La clasificación que recibe una película puede determinar su éxito en la taquilla. Por eso los guionistas, productores y directores tratan de ser muy cuidadosos con el guión, para que no reciba demasiadas clasificaciones restrictivas que impidan que más gente lo disfrute. La tediosa tarea de calificar manualmente una película suele ser realizada por el público, que da opiniones basadas en la experiencia de ver la película.
Sin embargo, los investigadores de la Escuela de Ingeniería de Viterbi de la USC, EE.UU., han desarrollado recientemente una herramienta que puede calificar el contenido de una película en cuestión de segundos, incluso antes de que se ruede una sola escena. Recibe todo el guión como entrada, lo procesa a través de una red neuronal y lo escanea para la semántica y el sentimiento expresado. La herramienta también clasifica las frases y oraciones en tres categorías: violencia, abuso de drogas y contenido sexual.
«Nuestro modelo mira el guión de la película, en lugar de las escenas reales, incluyendo, por ejemplo, los sonidos como un disparo o una explosión que se producen más tarde en el proceso de producción. Esto tiene la ventaja de proporcionar una clasificación mucho antes de la producción para ayudar a los cineastas a decidir el grado de violencia y si es necesario atenuarla», explicó Víctor Martínez, candidato al doctorado en informática de la Escuela de Ingeniería de Viterbi de la USC.
Además, la nueva herramienta permite a los ejecutivos de cine diseñar una clasificación de la película con antelación, haciendo las correcciones adecuadas al guión antes del rodaje. Los investigadores creen que también podría ayudar a concienciar a los creadores sobre el contenido y el impacto que podría tener en los espectadores.
«No sólo nos interesa la perspectiva de los narradores de las narraciones que tejen. sino también en la comprensión del impacto en la audiencia y en la ‘toma de distancia’ de toda la experiencia», dijo Shrikanth Narayanan, profesor de ingeniería eléctrica e informática y ciencias de la computación en USC Viterbi.
Concluyó: «Herramientas como estas ayudarán a aumentar la conciencia social, por ejemplo, a través de la identificación de estereotipos negativos».
Metro habló con Narayanan y Víctor Martínez para saber más.
ENTREVISTA
Shrikanth Narayanan,
profesor de ingeniería eléctrica e informática y ciencias de la computación en la USC Viterbi
Víctor Martínez,
candidato al doctorado en ciencias de la computación en la Escuela de Ingeniería de Viterbi de la USC
P: ¿Cómo se les ocurrió la idea de crear una herramienta que pueda predecir los índices de audiencia de las películas en el futuro?
– Este proyecto comenzó a partir de un interés en entender – a través de medios computacionales – las historias que se cuentan en los medios, y su impacto en las experiencias y comportamientos de los individuos, y la sociedad en general. Esto incluía, en particular, el arrojar luz sobre las representaciones y retratos de las personas en los medios, por ejemplo, los personajes de las películas. En particular, observamos que a menudo puede haber patrones inconscientes y sesgos presentes en quién es representado cómo en la pantalla, que los creadores pueden no haber previsto; por ejemplo, estereotipos en los perpetradores y objetivos de la violencia y otros comportamientos de riesgo. El análisis de los guiones cinematográficos permite examinar esos aspectos en una etapa temprana del proceso creativo. Como primer paso hacia este objetivo, construimos un sistema que identifica automáticamente las representaciones de comportamientos de riesgo a partir del lenguaje utilizado en los guiones de las películas. Herramientas como estas pueden ayudar a aumentar la conciencia social, por ejemplo, a través de la identificación de estereotipos negativos.
P: ¿Cómo funciona?
– Nuestro modelo de IA encuentra una relación entre las declaraciones de los personajes y las calificaciones de contenido de los expertos (obtenidas de Common Sense Media). Para aprender esta relación, nuestro modelo de aprendizaje automático inspecciona un gran número de guiones, determinando los patrones encontrados entre el lenguaje escrito y las clasificaciones de contenido de comportamiento de riesgo asociadas. Por ejemplo, el modelo recoge la forma en que el Sr. Bond pide su bebida alcohólica habitual, cuando hay personajes que conspiran para matar a alguien, o cuando maldicen de forma sexualmente explícita. El modelo hace esto atendiendo tanto a lo que se dice (semántica) como, independientemente, a cómo se dice algo (sentimiento).
P: ¿Qué elementos tiene en cuenta esta herramienta?
– El modelo utiliza tres fuentes de información. En primer lugar, se centra en las palabras y frases tal como aparecen en los guiones, inspeccionando su semántica y el sentimiento que pueden expresar los personajes, así como el contexto en el que aparecen estas frases. La segunda fuente es el género cinematográfico, ya que se puede esperar que las comedias románticas tengan un estándar diferente para lo que se considera violento, sexual o de abuso de sustancias que las películas de terror. Finalmente, la tercera fuente son las clasificaciones en sí mismas, ya que descubrimos que la mayoría de las películas tienden a mostrar retratos co-ocurrentes de contenido violento, sexual y de abuso de sustancias.
P: ¿Qué le depara el futuro a su herramienta?
– Nuestro programa de investigación más amplio en la comprensión de los medios de comunicación mediante la inteligencia de medios computacional se centra en el análisis no sólo de datos de texto, sino también de audio (incluida la música) y vídeo, junto con otros datos de los medios de comunicación sobre las experiencias individuales (por ejemplo, las emociones) y el impacto social como resultados comerciales, a través de una variedad de tipos de medios de comunicación, incluidos los anuncios y las noticias y plataformas como la televisión y la transmisión digital.
24
horas es el tiempo en el que la nueva herramienta es capaz de analizar un guión de película.
LAS CLAVES
¿Qué reveló la nueva herramienta?
Los cineastas compensan los bajos niveles de violencia con representaciones conjuntas de comportamientos sexuales y de abuso de sustancias.
Los datos muestran evidencia de que los personajes se involucran en comportamientos sexuales y violentos en estrecha proximidad temporal entre sí en una historia.
A medida que el contenido sexual aumenta, la asociación entre el contenido violento (o el abuso de sustancias) y la clasificación de la Asociación Cinematográfica disminuye. Así, las películas con altas clasificaciones sexuales tienen más probabilidades de ser clasificadas como R (restringidas a menos de 17), independientemente de su contenido violento o de abuso de sustancias.
Cinco formas en que la IA se usa en el cine
Creando personajes
Los cineastas pueden crear personajes digitales con la IA. Por ejemplo, el supervillano Thanos de Avengers: Infinity War fue diseñada usando el aprendizaje de la máquina.
Predecir el éxito de una película
La IA también está siendo utilizada por los principales estudios para predecir los futuros ingresos de la película. Los algoritmos, sin embargo, no siempre resultan ser completamente precisos.
Escribir guiones
En 2016, el corto de 3 minutos Do You Love Me se convirtió en la primera película co-escrita por la IA que se hizo viral. Ese mismo año, el cineasta nominado a los BAFTA, Oscar Sharp, y el investigador de la Universidad de Nueva York, Ross Goodwin, crearon un cortometraje de 9 minutos escrito por un robot llamado Benjamin.
Edición de la película
En 2016, 20th Century Fox e IBM se asociaron para crear el primer tráiler de película concebido por la Inteligencia Artificial. Para lograrlo, utilizaron el programa de Ai Watson que calificó las mejores y más aterradoras escenas de una película.
Componer las partituras de las películas
Hay un software que se usa para crear música sin la intervención de los humanos. Este tipo de pistas también funcionan para las películas.
