Công Cụ AI Cho Phép Đánh Giá Phim Trước Khi Quay Cảnh Đầu Tiên

Đánh giá phim là rất 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 đánh giá bằng tay bởi con người xem nó, xem xét các yếu tố như bạo lực, lạm dụng chất kích thích và nội dung khiêu dâm.

Tuy nhiên, với sự phát triển của trí tuệ nhân tạo (AI), điều này có thể thay đổi sớm. Gần đây, các nhà nghiên cứu tại Trường Kỹ thuật USC Viterbi đã sử dụng các công cụ AI để đánh giá một bộ phim trong vài giây. Một trong những khía cạnh ấn tượng nhất của phương pháp này là đánh giá có thể được thực hiện dựa chỉ trên kịch bản phim, mà không cần quay một cảnh nào.

Phương pháp mới này sẽ có tác động tài chính đến các hãng phim, 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 khán giả.

Nghiên cứu này được dẫn dắt bởi Shrikanh Narayanan, Giáo sư và Chủ tịch Niki & C. L. Max Nikias tại Trường Kỹ thuật USC Viterbi, 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 chất kích thích và nội dung khiêu dâm mà các nhân vật sẽ thể hiện. Các loại nội dung này thường được sử dụng để đánh giá phim ngày nay.

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

Một AI được đào tạo đã được áp dụng vào 992 kịch bản, xác định các 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 một số mô tả khác. Các từ và cụm từ cũng được phân loại vào ba loại: bạo lực, lạm dụng chất kích thích và nội dung khiêu dâm.

Victor Martinez là một ứng viên tiến sĩ tại khoa 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 một đánh giá lâu trước khi sản xuất để giúp các nhà làm phim quyết định mức độ bạo lực và liệu nó cần được giảm bớt hay không.”

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

Phát Hiện và Tương Quan

Một trong những phát hiện của các nhà nghiên cứu là rất khó để 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 một sự tương quan giữa các hành vi rủi ro và xếp hạng MPA. Ví dụ, MPA đặt ít trọng tâm vào nội dung bạo lực/lạm dụng chất kích thích 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 chuyện trên phim,” Narayanan nói.

“Chúng tôi không chỉ quan tâm đến quan điểm của những người kể chuyện về các câu chuyện họ dệt mà còn về tác động 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 như thông qua việc xác định các khuôn mẫu tiêu cực.”

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

Nghiên cứu này được trình bày tại hội nghị EMNLP 2020.