Інструмент штучного інтелекту дає змогу оцінювати фільм перед зйомкою першої сцени

Рейтинги фільмів є життєво важливими для кінцевого результату фільму та визначають його вплив на глядачів. Традиційно фільм оцінюється вручну людьми, які його глянули, враховуючи насильство, зловживання наркотиками та сексуальний контент.

Ця динаміка незабаром може змінитися з появою штучного інтелекту (ШІ). Нещодавно дослідники Інженерної школи USC Viterbi використовували інструменти штучного інтелекту, щоб оцінити фільм за лічені секунди. Одним із найбільш вражаючих аспектів цього підходу є те, що оцінку можна було зробити лише на основі сценарію фільму, не знімаючи жодного кадру. Завдяки цьому керівники фільмів можуть розробити сценарій, внести зміни та створити рейтинг фільму заздалегідь і до зйомок будь-яких сцен.

Нещодавно розроблений підхід матиме фінансовий вплив на студії, але він також може допомогти творчим умам розробити та відредагувати історію на основі прогнозованого впливу та реакції глядачів.

Дослідження проводив Шріканх Нараянан, професор університету та кафедра інженерії Niki & CL Max Nikias, разом із групою дослідників із Лабораторії аналізу та інтерпретації сигналів (SAIL) в USC Viterbi.

Застосування ШІ до сценаріїв

Після застосування штучного інтелекту до сценаріїв фільмів команда виявила, що лінгвістичні сигнали можуть вказувати на певну поведінку, пов'язану з насильством, зловживанням наркотиками та сексуальним контентом, яку ось-ось продемонструють персонажі. Ці категорії контенту часто використовуються для оцінювання сучасних фільмів.

Команда використала 992 сценарії фільмів, які Common Sense Media визнали такими, що містять насильство, зловживання психоактивними речовинами та сексуальний вміст. Некомерційна організація відповідає за рекомендації фільмів для сімей і навчальних закладів.

Потім навчений штучний інтелект був застосований до 992 сценаріїв, визначаючи ризиковану поведінку, шаблони та певну мову. Він спочатку отримує сценарій як вхідні дані, а потім обробляє його через нейронну мережу, яка сканує семантику та вирази почуття.

ШІ працює як інструмент класифікації, позначаючи речення та фрази як позитивні, негативні, агресивні чи інші дескриптори. Слова та фрази також поділяються на три категорії: насильство, зловживання наркотиками та сексуальний вміст.

Віктор Мартінес є доктором інформатики в USC Вітербі та провідним дослідником.

«Наша модель дивиться на сценарій фільму, а не на реальні сцени, включаючи, наприклад, звуки, схожі на постріл або вибух, які відбуваються пізніше в процесі виробництва», — сказав Мартінес. «Це має перевагу, оскільки надає рейтинг задовго до зйомки, щоб допомогти режисерам вирішити, наприклад, ступінь насильства та чи потрібно його пом’якшувати».

«Здається, існує кореляція між кількістю контенту в типовому фільмі, присвяченому зловживанню психоактивними речовинами, і кількістю сексуального контенту. Навмисно чи ні, схоже, режисери порівнюють рівень вмісту, пов’язаного зі зловживанням психоактивними речовинами, із вмістом відвертого сексуального характеру», – продовжив він.

Висновки та кореляції

Одним із висновків дослідників було те, що фільм навряд чи міститиме високий рівень усіх трьох видів ризикованої поведінки, що, ймовірно, пов'язано зі стандартами, встановленими Асоціацією кіномистецтва (MPA). Вони також виявили кореляцію між ризикованою поведінкою та рейтингами MPA. Наприклад, MPA приділяє менше уваги контенту, пов'язаному з насильством/зловживанням психоактивними речовинами, оскільки збільшується кількість сексуального контенту.

«У SAIL ми розробляємо технології та інструменти на основі штучного інтелекту для всіх зацікавлених сторін у цьому творчому бізнесі — сценаристів, режисерів і продюсерів — щоб підвищити обізнаність про різноманітні важливі деталі, пов’язані з розповіддю їхніх історій на фільмі», — Нараянан. сказав.

«Нас цікавить не лише точка зору оповідачів наративів, які вони плетуть, але й розуміння впливу на аудиторію та «висновок» з усього досвіду. Такі інструменти допоможуть підвищити суспільну обізнаність, наприклад, шляхом виявлення негативних стереотипів».

До дослідницької групи також входять Крішна Сомандепаллі, кандидат наук з електротехніки та обчислювальної техніки в Університеті Південної Каліфорнії у Вітербі, та професор Ялда Т. Ульс з кафедри психології Каліфорнійського університету в Лос-Анджелесі.

Дослідження було представлено на EMNLP 2020 конференція