Inteligência artificial
A ferramenta AI permite classificações de filmes antes de filmar a primeira cena
As classificações de filmes são vitais para os resultados financeiros de um filme e determinam seu impacto no público. Tradicionalmente, um filme é classificado manualmente por humanos que o assistem, levando em consideração violência, abuso de drogas e conteúdo sexual.
Essa dinâmica pode mudar em breve com o surgimento da inteligência artificial (IA). Recentemente, pesquisadores da USC Viterbi School of Engineering usaram ferramentas de IA para classificar um filme em segundos. Um dos aspectos mais impressionantes dessa abordagem é que a classificação pode ser feita com base apenas no roteiro do filme, sem filmar uma única cena. Por causa disso, os executivos do cinema podem desenvolver um roteiro, fazer edições e projetar uma classificação do filme com antecedência e antes de filmar qualquer cena.
A abordagem recém-desenvolvida teria um impacto financeiro nos estúdios, mas também pode ajudar as mentes criativas a desenvolver e editar uma história com base no impacto previsto e na resposta dos espectadores.
A pesquisa foi liderada por Shrikanh Narayanan, professor universitário e Niki & CL Max Nikias Chair em Engenharia, ao lado de uma equipe de pesquisadores do Signal Analysis and Interpretation Lab (SAIL) da USC Viterbi.
Aplicando IA a scripts
Depois de aplicar IA a roteiros de filmes, a equipe descobriu que pistas linguísticas podem indicar certos comportamentos relacionados à violência, abuso de drogas e conteúdo sexual que estão prestes a ser demonstrados pelos personagens. Essas categorias de conteúdo costumam ser usadas para classificar os filmes atuais.
A equipe utilizou 992 roteiros de filmes que foram determinados pela Common Sense Media como tendo conteúdo violento, abuso de substâncias e sexual. A organização sem fins lucrativos é responsável por fazer recomendações de filmes para famílias e instituições educacionais.
Uma IA treinada foi então aplicada aos 992 scripts, identificando comportamentos de risco, padrões e linguagem específica. Ele primeiro recebe o script como entrada antes de processá-lo por meio de uma rede neural, que verifica a semântica e as expressões de sentimento.
A IA funciona como uma ferramenta de classificação, rotulando sentenças e frases como positivas, negativas, agressivas ou algum outro descritor. Palavras e frases também são classificadas em três categorias: violência, abuso de drogas e conteúdo sexual.
Victor Martinez é candidato a doutorado em ciência da computação na USC Viterbi e pesquisador principal.
“Nosso modelo olha para o roteiro do filme, em vez das cenas reais, incluindo, por exemplo, sons como um tiro ou explosão que ocorrem mais tarde na linha de produção”, disse Martinez. “Isso tem o benefício de fornecer uma classificação muito antes da produção para ajudar os cineastas a decidir, por exemplo, o grau de violência e se ela precisa ser atenuada.”
“Parece haver uma correlação entre a quantidade de conteúdo em um filme típico focado no abuso de substâncias e a quantidade de conteúdo sexual. Intencionalmente ou não, os cineastas parecem combinar o nível de conteúdo relacionado ao abuso de substâncias com conteúdo sexualmente explícito”, continuou ele.
Descobertas e correlações
Uma das descobertas dos pesquisadores foi que é altamente improvável que um filme contenha altos níveis de todos os três comportamentos de risco, o que provavelmente é causado pelos padrões estabelecidos pela Motion Picture Association (MPA). Eles também encontraram uma correlação entre comportamentos de risco e classificações de MPA. Por exemplo, a MPA coloca menos ênfase no conteúdo de violência/abuso de substâncias à medida que o conteúdo sexual aumenta.
“No SAIL, estamos projetando tecnologias e ferramentas, baseadas em IA, para todas as partes interessadas neste negócio criativo - escritores, cineastas e produtores - para aumentar a conscientização sobre os diversos detalhes importantes associados ao contar sua história no filme”, Narayanan disse.
“Não estamos apenas interessados na perspetiva dos contadores de histórias sobre as narrativas que tecem, mas também em perceber o impacto no público e o 'take-away' de toda a experiência. Ferramentas como essas ajudarão a aumentar a conscientização socialmente significativa, por exemplo, por meio da identificação de estereótipos negativos.”
A equipe de pesquisa também inclui Krishna Somandepalli, Ph.D. candidato em Engenharia Elétrica e de Computação na USC Viterbi, e Professora Yalda T. Uhls do Departamento de Psicologia da UCLA.
A pesquisa foi apresentada no EMNLP 2020 conferência.