Công cụ AI cho phép xếp hạng phim trước khi quay cảnh đầu tiên

Xếp hạng phim là điều quan trọng đối với lợi nhuận của một bộ phim và quyết định tác động của nó đến khán giả. Thông thường, một bộ phim được xếp hạng thủ công bởi con người xem nó, tính đến bạo lực, lạm dụng ma túy và nội dung khiêu dâm.

Động lực này có thể thay đổi sớm với sự xuất hiện của trí tuệ nhân tạo (AI). Gần đây, các nhà nghiên cứu tại Trường Kỹ thuật USC Viterbi đã sử dụng các công cụ AI để xếp hạng một bộ phim trong vài giây. Một trong những khía cạnh ấn tượng nhất của cách tiếp cận này là xếp hạng có thể được thực hiện dựa hoàn toàn vào kịch bản phim, mà không cần quay một cảnh nào. Vì vậy, các nhà điều hành phim có thể phát triển một kịch bản, chỉnh sửa và thiết kế xếp hạng phim trước khi quay bất kỳ cảnh nào.

Cách tiếp cận mới được phát triển sẽ có tác động tài chính đến các studio, nhưng nó cũng có thể giúp các nhà sáng tạo phát triển và chỉnh sửa một câu chuyện dựa trên tác động và phản ứng dự kiến từ người xem.

Nghiên cứu được dẫn dắt bởi Shrikanh Narayanan, Giáo sư Đại học và Niki & C. L. Max Nikias Chair ở Trường Kỹ thuật, cùng với một nhóm các nhà nghiên cứu từ Phòng thí nghiệm Phân tích và Diễn giải Tín hiệu (SAIL) tại USC Viterbi.

Áp dụng AI vào kịch bản

Sau khi áp dụng AI vào kịch bản phim, nhóm nghiên cứu đã phát hiện ra rằng các tín hiệu ngôn ngữ có thể chỉ ra các hành vi nhất định liên quan đến bạo lực, lạm dụng ma túy và nội dung khiêu dâm mà các nhân vật sẽ thể hiện. Các loại nội dung này thường được sử dụng để xếp hạng phim hiện nay.

Nhóm nghiên cứu đã sử dụng 992 kịch bản phim được xác định bởi Common Sense Media có nội dung bạo lực, lạm dụng ma túy và khiêu dâm. Tổ chức phi lợi nhuận này chịu trách nhiệm đưa ra các khuyến nghị phim cho gia đình và các cơ sở giáo dục.

Một AI được đào tạo đã được áp dụng cho 992 kịch bản, xác định hành vi rủi ro, mẫu và ngôn ngữ cụ thể. Nó đầu tiên nhận kịch bản làm đầu vào trước khi xử lý nó thông qua một mạng nơ-ron, quét các biểu thức ngữ nghĩa và cảm xúc.

AI hoạt động như một công cụ phân loại, gắn nhãn cho các câu và cụm từ là tích cực, tiêu cực, hung hăng hoặc mô tả khác. Các từ và cụm từ cũng được phân loại vào ba loại: bạo lực, lạm dụng ma túy và nội dung khiêu dâm.

Victor Martinez là một ứng viên tiến sĩ khoa học máy tính tại USC Viterbi và là nhà nghiên cứu chính.

“Mô hình của chúng tôi xem xét kịch bản phim, chứ không phải các cảnh thực tế, bao gồm cả âm thanh như tiếng súng hoặc tiếng nổ xảy ra sau này trong quá trình sản xuất,” Martinez nói. “Điều này có lợi thế là cung cấp xếp hạng lâu trước khi sản xuất để giúp các nhà làm phim quyết định mức độ bạo lực và liệu nó có cần được giảm xuống hay không.”

“Dường như có mối tương quan giữa lượng nội dung trong một bộ phim điển hình tập trung vào lạm dụng ma túy và lượng nội dung khiêu dâm. Dù cố ý hay không, các nhà làm phim dường như khớp mức nội dung liên quan đến lạm dụng ma túy với nội dung khiêu dâm,” anh tiếp tục.

Phát hiện và mối tương quan

Một trong những phát hiện của nhóm nghiên cứu là rất khó có khả năng một bộ phim chứa mức cao của cả ba hành vi rủi ro, điều này có thể được gây ra bởi các tiêu chuẩn được đặt ra bởi Hiệp hội Điện ảnh (MPA). Họ cũng tìm thấy mối tương quan giữa hành vi rủi ro và xếp hạng MPA. Ví dụ, MPA đặt ít trọng tâm vào nội dung bạo lực / lạm dụng ma túy khi nội dung khiêu dâm tăng.

“Tại SAIL, chúng tôi đang thiết kế các công nghệ và công cụ dựa trên AI cho tất cả các bên liên quan trong kinh doanh sáng tạo này – các nhà văn, nhà làm phim và nhà sản xuất – để nâng cao nhận thức về các chi tiết quan trọng khác nhau liên quan đến việc kể câu chuyện của họ trên phim,” Narayanan nói.

“Không chỉ chúng tôi quan tâm đến quan điểm của những người kể chuyện về các câu chuyện họ dệt, mà còn hiểu tác động của chúng đến khán giả và ‘điều mang lại’ từ toàn bộ trải nghiệm. Các công cụ như thế này sẽ giúp nâng cao nhận thức có ý nghĩa về mặt xã hội, ví dụ, bằng cách xác định các khuôn mẫu tiêu cực.”

Đội nghiên cứu cũng bao gồm Krishna Somandepalli, một ứng viên tiến sĩ Kỹ thuật Điện và Máy tính tại USC Viterbi, và Giáo sư Yalda T. Uhls của Khoa Tâm lý tại UCLA.

Nghiên cứu được trình bày tại hội nghị EMNLP 2020.