Narzędzie AI umożliwia ocenę filmów przed nakręceniem pierwszej sceny

Oceny filmów mają kluczowe znaczenie dla ich wyniku finansowego i decydują o ich wpływie na widzów. Tradycyjnie filmy są oceniane ręcznie przez widzów, biorąc pod uwagę przemoc, nadużywanie narkotyków i treści seksualne.

Dynamika ta może wkrótce ulec zmianie wraz z rozwojem sztucznej inteligencji (AI). Niedawno naukowcy z USC Viterbi School of Engineering wykorzystali narzędzia AI do oceny filmu w ciągu kilku sekund. Jednym z najbardziej imponujących aspektów tego podejścia jest to, że ocena mogła zostać dokonana wyłącznie na podstawie scenariusza filmu, bez kręcenia ani jednego ujęcia. Dzięki temu twórcy filmu mogli opracować scenariusz, wprowadzić poprawki i zaprojektować ocenę filmu z wyprzedzeniem i przed rozpoczęciem kręcenia jakichkolwiek scen.

Nowo opracowane podejście miałoby wpływ finansowy na studia, ale może również pomóc twórczym umysłom w opracowaniu i zredagowaniu historii w oparciu o przewidywany wpływ i reakcję widzów.

Badaniami kierował Shrikanh Narayanan, profesor uniwersytecki oraz katedra inżynierii Niki i CL Max Nikias, wraz z zespołem badaczy z Laboratorium Analizy i Interpretacji Sygnałów (SAIL) w USC Viterbi.

Stosowanie sztucznej inteligencji w skryptach

Po zastosowaniu sztucznej inteligencji do scenariuszy filmowych zespół odkrył, że wskazówki językowe mogą wskazywać na pewne zachowania związane z przemocą, narkomanią i treściami seksualnymi, które mają być zademonstrowane przez bohaterów. Te kategorie treści są często wykorzystywane do oceniania współczesnych filmów.

Zespół wykorzystał 992 scenariusze filmowe, które według Common Sense Media zawierały przemoc, nadużywanie substancji psychoaktywnych i treści seksualne. Ta organizacja non-profit odpowiada za rekomendacje filmów dla rodzin i instytucji edukacyjnych.

Następnie do 992 skryptów zastosowano wytrenowaną sztuczną inteligencję, identyfikując ryzykowne zachowania, wzorce i konkretny język. Najpierw otrzymuje skrypt jako dane wejściowe, a następnie przetwarza go przez sieć neuronową, która skanuje w poszukiwaniu semantyki i wyrażeń nastrojów.

Sztuczna inteligencja działa jako narzędzie klasyfikacyjne, oznaczając zdania i wyrażenia jako pozytywne, negatywne, agresywne lub inne. Słowa i wyrażenia są również podzielone na trzy kategorie: przemoc, nadużywanie narkotyków i treści o charakterze seksualnym.

Victor Martinez jest doktorantem informatyki na USC Viterbi i głównym badaczem.

„Nasz model patrzy na scenariusz filmu, a nie na rzeczywiste sceny, w tym na przykład dźwięki przypominające wystrzał lub eksplozję, które mają miejsce na późniejszym etapie produkcji” – powiedział Martinez. „Ma to tę zaletę, że zapewnia ocenę na długo przed rozpoczęciem produkcji, co pomaga filmowcom zdecydować np. o stopniu przemocy i czy należy ją złagodzić”.

„Wydaje się, że istnieje korelacja między ilością treści w typowym filmie poświęconym uzależnieniom a ilością treści o charakterze seksualnym. Celowo czy nie, wydaje się, że twórcy filmowi dopasowują poziom treści związanych z nadużywaniem substancji do treści o charakterze jednoznacznie seksualnym” – kontynuował.

Wyniki i korelacje

Jednym z ustaleń badaczy było stwierdzenie, że jest wysoce nieprawdopodobne, aby film zawierał wysoki poziom wszystkich trzech ryzykownych zachowań, co prawdopodobnie wynika ze standardów ustalonych przez Motion Picture Association (MPA). Stwierdzili również korelację między zachowaniami ryzykownymi a ocenami MPA. Na przykład, MPA kładzie mniejszy nacisk na treści związane z przemocą/nadużywaniem substancji psychoaktywnych wraz ze wzrostem liczby treści o charakterze seksualnym.

„W SAIL projektujemy technologie i narzędzia oparte na sztucznej inteligencji dla wszystkich interesariuszy tego kreatywnego biznesu - pisarzy, twórców filmowych i producentów - aby podnieść świadomość na temat różnych ważnych szczegółów związanych z opowiadaniem ich historii w filmie” - powiedział Narayanan powiedziany.

„Interesuje nas nie tylko perspektywa narratorów, którzy snują historie, ale także zrozumienie wpływu na odbiorców i „wniosków” płynących z całego doświadczenia. Takie narzędzia pomogą zwiększyć świadomość społeczną, na przykład poprzez identyfikację negatywnych stereotypów”.

W skład zespołu badawczego wchodzą również Krishna Somandepalli, doktorant inżynierii elektrycznej i komputerowej na USC Viterbi, oraz profesor Yalda T. Uhls z Wydziału Psychologii Uniwersytetu Kalifornijskiego w Los Angeles.

Badania zostały zaprezentowane na EMNLP 2020 konferencja.