Голливуд непублично использует искусственный интеллект, чтобы решать, какие фильмы делать — ИИ подскажет кого приглашать на роль и предскажет как много денег получится заработать. Мы перевели статью The Verge об этом, так что усаживайтесь поудобнее — будет интересно.
Мир фильмов полон интриг и вопросов «а что если?». Известно, что Уилл Смит отказался от роли Нео в фильме «Матрица», Николас Кейдж проходил кастинг на главную роль в фильме «Супермен жив» Тима Бертона, но стоило ему только попробовать влезть в костюм, как фильм был «законсервирован». Актёры и режиссёры навсегда отказываются от проектов, которые никогда не будут сделаны или будут сделаны кем-то другим, а фанатам остаётся только догадываться, что могло бы из этого получиться.
Людей, которые зарабатывают на фильмах большие деньги это не устраивает.
Они хотят знать, что будет, если Алисия Викандер займёт роль Галь Гадот — провал или хит. Они хотят знать, сможет ли фильм, который «бомбит» в США, установить рекорд кассовых сборов по всей Европе. И сейчас искусственный интеллект может им это всё рассказать.
Стартап Cinelytic, базирующийся в Лос-Анджелесе — одна из многих компаний, обещающих, что искусственный интеллект может стать мудрым режиссёром. Она анализирует хронологические данные о показателях фильмов за прошедшие годы, потом сравнивает с информацией о темах и ключевых особенностях фильма, используя машинное обучение, чтобы выявлять скрытые закономерности в этих данных. Программное обеспечение позволяет пользователям сыграть в своего рода «фэнтезийный футбол» с фильмом, заменяя одного актёра на другого, чтобы увидеть как это скажется на прогнозируемых сборах.
Скажем, вы работаете над летним блокбастером с Эммой Уотсон в главной роли. Вы можете использовать программное обеспечение Cinelytic, чтобы увидеть, как её замена на Дженифер Лоуренс изменит кассовые сборы фильма.
«Вы можете сравнить их по отдельности, можете сравнить их вместе. Смоделировать оба сценария с Эммой Уотсон и Дженифер Лоуренс и увидеть для определённого фильма наилучший сценарий развития событий», — рассказал Куайссер в интервью The Verge.
Cinelytic — не единственная компания, которая стремится применить искусственный интеллект в кинобизнесе. В последние годы возникла целая стая фирм, обещающих похожий анализ. Бельгийский ScriptBook, основанный в 2015 году, обещает, что его алгоритмы могут предсказывать успех фильма просто проанализировав его сценарий. Израильский стартап Vault, основанный в том же году, обещает клиентам, что их технология может предсказать какие демографические группы будут отлеживать их фильмы (среди всех прочих) и как их трейлеры будут восприняты в интернете. Другая компания — Pilot — предлагает похожий анализ, обещая, что она может «непревзойденной точностью» спрогнозировать прибыль от кассовых сборов более чем за 18 месяцев до запуска фильма.
В ноябре прошлого года компания «20th Century Fox» рассказала, как использует искусственный интеллект для обнаружения объектов и сцен внутри трейлера и потом предсказывает, какой «микро-сегмент» аудитории посчитает фильм наиболее привлекательным.
Глядя на исследование, методы компании «20th Century Fox» выглядят немного сомнительными. Анализируя трейлер фильма «Логан», искусственный интеллект компании придумал следующие безнадежные теги: «волосы на лице», «машина», «борода» и — самая популярная категория из всех — «дерево». Но Куайссер говорит, что подобную технологию давно пора было создать.
«Сейчас на съемочной площадке используются роботы, дроны и прочие высокие технологии, но бизнес-сторона процесса не менялась последние 20 лет».
«Люди используют Excel и Word, довольно примитивные методы. Данные очень разрозненны, там трудно что-либо анализировать».
Именно поэтому ключевая особенность компании Cinelytic находится за пределами Голливуда. Куайссер раньше работал в области финансов — индустрии, которая использовала машинное обучение для всего, от высокоскоростного трейдинга до просчёта кредитных рисков. Его сооснователь и главный технический директор, Дев Сен, пришел из похожей высокотехнологичной сферы деятельности: он создавал модели оценки рисков для NASA.
«Решения на сотни миллиардов долларов базировались на работе Сена», — говорит Куайссер.
Конечно, киноиндустрия может доверять ему.
Но правы ли они? Трудно ответить на этот вопрос. Cinelytic и другие компании сказали The Verge, что отказались от предсказаний об успехе предстоящих фильмов — академические исследования по этой теме очень тонки. Но ScriptBook поделилась прогнозами. сделанными для фильмов вышедших в 2017 и 2018 году, которые показывают, что алгоритмы компании делают довольно неплохую работу.
В выборке из 50 фильмов, включая «Реинкарнация», «Первому игроку приготовиться» и «Тихое место», почти половина принесла прибыль, дав индустрии 44 процента точности прогнозов. Алгоритмы ScriptBook, для сравнения, догадались правильно о том, что фильм «сделает кассу» в 86 процентов случаев.
«Этот показатель в два раза точнее любых прогнозов, доступных для отрасли», — говорит эксперт по аналитическим данным, Мишель Руельнс.
Академическая работа по этой теме, опубликованная в 2016 году, утверждает, что надёжные прогнозы о прибыльности (рентабельности) фильма могут использовать исходные данные о нём — тематику и актёров. Но Канг Жао, который был соавтором документа вместе с коллегой Майклом Нашем, предупреждает, что такие типы статистических методов имеют некоторые недостатки.
Одно из предсказаний, сделанных машинами обычно совершенно очевидно. Вам не нужен сложный или продвинутый искусственный интеллект, чтобы рассказать о том, что звёзды вроде Леонардо ДиКаприо или Тома Круза увеличат шансы на то, что ваш фильм будет хитом, например.
Алгоритмы также обычно консервативны. Поскольку они обучаются на анализе того, что работало в прошлом, они не способны просчитать культурные сдвиги и изменения во вкусах зрителей, которые могут произойти в будущем. Это проблема для почти всей индустрии ИИ, и она может способствовать возникновению проблемы необъективности ИИ. Достаточно вспомнить, например, отправленный в отставку ИИ компании Amazon, нанимавший сотрудников. Он применял санкции к кандидатам женского пола, потому что связывал инженерное мастерство с преобладанием мужчин в процессе найма.
Так как ИИ обучается на данных прошлого, он не может предсказать будущие культурные сдвиги.
Жао предлагает более безопасный пример недальновидности алгоритмов: вышедший в прокат в 2016 году фантастический боевик «Warcraft», который был основан на MMORPG «World of Warcraft». Так как экранизации игр довольны редки, говорит он, трудно предсказать какой эффект произведёт фильм. Фильм «провалился» в США, собрав лишь 24 миллиона долларов в дебютные выходные, но он имел огромный успех в Китае, став самым кассовым фильмом на иностранном языке в истории страны.
Кто мог это предсказать? Не алгоритмы. ИИ не смог предсказать успех фильма «Warcraft». Как и люди, справедливости ради.
Похожие истории происходили и с предсказаниями ScriptBook относительно фильмов 2017-2018 годов. Программное обеспечение правильно определило успех хоррора Джордана Пила «Прочь», но оно недооценило, насколько популярным фильм окажется в прокате, предсказав ему 56 миллионов долларов дохода, вместо реальных 176 миллионов долларов, которые собрал фильм.
Алгоритмы также отвергли картину «Горе-творец» c Джеймсом Франко в главной роли, основанной на культовой классике Томми Вайсо «Комната». ScriptBook предсказывала, что фильм соберет только 10 миллионов долларов, но вместо этого картина собрала 21 миллион долларов — скромный доход для фильма с бюджетом в 10 миллионов долларов.
Как говорит Жао:
«Мы собираем только ту информацию, которая может быть собрана c помощью баз данных. Для учета других нюансов вы должны использовать людей».
Андреа Скарсо, директор базирующейся в Великобритании Ingenious Group, соглашается. Его компания использует программное обеспечение Cinelytic для инвестирования в фильмы, и Скарсо говорит, что это ПО работает лучше в качестве вспомогательного механизма.
«Иногда оно подтверждает наши доводы, а иногда оно им противоречит».
Скарсо говорит, что использование ИИ, для того чтобы поиграть с концепцией фильма, поменять актеров или бюджет и посмотреть как это повлияет на показатели «прокладывает дорогу для обсуждений о различных подходах к созданию фильма», но никогда не является истиной в последней инстанции».
«Я не думаю, что это когда-нибудь изменит наше сознание», говорит он о программном обеспечении. Но ПО делает всё возможное для этого.
«Вы можете видеть, как один или два разных элемента вокруг одного и того же проекта оказывают серьёзное воздействие на его коммерческий успех.
Имея что-то вроде Cinelytic, мы вместе с нашими собственными аналитиками, можем доказать, что предположения, которые мы делаем — не просто наши собственные сумасшедшие идеи».
Но если эти инструменты так полезны, почему они не используются более широко? Руленс предполагает, что в этом виновата одна антиголливудская характеристика: скромность. Люди смущены. В индустрии, в которой собственная харизма, эстетический вкус и хороший «нюх» имеют большое значение, переход к холодному рассчёту машины выглядит как крик о помощи или признанию в творческой импотенций и невозможности позаботиться о художественной ценности проекта.
Руленс говорит, что клиентами ScriptBook являются некоторые «величайшие студии Голливуда», но соглашение о неразглашении запрещает ему называть какую-либо из них.
«Люди пока что не хотят ассоциироваться с ИИ, потому что, по общему мнению, ИИ — это плохо», — говорит Руленс.
«Каждый хочет использовать ИИ, но никто не хочет признаваться, что пользуется им».
Куиссор говорит, что подобные соглашения останавливают его от дискуссий с клиентами, но в настоящее время клиентами являются и «большие инди-компании».
Голливуд вряд ли когда-нибудь признает, что последнее слово остаётся за ИИ.
Некоторые в индустрии выдвигают претензию, что Голливуд используют ИИ, чтобы проверить потенциальные фильмы, по крайней мере, когда дело доходит до одобрения или утверждения идеи. Алан Ксай, генеральный директор Pilot Movies — компании, которая предлагает киноиндустрии аналитику на основе машинного обучения, рассказывает The Verge, что он «никогда не говорил с руководителями американских студий, которые верят в ИИ-анализ сценария, не говоря уже об интеграции ИИ в их процесс принятия решений».
Ксай говорит, что, возможно, студии просто не хотят говорить об использовании подобного программного обеспечения, но он утверждает, что анализ сценария, непосредственно, очень неточный механизм. Огромное количество средств, потраченных на маркетинг и оживленные реакции в социальных сетях, намного более надёжные предсказателя успешных кассовых сборов.
«Внутри компании (Pilot), мы разрабатываем модели прогнозирования кассовых сборов, которые полагаются на особенности сценария, и они работают значительно хуже, чем модели, которые полагаются на данные социальных сетей в режиме реального времени», — говорит он.
Несмотря на скептицизм относительно специфических приложений, чувствуется ветер перемен. Руленс и директор по инвестициям Скарсо говорят, что единственный фактор, убедивший Голливуд прекратить отвергать бузу данных: Netflix.
Стриминговый гигант всегда хвастался своим подходом к программированию, основанным на фактических данных. Он следил за действиями миллионов подписчиков до мельчайших деталей и знал удивительно много о них — от определения превью-миниатюры, которая станет лучшим способом убедить кого-то кликнуть на фильм до выбора, который они сделают в жанре «выбери своё собственное приключение», по типу «Black Mirror: Bandersnatch».
«У нас есть один большой алгоритм, и он очень полезный, потому что использует предпочтение всех зрителей по всему миру», — говорил глава Netflix по иновационным продуктам Тодд Йеллен в 2016 году.
Нельзя сказать, какие способы Netflix действительно оправданы, но компания утверждает, что их алгоритм рекомендаций оценивается в один миллиард долларов в год. Вкупе с огромными инвестициями в оригинальный контент, этого достаточно, чтобы заставить даже самого несгибаемого голливудского продюсера потянуться к использованию алгоритмов.
Руленс говорит, что уже наблюдаются заметные изменения.
«Когда мы начинали четыре года назад, мы встречались с большими компаниями в Голливуде. Они все были суперскептично настроены. Они говорили «У нас есть десятилетия опыта работы в индустрии. Как машины могут нам указывать, что нам делать?»
«Сейчас всё изменилось», — говорит он.
Компании делали собственные проверки достоверности исследований, они хотели увидеть, какие предсказания программного обеспечения верны и медленно они учились доверять алгоритмам.
«Они начали признавать и принимать наши технологии», — говорит Руленс.
«Просто им потребовалось время, чтобы это увидеть».
По материалам The Verge.
