์ธ๊ณต์ง๋ฅ
AI ํด๋ก ์ํ ์ดฌ์ ์ ์ํ ๋ฑ๊ธ ์ง์ ๊ฐ๋ฅ
영화 등급은 영화의 수익성과 관객에게 미치는 영향에 중요한 역할을 합니다. 전통적으로 영화는 인간이 시청하여 폭력, 마약 남용, 성적 내용 등을 고려하여 등급을 매기고 있습니다.
이러한 동태는 인공지능(AI)의 등장으로 곧 바뀔 수 있습니다. 최근 USC Viterbi 공학대학의 연구자들은 AI 툴을 사용하여 몇 초 내에 영화를 등급을 매길 수 있었습니다. 이 접근 방식의 가장 인상적인 측면은 영화 스크립트만으로 등급을 매길 수 있다는 것입니다. 즉, 한 장면도 촬영하지 않고 영화 스크립트만으로 등급을 매길 수 있습니다. 따라서 영화 책임자들은 스크립트를 개발하고 편집하고 영화 등급을 미리 설계할 수 있습니다.
새로 개발된 접근 방식은 영화 스튜디오에 경제적 영향을 미칠 수 있지만 창의적인 마음을 가진 사람들이 예상된 관객의 반응과 영향에 따라 스토리를 개발하고 편집하는 데 도움이 될 수 있습니다.
이 연구는 Shrikanh Narayanan, University Professor와 Niki & C. L. Max Nikias Chair in Engineering이 주도했으며, USC Viterbi의 Signal Analysis and Interpretation Lab (SAIL) 연구자들이 참여했습니다.
스크립트에 AI 적용
영화 스크립트에 AI를 적용한 후 연구팀은 언어적 단서가 폭력, 마약 남용, 성적 내용과 관련된 특정 행동을 나타낼 수 있다는 것을 발견했습니다. 이러한 내용 카테고리는 오늘날 영화를 등급 매기는데 자주 사용됩니다.
연구팀은 Common Sense Media가 폭력, 마약 남용, 성적 내용을 포함하는 것으로 결정된 992개의 영화 스크립트를 사용했습니다. 이 비영리 단체는 가족과 교육 기관을 위한 영화 추천을 담당합니다.
학습된 AI는 992개의 스크립트에 적용되어 위험 행동, 패턴, 특정 언어를 식별했습니다. 먼저 스크립트를 입력으로 받은 후 신경망을 통해 처리하여 의미와 감정 표현을 스캔합니다.
AI는 분류 도구로 작동하여 문장과 구문을 긍정적, 부정적, 공격적 또는 기타 설명자로 레이블합니다. 단어와 구문은 또한 폭력, 마약 남용, 성적 내용의 세 가지 카테고리로 분류됩니다.
Victor Martinez는 USC Viterbi의 컴퓨터 과학 박사 과정 학생이자 주도 연구자입니다.
마르티네즈는 “우리의 모델은 실제 장면보다는 영화 스크립트를看着, 예를 들어 총격음이나 폭발음과 같은 사운드가 후반 작업에서 발생하기 전에 등급을 제공하는 데 도움이 됩니다”라고 말했다. “이것은 제작 전에 등급을 제공하여 영화 制作자들이 폭력의 정도와 이를 낮추어야 하는지 결정하는 데 도움이 됩니다.”
그는 “일반적인 영화에서 물질 남용과 성적 내용에 대한 내용의 양에 상관관계가 있는 것으로 보입니다. 의도적으로든 아니든 영화 制作자들은 물질 남용 관련 내용의 수준과 성적 내용의 수준을 일치시킵니다”라고 계속했습니다.
발견과 상관관계
연구자들의 발견 중 하나는 영화가 세 가지 위험 행동 모두를 포함하는 것은 매우 드물다는 것입니다. 이는 Motion Picture Association (MPA)의 표준에 의해 발생하는 것으로 보입니다. 또한 위험 행동과 MPA 등급 사이에 상관관계를 발견했습니다. 예를 들어, MPA는 성적 내용이 증가할수록 폭력/물질 남용 내용에 덜 중점을 둡니다.
나라야난은 “SAIL에서 우리는 모든 이해관계자, 즉 작가, 영화 制作자, 프로듀서를 위한 기술과 도구를 설계하고 있습니다. 이것은 창의적인 비즈니스에서 중요한 세부 사항에 대한 인식을 높이는 데 도움이 됩니다”라고 말했다. “우리는 이야기꾼의 관점과 그들이 рассказ하는 이야기의 영향에 관심이 있습니다. 또한 전체 경험에서 관객이 얻는 바에 관심이 있습니다. 이러한 도구는 부정적인 스테레오타입을 식별하는 것을 통해 사회적으로 의미 있는 인식을 높이는 데 도움이 될 것입니다.”
연구팀에는 Krishna Somandepalli, USC Viterbi의 전기 및 컴퓨터 공학 박사 과정 학생과 UCLA的心理学부의 Yalda T. Uhls 교수가 포함되어 있습니다.
이 연구는 EMNLP 2020 컨퍼런스에서 발표되었습니다.
