AI-hulpmiddel maakt het mogelijk om filmbeoordelingen te geven voordat de eerste scène wordt gefilmd

Filmbeoordelingen zijn essentieel voor de winst van een film en bepalen de impact op het publiek. Traditioneel wordt een film handmatig beoordeeld door mensen die ernaar kijken, waarbij geweld, drugsgebruik en seksuele inhoud in aanmerking worden genomen.

Dit kan binnenkort veranderen met de opkomst van kunstmatige intelligentie (AI). Onlangs gebruikten onderzoekers aan de USC Viterbi School of Engineering AI-hulpmiddelen om een film te beoordelen binnen enkele seconden. Een van de meest indrukwekkende aspecten van deze benadering is dat de beoordeling kan worden gedaan op basis van het filmscenario, zonder één shot te filmen. Hierdoor kunnen filmproducenten een scenario ontwikkelen, bewerken en een filmbeoordeling ontwerpen voordat ze ook maar één scène filmen.

De nieuw ontwikkelde benadering zou een financiële impact hebben op filmstudio’s, maar kan ook helpen om de creatieve geesten te ontwikkelen en een verhaal te bewerken op basis van de voorspelde impact en reactie van de kijkers.

Het onderzoek werd geleid door Shrikanh Narayanan, University Professor en Niki & C. L. Max Nikias Chair in Engineering, samen met een team van onderzoekers van de Signal Analysis and Interpretation Lab (SAIL) aan de USC Viterbi.

AI toepassen op scripts

Na het toepassen van AI op filmscenario’s, ontdekte het team dat linguïstische aanwijzingen bepaald gedrag kunnen aangeven met betrekking tot geweld, drugsgebruik en seksuele inhoud dat door de personages wordt getoond. Deze inhoudscategorieën worden vaak gebruikt om films te beoordelen.

Het team gebruikte 992 filmscenario’s die door Common Sense Media waren bepaald als scenario’s met geweld, drugsgebruik en seksuele inhoud. De non-profitorganisatie is verantwoordelijk voor het doen van film aanbevelingen voor gezinnen en onderwijsinstellingen.

Een getrainde AI werd vervolgens toegepast op de 992 scenario’s, waarbij risicogedrag, patronen en specifieke taal werden geïdentificeerd. Het ontvangt eerst het scenario als invoer voordat het wordt verwerkt door een neurale netwerk, die semantiek en sentimentuitdrukkingen scant.

De AI werkt als een classificatiehulpmiddel, waarbij zinnen en frases worden gelabeld als positief, negatief, agressief of een andere descriptor. Woorden en frases worden ook geclassificeerd in drie categorieën: geweld, drugsgebruik en seksuele inhoud.

Victor Martinez is een doctoraal kandidaat in computerwetenschappen aan de USC Viterbi en hoofdonderzoeker.

“Ons model kijkt naar het filmscenario, in plaats van naar de daadwerkelijke scènes, inclusief bijvoorbeeld geluiden zoals een schot of explosie die later in de productiepijplijn plaatsvinden,” zei Martinez. “Dit heeft het voordeel dat het een beoordeling biedt lang voordat de productie begint, waardoor filmmakers kunnen beslissen over bijvoorbeeld het niveau van geweld en of het moet worden teruggedraaid.”

“Er lijkt een correlatie te zijn tussen de hoeveelheid inhoud in een typische film die zich richt op drugsgebruik en de hoeveelheid seksuele inhoud. Of het nu intentioneel is of niet, filmmakers lijken het niveau van drugsgebruik-gerelateerde inhoud te matchen met seksueel expliciete inhoud,” vervolgde hij.

Bevindingen en correlaties

Een van de bevindingen van de onderzoekers was dat het zeer onwaarschijnlijk is dat een film een hoog niveau van alle drie de risicogedragingen bevat, wat waarschijnlijk wordt veroorzaakt door de normen die zijn vastgesteld door de Motion Picture Association (MPA). Ze vonden ook een correlatie tussen risicogedrag en MPA-beoordelingen. Bijvoorbeeld, de MPA legt minder nadruk op geweld/drugsgebruik-inhoud naarmate de seksuele inhoud toeneemt.

“Bij SAIL ontwerpen we technologieën en hulpmiddelen op basis van AI voor alle belanghebbenden in deze creatieve business — de schrijvers, filmmakers en producenten — om bewustzijn te creëren over de verschillende belangrijke details die zijn verbonden aan het vertellen van hun verhaal op film,” zei Narayanan.

“We zijn niet alleen geïnteresseerd in het perspectief van de verhalenvertellers van de verhalen die ze vertellen, maar ook in het begrijpen van de impact op het publiek en de ‘take-away’ van de hele ervaring. Hulpmiddelen zoals deze zullen helpen om societair-betekenisvol bewustzijn te creëren, bijvoorbeeld door het identificeren van negatieve stereotypen.”

Het onderzoeksteam omvat ook Krishna Somandepalli, een Ph.D.-kandidaat in Electrical and Computing Engineering aan de USC Viterbi, en Professor Yalda T. Uhls van de afdeling Psychologie van de UCLA.

Het onderzoek werd gepresenteerd op de EMNLP 2020 conferentie.