Las clasificaciones de películas son vitales para el resultado final de una película y determinan su impacto en las audiencias. Tradicionalmente, las personas que la ven califican manualmente una película, teniendo en cuenta la violencia, el abuso de drogas y el contenido sexual.
Esta dinámica podría cambiar pronto con el auge de la inteligencia artificial (IA). Recientemente, los investigadores de la Escuela de Ingeniería Viterbi de la USC utilizaron herramientas de inteligencia artificial para calificar una película en segundos. Uno de los aspectos más impresionantes de este enfoque es que la calificación se puede realizar basándose únicamente en el guión de la película, sin filmar una sola toma. Debido a esto, los ejecutivos de películas podrían desarrollar un guión, realizar ediciones y diseñar una calificación de película por adelantado y antes de filmar cualquier escena.
El enfoque recientemente desarrollado tendría un impacto financiero en los estudios, pero también puede ayudar a las mentes creativas a desarrollar y editar una historia basada en el impacto previsto y la respuesta de los espectadores.
La investigación fue dirigida por Shrikanh Narayanan, profesor universitario y catedrático de ingeniería Niki & CL Max Nikias, junto con un equipo de investigadores del Laboratorio de análisis e interpretación de señales (SAIL) de la USC Viterbi.
Aplicación de IA a los scripts
Después de aplicar IA a guiones de películas, el equipo descubrió que las señales lingüísticas pueden indicar ciertos comportamientos relacionados con la violencia, el abuso de drogas y el contenido sexual que los personajes están a punto de demostrar. Estas categorías de contenido se utilizan a menudo para calificar las películas de hoy.
El equipo utilizó 992 guiones de películas que Common Sense Media determinó que tenían contenido violento, de abuso de sustancias y sexual. La organización sin fines de lucro se encarga de hacer recomendaciones de películas para familias e instituciones educativas.
Luego se aplicó una IA entrenada a los scripts 992, identificando comportamientos de riesgo, patrones y lenguaje particular. Primero recibe el script como entrada antes de procesarlo a través de una red neuronal, que analiza la semántica y las expresiones de sentimiento.
La IA funciona como una herramienta de clasificación, etiquetando oraciones y frases como positivas, negativas, agresivas o algún otro descriptor. Las palabras y frases también se clasifican en tres categorías: violencia, abuso de drogas y contenido sexual.
Víctor Martínez es candidato a doctorado en informática en la USC Viterbi e investigador principal.
“Nuestro modelo analiza el guión de la película, en lugar de las escenas reales, incluidos, por ejemplo, sonidos como un disparo o una explosión que ocurren más adelante en la línea de producción”, dijo Martínez. “Esto tiene la ventaja de proporcionar una calificación mucho antes de la producción para ayudar a los cineastas a decidir, por ejemplo, el grado de violencia y si es necesario atenuarlo”.
“Parece haber una correlación en la cantidad de contenido en una película típica centrada en el abuso de sustancias y la cantidad de contenido sexual. Ya sea intencionalmente o no, los cineastas parecen igualar el nivel de contenido relacionado con el abuso de sustancias con contenido sexualmente explícito”, continuó.
Hallazgos y Correlaciones
Uno de los hallazgos de los investigadores fue que es muy poco probable que una película contenga altos niveles de los tres comportamientos de riesgo, lo que probablemente se deba a los estándares establecidos por la Motion Picture Association (MPA). También encontraron una correlación entre los comportamientos de riesgo y las calificaciones de MPA. Por ejemplo, MPA pone menos énfasis en el contenido de violencia/abuso de sustancias a medida que aumenta el contenido sexual.
“En SAIL, estamos diseñando tecnologías y herramientas, basadas en IA, para todas las partes interesadas en este negocio creativo (escritores, cineastas y productores) para crear conciencia sobre los diversos detalles importantes asociados con la narración de su historia en una película”, Narayanan dijo.
“No solo estamos interesados en la perspectiva de los narradores de las narrativas que tejen, sino también en comprender el impacto en la audiencia y el ‘llevar’ de toda la experiencia. Herramientas como estas ayudarán a aumentar la conciencia socialmente significativa, por ejemplo, a través de la identificación de estereotipos negativos”.
El equipo de investigación también incluye a Krishna Somandepalli, Ph.D. candidato en Ingeniería Eléctrica y Computación en USC Viterbi, y la profesora Yalda T. Uhls del Departamento de Psicología de UCLA.
La investigación fue presentada en la EMNLP 2020 conferencia.