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.