AI-työkalu mahdollistaa elokuvien arvostelun ennen kuvausten aloittamista

Elokuvien arvostelut ovat elokuvalle elintärkeitä ja määräävät sen vaikutuksen yleisöön. Perinteisesti elokuva arvioidaan manuaalisesti ihmisvoimin, ottaen huomioon väkivalta, huumeiden käyttö ja seksuaalinen sisältö.

Tämä dynamiikka voi muuttua pian tekoälytekniikan (AI) kehittyessä. Hiljattain USC Viterbin insinööritieteellisessä tiedekunnassa tutkijat käyttivät AI-työkaluja arvioidakseen elokuvan muutamassa sekunnissa. Yksi tämän lähestymistavan vaikuttavimmista puolista on, että arvostelu voidaan tehdä pelkästään elokuvakäsikirjoituksen perusteella, ilman yhdenkään kohtauksen kuvaamista. Tämän ansiosta elokuvatuottajat voivat kehittää käsikirjoitusta, tehdä muutoksia ja suunnitella elokuvan arvostelun etukäteen, ennen kuvausten aloittamista.

Uuden lähestymistavan odotetaan vaikuttavan taloudellisesti elokuvastudioihin, mutta se voi myös auttaa luovia mielesi kehittämään ja muokkaamaan tarinaa ennustetun vaikutuksen ja yleisön reaktion perusteella.

Tutkimuksen johti Shrikanh Narayanan, USC Viterbin insinööritieteellisen tiedekunnan professori ja Niki & C. L. Max Nikias -tuolin haltija, yhdessä tutkijaryhmän kanssa Signal Analysis and Interpretation Lab (SAIL) -tutkimuslaitoksesta USC Viterbissä.

Tehtävässä AI-käsikirjoituksissa

Kun AI-sovellusta käytettiin elokuvakäsikirjoituksiin, tutkijaryhmä totesi, että kielelliset vihjeet voivat osoittaa tiettyjä käyttäytymismalleja, jotka liittyvät väkivaltaan, huumeiden käyttöön ja seksuaaliseen sisältöön, joita hahmot ovat esittämässä. Nämä sisällön luokat ovat usein käytössä elokuvien arvosteluun nykyään.

Tutkijaryhmä käytti 992 elokuvakäsikirjoitusta, jotka Common Sense Media oli määritellyt sisältävän väkivaltaa, huumeiden käyttöä ja seksuaalista sisältöä. Voittoa tavoittelematon organisaatio on vastuussa elokuvien suosittelemisesta perheille ja koulutuslaitoksille.

Koulutettu AI-sovelma sovellettiin 992 käsikirjoitukseen, jossa tunnistettiin riskikäyttäytyminen, mallit ja kielen erityispiirteet. Se vastaanottaa käsikirjoituksen syötteenä ennen kuin se prosessoidaan neuroniverkkoon, joka skannaa semantiikkaa ja tunteita.

AI toimii luokittelutyökaluna, joka merkitsee lauseita ja fraaseja positiivisiksi, negatiivisiksi, aggressiivisiksi tai muiksi kuvaajiksi. Sanoja ja fraaseja luokitellaan kolmeen kategoriaan: väkivalta, huumeiden käyttö ja seksuaalinen sisältö.

Victor Martinez on tietojenkäsittelytieteen tohtorikoulutettava USC Viterbissä ja pääasiallinen tutkija.

“Malli tarkastelee elokuvakäsikirjoitusta, ei itse kohtauksia, kuten esimerkiksi ääniä, jotka kuuluvat myöhemmin tuotantoprosessissa”, Martinez sanoi. “Tämä antaa hyödyllisen arvostelun jo ennen tuotannon aloittamista, jotta elokuvantekijät voivat päättää esimerkiksi väkivallan määrästä ja siitä, onko sitä tarpeen lieventää.”

“Näyttää siltä, että on yhteys huumeiden käytön ja seksuaalisen sisällön määrän välillä elokuvissa. Elokuvantekijät näyttävät sopivan huumeiden käytön määrän seksuaalisen sisällön määrään, tahallisesti tai tahattomasti”, hän jatkoi.

Tulokset ja yhteydet

Yksi tutkijoiden löydöksistä oli, että on hyvin epätodennäköistä, että elokuva sisältäisi korkeita tasoisia kaikkia kolmea riskikäyttäytymistä, mikä johtunee Motion Picture Associationin (MPA) asettamista standardeista. He myös löysivät yhteyden riskikäyttäytymisen ja MPA-arvosteluiden välillä. Esimerkiksi MPA antaa vähemmän painoa väkivallan/huumeiden käytön sisällölle, kun seksuaalista sisältöä lisätään.

“SAIL:ssa suunnittelemme teknologioita ja työkaluja, jotka perustuvat AI:hen, kaikille osapuolille tässä luovassa liiketoiminnassa – kirjailijoille, elokuvantekijöille ja tuottajille – lisätäksesi tietoisuutta tarinoiden kertomiseen liittyvistä tärkeistä yksityiskohdista”, Narayanan sanoi.

“Emme ole kiinnostuneita vain kertomuksen kertojien näkökulmasta, vaan myös ymmärtämään vaikutusta yleisöön ja ‘otteen’ koko kokemuksesta. Tällaiset työkalut auttavat lisäämään yhteiskunnallisesti merkityksellistä tietoisuutta, esimerkiksi tunnistamalla negatiivisia stereotyyppejä.”

Tutkijaryhmään kuuluu myös Krishna Somandepalli, joka on sähkö- ja tietotekniikan tohtorikoulutettava USC Viterbissä, ja UCLA:n psykologian laitoksen professori Yalda T. Uhls.

Tutkimus esiteltiin EMNLP 2020 -konferenssissa.