Формула идеального кино: ИИ-стартапы подбирают актёров и прогнозируют кассовые сборы для Голливуда

Пока всё работает не очень гладко, а студии боятся, что на смену художественному вкусу и интуиции придут «бездушные машины». Конспект материала The Verge.

Иногда кастинг напрямую влияет на оценки критиков и кассовые сборы, а в сценарии кроются мелочи, подсказывающие, будет ли проект выгодным.

Если раньше продюсеры принимали решения во многом интуитивно, то сегодня современному кинобизнесу помогают новые технологии и стартапы. Они занимаются анализом данных и прогнозированием успеха фильма с помощью технологий искусственного интеллекта.

Основатели стартапа Cynelytic из Лос-Анджелеса Cinelytic считают, что из ИИ выйдет умный продюсер. Их алгоритм собирает сведения об успехах фильмов прошлого, сопоставляя данные о жанре и основных актёрах той или иной ленты, чтобы определить, какие черты сделают предстоящую картину популярной и кассовой.

«Допустим, у вас есть летний блокбастер с Эммой Уотсон в главной роли. С Cynelytic вы можете проверить, как изменятся кассовые показатели, если поставить на её место Дженнифер Лоуренс», — рассказал основатель компании Тобиас Квайссер изданию The Verge.

По мнению Квайссера, киностудии запоздали с внедрением машинного обучения: «На съёмочной площадке роботы, беспилотники, но сам по себе бизнес уже 20 лет не развивается. Люди используют Excel и Word, тривиальные инструменты, данные разрозненные, и аналитики практически нет».

До прихода в киноиндустрию Квайссер работал в финансовой отрасли, где пользовался машинным обучением везде от высокоскоростной торговли до расчётов кредитного риска. А Дев Сен, второй соучредитель Cynelytic, прежде разрабатывал модели оценки рисков для NASA.

Cinelytic не единственная компания, которая надеется задействовать ИИ в кинобизнесе. В 2015 году запустился бельгийский стартап ScriptBook. Его представители утверждают: алгоритм ScriptBook умеет предсказывать успех фильма по его сценарию. По данным The Verge, из выборки в 50 фильмов 2017–2018 годов он верно определил прибыльность или убыточность картины в 86% случаев.

В том же 2015 году запустился израильский Vault — стартап, прогнозирующий демографию зрителей по реакции на трейлер. Также издание приводит в пример Pilot, который подсчитывает доходы от кассовых сборов «за полтора года до выхода фильма в прокат» и делает это «с непревзойдённой точностью», заявляют создатели.

Аналитикой данных занимаются и крупные кинокомпании. 20th Century Fox в ноябре 2018 года рассказала об ИИ-системе Merlin, анализирующей трейлеры фильмов и предсказывающей, какие ещё картины могут понравиться зрителю.

Merlin покадрово «изучает» ролики, выделяет ключевые элементы в кадре и сравнивает их с другими трейлерами — похожие по визуальным паттернам фильмы могут понравиться одной и той же аудитории.

По данным Fox, системе удаётся верно указать на предпочтения в половине случаев.

В 2016 году американские исследователи опубликовали статью, описывающую прогнозирование кассовых сборов на основе базовой информации об актёрах и жанре фильма.

У такого подхода есть свои недостатки. Один из них — прогнозы на основе популярности актёров слишком очевидные. Не нужно пользоваться дорогим и сложным ПО, чтобы понять, что Том Круз и Леонардо Ди Каприо повысят шансы на успех.

Вторая проблема — алгоритмы консервативны. Они учатся на результатах прошлых лет, не учитывают культурные и политические изменения в обществе, в том числе будущие.

Это проблема всей индустрии ИИ-разработок, иногда она способствует предвзятости алгоритма. Для примера: ИИ, отбиравший кандидатов на работу в Amazon, отказывал женщинам и не учитывал их навыки, потому что в прошлом компания в основном нанимала на эту позицию мужчин.

Другой пример алгоритмической близорукости — фильм Warcraft, экранизация одноименной серии игр. Поскольку подобных адаптаций мало, просчитать успешность картины оказалось очень сложно. Warcraft плохо выступил в США, собрав $24 млн за первые выходные, но в Китае стал самым кассовым фильмом на иностранном языке на тот момент.

У ScriptBook также были ошибки в прогнозах: в 2017 году вышел фильм «Прочь», которому алгоритм предсказал сборы в $56 млн. На деле фильм заработал $176 млн.

Пока алгоритмы оценивают лишь те параметры, по которым можно собрать данные. Но порой потенциальный успех больше зависит от контекста — например, «Горе-творец» стал успешным благодаря первоисточнику — фильму-мему «Комната». Подобные нюансы системы учитывать не умеют.

Такую точку зрения поддерживает инвестиционная компания Ingenious Media, финансировавшая съёмки «Аватара» и «Жизнь Пи». Ingeniuos Media использует технологии Cinelytic для оценки инвестиций, но, по словам директора Андреа Скарсо, это лишь дополнительный инструмент, который позволяет оценить бюджет фильма, и на него нельзя полностью положиться.

Cinelytic служит подтверждением, что аналитики компании не предлагают безумные идеи, замечает Скарсо.

Также анализ сценариев работает значительно хуже, чем обычные способы увеличить популярность фильма, уточняет генеральный директор Plot Movies Алан Се. По его словам, гораздо надёжнее — поднять шум в соцсетях и увеличить расходы на маркетинг.

Тем не менее и Скарсо, и Се считают: есть один серьёзный фактор, заставляющий Голливуд интересоваться технологиями, — успех стримингового сервиса Netflix.

В 2016 году компания заявила, что её рекомендательная система на машинном обучении учитывает вкусы каждого пользователя сервиса и стоит около $1 млрд.

Netflix не просто рекомендует фильм или сериал, но и подбирает для каждого подписчика наиболее подходящую обложку, чтобы убедить его начать просмотр. Любителям романтических фильмов Netflix покажет постер, где изображена пара, а поклонникам определённого актёра подберёт отдельный постер с ним.

Также Netflix использует рекомендации для съёмок собственных шоу, которые привлекают внимание подписчиков и приводят новых зрителей. Действия компании вызывают интерес у голливудских продюсеров.

Аналитик данных в ScritpBook Мишель Рюленс рассказал The Verge, что рост интереса к машинному обучению был очень заметным: «Когда мы начинали, четыре года назад, мы встречались с крупными кинокомпаниями в Голливуде. Они были настроены максимально скептически и говорили, что в их распоряжении — десятки лет опыта и машина не имеет права им указывать».

Сегодня отношение изменилось — киностудии начали принимать технологии после того, как увидели результаты прогнозов. Просто на это понадобится время, считает Рюленс.

По его словам, сейчас со ScriptBook сотрудничают некоторые «крупнейшие голливудские студии», но из-за соглашений о неразглашении их называть нельзя. Компании пока не готовы ассоциироваться с ИИ: по-прежнему считается, что ИИ — это плохо.

Возможно, киностудии попросту стыдятся: в индустрии, где так важны харизма, вкус, интуиция, обращение к бездушной машине может расцениваться как признание в собственной беспомощности, отсутствии фантазии и интереса к художественному значению проекта, заключает Рюленс.

#нейросети #кино #netflix #ии