναρκωτικών και το σεξουαλικό περιεχόμενο που πρόκειται να παρουσιαστούν από τους χαρακτήρες. Αυτές οι κατηγορίες περιεχομένου χρησιμοποιούνται συχνά για να βαθμολογούν τις ταινίες σήμερα.

Η ομάδα χρησιμοποίησε 992 σενάρια ταινιών που είχαν καθοριστεί από το Common Sense Media να έχουν βίαιο, ναρκωτικό και σεξουαλικό περιεχόμενο. Ο μη κερδοσκοπικός οργανισμός είναι υπεύθυνος για την κατασκευή προτάσεων ταινιών για οικογένειες και εκπαιδευτικά ιδρύματα.

Ένα εκπαιδευμένο AI εφαρμόστηκε στα 992 σενάρια, αναγνωρίζοντας рисκ συμπεριφορά, μοτίβα και ιδιαίτερη γλώσσα. Λάβαινε το σενάριο ως είσοδο πριν το επεξεργαστεί μέσω ενός νευρωνικού δικτύου, το οποίο σκανάρει για σημασιολογία και εκφράσεις συναισθήματος.

Το AI λειτουργεί ως εργαλείο ταξινόμησης, επισημαίνοντας προτάσεις και φράσεις ως θετικές, αρνητικές, επιθετικές ή κάποια άλλη περιγραφή. Λέξεις και φράσεις ταξινομούνται επίσης σε τρεις κατηγορίες: βία, κακοποίηση ναρκωτικών και σεξουαλικό περιεχόμενο.

Ο Victor Martinez είναι υποψήφιος διδάκτωρ στην επιστήμη των υπολογιστών στο USC Viterbi και ο επικεφαλής ερευνητής.

“Το μοντέλο μας κοιτάζει το σενάριο της ταινίας, και όχι τις πραγματικές σκηνές, συμπεριλαμβανομένων π.χ. ήχων όπως πυροβολισμός ή εκρήξεις που συμβαίνουν αργότερα στη διαδικασία παραγωγής,” είπε ο Martinez. “Αυτό έχει το πλεονέκτημα της παροχής μιας βαθμολογίας πολύ πριν από την παραγωγή για να βοηθήσει τους κινηματογραφιστές να αποφασίσουν π.χ. το βαθμό της βίας και αν πρέπει να μειωθεί.”

“Φαίνεται να υπάρχει μια συσχέτιση στον όγκο του περιεχομένου σε μια τυπική ταινία που επικεντρώνεται στην κακοποίηση ναρκωτικών και τον όγκο του σεξουαλικού περιεχομένου. Είτε με πρόθεση είτε όχι, οι κινηματογραφιστές φαίνεται να ταιριάζουν το επίπεδο του περιεχομένου που σχετίζεται με την κακοποίηση ναρκωτικών με το σεξουαλικό περιεχόμενο,” συνέχισε.

Εύρεση και Συσχέτιση

Μια από τις ευρέσεις των ερευνητών ήταν ότι είναι πολύ απίθανο μια ταινία να περιέχει υψηλά επίπεδα όλων των τριών рисκ συμπεριφορών, το οποίο είναι πιθανό να οφείλεται στα πρότυπα που έχουν οριστεί από την Motion Picture Association (MPA). Βρήκαν επίσης μια συσχέτιση μεταξύ рисκ συμπεριφορών και βαθμολογιών MPA. Για παράδειγμα, η MPA δίνει λιγότερη έμφαση στο περιεχόμενο βίας/κακοποίησης ναρκωτικών όσο αυξάνεται το σεξουαλικό περιεχόμενο.

“Στο SAIL, σχεδιάζουμε τεχνολογίες και εργαλεία, με βάση την AI, για όλους τους ενδιαφερόμενους σε αυτό το δημιουργικό επιχείρημα — τους συγγραφείς, τους κινηματογραφιστές και τους παραγωγούς — για να αυξήσουμε την ευαισθητοποίηση σχετικά με τα διάφορα σημαντικά στοιχεία που σχετίζονται με την αφήγηση της ιστορίας τους στην οθόνη,” είπε ο Narayanan.

“Δεν ενδιαφερόμαστε μόνο για την προοπτική των αφηγητών των ιστοριών τους, αλλά και για την κατανόηση της επίδρασης στο κοινό και το ‘αποτέλεσμα’ από την ολόκληρη εμπειρία. Εργαλεία όπως αυτά θα βοηθήσουν να αυξηθεί η κοινωνικά σημαντική ευαισθητοποίηση, για παράδειγμα, μέσω της αναγνώρισης αρνητικών στερεοτύπων.”

Η ερευνητική ομάδα περιλαμβάνει επίσης τον Krishna Somandepalli, υποψήφιο διδάκτωρ στην ηλεκτρική και υπολογιστική μηχανική στο USC Viterbi, και τον καθηγητή Yalda T. Uhls του τμήματος Ψυχολογίας του UCLA.

Η έρευνα παρουσιάστηκε στη EMNLP 2020 συνδιάσκεψη.