L'outil AI active les classements de films avant de filmer la première scène

La classification des films est essentielle à leur rentabilité et détermine leur impact sur le public. Traditionnellement, un film est noté manuellement par des spectateurs, en tenant compte de la violence, de la toxicomanie et du contenu sexuel.

Cette dynamique pourrait bientôt changer avec l'essor de l'intelligence artificielle (IA). Récemment, des chercheurs de l'USC Viterbi School of Engineering ont utilisé des outils d'intelligence artificielle pour évaluer un film en quelques secondes. L'un des aspects les plus impressionnants de cette approche est que l'évaluation peut être basée uniquement sur le scénario du film, sans tirer un seul plan. Pour cette raison, les réalisateurs de films pourraient développer un scénario, effectuer des montages et concevoir une classification de film à l'avance et avant de tourner des scènes.

L'approche nouvellement développée aurait un impact financier sur les studios, mais elle peut également aider les esprits créatifs à développer et à éditer une histoire basée sur l'impact prévu et la réponse des téléspectateurs.

La recherche a été dirigée par Shrikanh Narayanan, professeur d'université et titulaire de la chaire Niki & CL Max Nikias en ingénierie, aux côtés d'une équipe de chercheurs du laboratoire d'analyse et d'interprétation des signaux (SAIL) de l'USC Viterbi.

Application de l'IA aux scripts

Après avoir appliqué l'IA aux scénarios de films, l'équipe a découvert que les indices linguistiques peuvent indiquer certains comportements liés à la violence, à la toxicomanie et au contenu sexuel, que les personnages sont sur le point d'adopter. Ces catégories de contenu sont souvent utilisées pour classer les films actuels.

L'équipe a utilisé 992 scénarios de films qui ont été déterminés par Common Sense Media comme ayant un contenu violent, toxicomane et sexuel. L'organisation à but non lucratif est chargée de faire des recommandations de films pour les familles et les établissements d'enseignement.

Une IA formée a ensuite été appliquée aux 992 scripts, identifiant les comportements à risque, les modèles et le langage particulier. Il reçoit d'abord le script en entrée avant de le traiter via un réseau de neurones, qui analyse la sémantique et les expressions de sentiment.

L'IA fonctionne comme un outil de classification, étiquetant les phrases et les expressions comme positives, négatives, agressives ou tout autre descripteur. Les mots et les phrases sont également classés en trois catégories : violence, toxicomanie et contenu sexuel.

Victor Martinez est doctorant en informatique à l'USC Viterbi et chercheur principal.

"Notre modèle examine le scénario du film plutôt que les scènes réelles, y compris par exemple des sons comme un coup de feu ou une explosion qui se produisent plus tard dans le pipeline de production", a déclaré Martinez. "Cela a l'avantage de fournir un classement bien avant la production pour aider les cinéastes à décider, par exemple, du degré de violence et s'il doit être atténué."

"Il semble y avoir une corrélation entre la quantité de contenu dans un film typique axé sur la toxicomanie et la quantité de contenu sexuel. Que ce soit intentionnellement ou non, les cinéastes semblent faire correspondre le niveau de contenu lié à la toxicomanie avec un contenu sexuellement explicite », a-t-il poursuivi.

Résultats et corrélations

L'une des conclusions des chercheurs est qu'il est très peu probable qu'un film contienne des niveaux élevés des trois comportements à risque, ce qui est probablement dû aux normes établies par la Motion Picture Association (MPA). Ils ont également constaté une corrélation entre les comportements à risque et les classifications de la MPA. Par exemple, la MPA accorde moins d'importance aux contenus violents et à la toxicomanie à mesure que le contenu sexuel augmente.

«Chez SAIL, nous concevons des technologies et des outils, basés sur l'IA, pour toutes les parties prenantes de cette activité créative - les écrivains, les cinéastes et les producteurs - afin de sensibiliser aux divers détails importants associés à la narration de leur histoire sur film», Narayanan m'a dit.

Nous nous intéressons non seulement au point de vue des narrateurs sur les récits qu'ils tissent, mais aussi à l'impact sur le public et aux enseignements tirés de l'expérience. Des outils comme ceux-ci contribueront à une prise de conscience significative pour la société, par exemple en identifiant les stéréotypes négatifs.

L'équipe de recherche comprend également Krishna Somandepalli, candidat au doctorat en génie électrique et informatique à l'USC Viterbi, et le professeur Yalda T. Uhls du département de psychologie de l'UCLA.

La recherche a été présentée à la EMNLP 2020 conférence.