Ferramenta de IA Permite Avaliações de Filmes Antes de Gravar a Primeira Cena

As avaliações de filmes são vitais para o sucesso financeiro de um filme e determinam seu impacto sobre o público. Tradicionalmente, um filme é avaliado manualmente por humanos que o assistem, levando em consideração a violência, o abuso de drogas e o 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 avaliar um filme em questão de segundos. Um dos aspectos mais impressionantes dessa abordagem é que a avaliação pode ser feita com base apenas no roteiro do filme, sem gravar uma única cena. Com isso, os executivos de filmes podem desenvolver um roteiro, fazer edições e projetar uma avaliação de filme com antecedência e antes de gravar qualquer cena.

A abordagem recém-desenvolvida teria um impacto financeiro sobre os estúdios, mas também pode ajudar as mentes criativas a desenvolver e editar uma história com base no impacto e resposta previstos do público.

A pesquisa foi liderada por Shrikanh Narayanan, Professor Universitário e Niki & C. L. 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 Roteiros

Depois de aplicar a 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 são frequentemente usadas para avaliar os filmes de hoje.

A equipe utilizou 992 roteiros de filmes que foram determinados pela Common Sense Media como tendo conteúdo violento, abuso de substâncias e conteúdo sexual. A organização sem fins lucrativos é responsável por fazer recomendações de filmes para famílias e instituições de ensino.

Um IA treinado foi então aplicado aos 992 roteiros, identificando comportamentos de risco, padrões e linguagem específica. Ele primeiro recebe o roteiro como entrada antes de processá-lo por meio de uma rede neural, que verifica semântica e expressões de sentimento.

O IA funciona como uma ferramenta de classificação, rotulando frases e sentenças 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 um candidato a doutorado em ciência da computação na USC Viterbi e pesquisador principal.

“Nosso modelo olha para o roteiro do filme, e não para as cenas reais, incluindo, por exemplo, sons como tiros ou explosões que ocorrem mais tarde na linha de produção”, disse Martinez. “Isso tem o benefício de fornecer uma avaliação muito antes da produção para ajudar os cineastas a decidir, por exemplo, o grau de violência e se é necessário reduzi-lo”.

“Parece haver uma correlação na quantidade de conteúdo em um filme típico focado no abuso de substâncias e a quantidade de conteúdo sexual. Se intencionalmente ou não, os cineastas parecem combinar o nível de conteúdo relacionado ao abuso de substâncias com conteúdo sexual explícito”, continuou ele.

Achados e Correlações

Um dos achados dos pesquisadores foi que é muito improvável que um filme contenha altos níveis dos 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 avaliações da MPA. Por exemplo, a MPA dá menos ênfase ao conteúdo de violência/substância-abuso à medida que o conteúdo sexual aumenta.

“No SAIL, estamos projetando tecnologias e ferramentas, baseadas em IA, para todos os stakeholders nesse negócio criativo — os escritores, cineastas e produtores — para aumentar a conscientização sobre os detalhes importantes associados à narração de suas histórias em filme”, disse Narayanan.

“Não estamos apenas interessados na perspectiva dos contadores de histórias das narrativas que eles tecem, mas também em entender o impacto sobre o público e o ‘que se leva’ de toda a experiência. Ferramentas como essas ajudarão a aumentar a conscientização societariamente significativa, por exemplo, identificando estereótipos negativos”.

A equipe de pesquisa também inclui Krishna Somandepalli, um candidato a doutorado em Engenharia Elétrica e Computação na USC Viterbi, e a Professora Yalda T. Uhls do Departamento de Psicologia da UCLA.

A pesquisa foi apresentada na conferência EMNLP 2020.