¿Cómo utilizan los estudios cinematográficos la IA para predecir los intereses de la audiencia cinematográfica?

Los estudios de cine están utilizando IA para predecir los intereses de la audiencia de películas al escanear y etiquetar avances de películas y luego comparar los datos con otros avances de películas para identificar «películas similares».

Los patrones están en el corazón de la inteligencia artificial (IA), razón por la cual a las empresas les encanta. Los patrones ayudan a predecir el futuro, y el futuro es una excelente manera de predecir el dinero. Si bien a veces es ambiguo cómo funcionan estas cosas juntas, los estudios de cine como 20th Century Fox están utilizando IA para predecir qué películas quiere ver el público al asociarse con gigantes tecnológicos de IA como Google.

Ahora, para tener éxito en la industria del cine, los estudios de cine necesitan atraer una audiencia, pero atraer una gran audiencia no es una tarea fácil. Los cinéfilos son un grupo diverso de personas con una amplia gama de gustos e intereses. Tradicionalmente, los estudios confían en la intuición y la experiencia al decidir si invertir en un guión en particular. Este es un enfoque arriesgado, especialmente cuando la situación es única o sin precedentes. Los estudios cinematográficos en el pasado dependían de procesos de datos avanzados para mapear segmentos de clientes y hacer pronósticos de ganancias de taquilla futuras. Además, hasta hace poco tiempo, el pronóstico granular a nivel de segmento seguía siendo esquivo debido a la escasez de las herramientas tecnológicas y los algoritmos necesarios. Sin embargo, con la llegada del aprendizaje automático, estas barreras se han superado. La inteligencia artificial (IA) es una herramienta que ayuda a este complejo proceso iterativo a hacer coincidir los guiones y las audiencias con mucha más precisión.

Proyecto Merlín

20th Century Fox, uno de los estudios cinematográficos líderes en el mundo, está utilizando sistemas avanzados de visión artificial impulsados ​​por sofisticados algoritmos de IA para examinar imágenes de avances y predecir la probabilidad de que una audiencia vea sus películas. Realizan la investigación cuadro por cuadro, etiquetando objetos y eventos importantes, y luego los comparan con los datos generados a partir de otros avances de películas. La idea principal es que las películas con etiquetas/secuencias de vista similares atraigan audiencias similares. 20th Century Fox se asoció con Google para lanzar el proyecto Merlin, nombre en clave del sistema de predicción y asistencia de películas.

¿Como funciona?

El primer paso para el equipo que trabajaba en este proyecto fue identificar la tecnología adecuada para impulsar el sistema. El (), en combinación con el marco de aprendizaje profundo, parecía ser la mejor opción después de una lluvia de ideas por parte de los miembros del equipo. La mayoría de los expertos del equipo lo votaron porque Cloud ML Engine es un servicio administrado y puede automatizar todo el aprovisionamiento y el monitoreo de recursos. Esto significa que el equipo solo necesita concentrarse en construir el modelo de aprendizaje profundo de Merlin, en lugar de dedicar tiempo al laborioso proceso de configuración de su infraestructura.

Escanear un tráiler de película

El primer paso del proyecto Merlin consiste en escanear el tráiler de la película. Considere el ejemplo de la película Logan. Merlín escanea el tráiler y etiqueta los objetos, como «árbol», «vello facial», «automóvil», «bosque», etc.

Si bien el primer paso es simplemente buscar etiquetas y registrar la frecuencia de esas etiquetas, los datos finales generados son mucho más complejos, ya que los datos finales también estiman cuánto tiempo han estado estos objetos en la pantalla y específicamente cuándo muestran el video. .

Etiquetado de datos escaneados

La información temporal obtenida a través del proceso de escaneado y etiquetado es muy rica, ya que se relaciona con el género de la película. Por ejemplo, un tráiler con un primer plano largo del personaje principal de una película/drama romántico es más probable que un thriller de acción. Asimismo, un tráiler con tomas rápidas y furiosas es más común para una película de acción. Este es ciertamente el caso de Logan, con su tráiler que presenta muchas tomas en cámara lenta de Hugh Jackman cubierto de sangre.

Comparación con otros conjuntos de datos etiquetados

Después de completar el análisis de etiquetas de un avance de película (Logan en el ejemplo considerado), el siguiente paso es comparar ese nuevo análisis con las etiquetas generadas a partir de otros avances de películas para identificar «películas similares». Se supone que debe haber cierta superposición entre la audiencia de Logan y otras películas de acción. En otras palabras, los cineastas que han visto previamente una película llena de acción con un protagonista masculino «áspero» Logan tienen más probabilidades de verla.

¿Cuáles son los resultados?

Al comparar estos datos con los análisis de otros avances de películas, Merlín intenta predecir qué películas pueden ser de interés para los cinéfilos que han visto Logan.

La siguiente tabla muestra las 20 películas más vistas por los cinéfilos que también fueron a ver a Logan. La columna de la derecha muestra la predicción de Merlín y la columna de la izquierda muestra los datos reales (recopilados, basados ​​en la encuesta, es decir, preguntando literalmente a las personas directamente).

El bueno

Como se puede ver en la tabla, Merlín califica correctamente muchas películas, incluidas otras películas de superhéroes como Batman Vs. Superman: El origen de la justicia, X-Men: Apocalipsis y Doctor Strange. Se identifica acertadamente en John Wick: Capítulo 2 como el compañero de cama de Logan. Ese es un gran resultado, porque John Wick definitivamente no es una típica película de superhéroes. Sin embargo, se trata de un protagonista tan cansado como rudo. Merlin reconoce cada una de las cinco opciones principales, aunque no en el mismo orden de importancia. En total, logró identificar más de la mitad de las películas.

la mala vida

Dicho esto, hubo lugares en los que Merlín se equivocó. Merlín predijo que La Leyenda de Tarzán sería un éxito entre las audiencias a las que «les gustaba Logan», por ejemplo. Curiosamente, ni Google ni 20th Century Fox ofrecieron ninguna explicación al respecto. Ahora, supongo que puede tener algo que ver con el «árbol», el «bosque» y la «luz» que se encuentran en Logan, elementos que el tráiler de Tarzán también muestra en alta concentración.

Los estudios de cine están ansiosos por adoptar la IA para este tipo de análisis, y varias empresas se esfuerzan por diseñar sistemas que puedan predecir la probabilidad de éxito de una película a través de la extracción y el procesamiento de datos. Con más datos y más avances en el campo del aprendizaje automático, podemos esperar que estos sistemas sean más precisos/eficientes, ya que la precisión sigue siendo un desafío… ¡por ahora!