Strumento di intelligenza artificiale consente valutazioni dei film prima di girare la prima scena

Le valutazioni dei film sono vitali per il bilancio di un film e determinano il loro impatto sul pubblico. Tradizionalmente, un film è valutato manualmente da esseri umani che lo guardano, tenendo conto della violenza, dell’abuso di sostanze e del contenuto sessuale.

Questa dinamica potrebbe cambiare presto con l’avvento dell’intelligenza artificiale (AI). Recentemente, i ricercatori della USC Viterbi School of Engineering hanno utilizzato strumenti di intelligenza artificiale per valutare un film in pochi secondi. Uno degli aspetti più impressionanti di questo approccio è che la valutazione potrebbe essere effettuata sulla base del solo copione del film, senza girare una sola scena. Ciò consente agli esecutivi del cinema di sviluppare un copione, apportare modifiche e progettare una valutazione del film in anticipo e prima di girare qualsiasi scena.

L’approccio appena sviluppato avrebbe un impatto finanziario sugli studi, ma può anche aiutare le menti creative a sviluppare e modificare una storia in base all’impatto e alla risposta previsti dagli spettatori.

La ricerca è stata condotta da Shrikanh Narayanan, professore universitario e titolare della cattedra Niki & C. L. Max Nikias in Ingegneria, insieme a un team di ricercatori del Signal Analysis and Interpretation Lab (SAIL) della USC Viterbi.

Applicazione dell’AI ai copioni

Dopo aver applicato l’AI ai copioni dei film, il team ha scoperto che i segnali linguistici possono indicare determinati comportamenti relativi alla violenza, all’abuso di sostanze e al contenuto sessuale che stanno per essere dimostrati dai personaggi. Queste categorie di contenuto sono spesso utilizzate per valutare i film di oggi.

Il team ha utilizzato 992 copioni di film che sono stati determinati da Common Sense Media come contenenti violenza, abuso di sostanze e contenuto sessuale. L’organizzazione no-profit è responsabile di fornire raccomandazioni di film per famiglie e istituzioni educative.

Un’AI addestrata è stata quindi applicata ai 992 copioni, identificando comportamenti a rischio, modelli e linguaggio specifico. Riceve il copione come input prima di elaborarlo attraverso una rete neurale, che scansiona le espressioni semantiche e sentimentali.

L’AI funziona come uno strumento di classificazione, etichettando frasi e parole come positive, negative, aggressive o con altri descrittori. Le parole e le frasi sono anche classificate in tre categorie: violenza, abuso di sostanze e contenuto sessuale.

Victor Martinez è un candidato al dottorato in informatica alla USC Viterbi e ricercatore principale.

“Il nostro modello esamina il copione del film, piuttosto che le scene effettive, compresi ad esempio i suoni come uno sparo o un’esplosione che si verificano in un secondo momento nella pipeline di produzione”, ha detto Martinez. “Ciò ha il vantaggio di fornire una valutazione molto prima della produzione per aiutare i filmmaker a decidere ad esempio il grado di violenza e se è necessario ridurlo”.

“Sembra esserci una correlazione nella quantità di contenuto in un film tipico focalizzato sull’abuso di sostanze e la quantità di contenuto sessuale. Che sia intenzionale o no, i filmmaker sembrano far corrispondere il livello di contenuto relativo all’abuso di sostanze con contenuto sessualmente esplicito”, ha continuato.

Risultati e correlazioni

Una delle scoperte dei ricercatori è che è molto improbabile che un film contenga alti livelli di tutti e tre i comportamenti a rischio, probabilmente a causa degli standard stabiliti dalla Motion Picture Association (MPA). Hanno anche trovato una correlazione tra comportamenti a rischio e valutazioni MPA. Ad esempio, l’MPA pone meno enfasi sul contenuto di violenza/abuso di sostanze man mano che aumenta il contenuto sessuale.

“Al SAIL, stiamo progettando tecnologie e strumenti basati sull’AI per tutti gli stakeholder di questo business creativo – gli scrittori, i filmmaker e i produttori – per aumentare la consapevolezza sui dettagli importanti associati alla narrazione della loro storia sul film”, ha detto Narayanan.

“Non siamo interessati solo alla prospettiva degli storyteller delle narrazioni che tessono, ma anche a comprendere l’impatto sul pubblico e il ‘take-away’ dall’intera esperienza. Strumenti come questi aiuteranno a sollevare una consapevolezza significativa a livello sociale, ad esempio identificando stereotipi negativi”.

Il team di ricerca include anche Krishna Somandepalli, candidato al dottorato in Ingegneria elettrica e informatica alla USC Viterbi, e la professoressa Yalda T. Uhls del Dipartimento di Psicologia della UCLA.

La ricerca è stata presentata alla conferenza EMNLP 2020.