ورود تدریجی یادگیری ماشین به عرصه فیلم‌سازی

 
آی‌تی‌من- استارتاپ Cinelytic مدعی است که با استفاده از یادگیری ماشین، قادر به پیش‌بینی میزان موفقیت فیلم‌های سینمایی است.

بر اساس گزارش هالیوود ریپورتر، شرکت برادران وارنر از نرم‌افزار هوش مصنوعی این استارتاپ برای تصمیم‌گیری در زمینه اکران فیلم‌ها استفاده می‌کند؛ اما منابعی از داخل این شرکت به The Verge گفته‌اند که نرم‌افزار هوش مصنوعی مذکور فقط برای کمک به تصمیم‌گیری در حوزه بازاریابی و توزیع فیلم‌ها استفاده خواهد شد.

توبیان کوییسر (Tobias Queisser) مدیر ارشد اجرایی Cinelytic در گفت‌وگویی با هالیوود ریپورتر، با تاکید بر اینکه هوش مصنوعی فقط یک ابزار کمکی است، افزود: ولی در حال حاضر، هوش مصنوعی قادر به اتخاذ تصمیمات خلاقانه نیست.

وی گفت: هوش مصنوعی در زمینه دسته‌بندی مجموعه داده‌های عظیم و کشف الگوهایی که ممکن است برای انسان قابل دیدن نباشد، خوب عمل می‌کند؛ اما در زمینه تصمیم‌سازی‌های خلاقانه، همچنان به تجربه و غریزه انسانی نیاز داریم.

صرف‌نظر از شیوه استفاده از فناوری Cinelytic، این قرارداد گامی رو به جلو در مسیر پذیرش یادگیری ماشین در هالیوود محسوب می‌شود؛ مسیری که تاکنون هالیوود در آن پیشرفت کندی داشته است. اما استارتاپ‌ها مدت‌هاست در این حوزه نیز فعال شده‌اند.

در واقع Cinelytic تنها یکی از استارتاپ‌های متعددی است که از هوش مصنوعی به منظور پیش‌بینی عملکرد فیلم‌ها در گیشه استفاده می‌کنند، اما دنیای سینما به طور تاریخی به توانایی‌های این استارتاپ‌ها با دیده تردید می‌نگرد.

آندره‌آ اسکارسو (Andrea Scarso) سرمایه‌گذارسینما و مشتری Cinelytic می‌گوید که نرم‌‌افزار این استارتاپ، هرگز نظر او را تغییر نداده، اما موجب پیش کشیدن رویکردهای تازه شده است.

وی می‌افزاید: با این نرم‌افزار گاهی می‌توانید ببینید که چگونه یک یا دو عنصر متفاوت در یک پروژه مشخص می‌تواند اثری بزرگ روی موفقیت تجاری کار بگذارد.

نرم‌افزار Cinelytic به مشتریان امکان می‌دهد که با فیلم‌ها یک جور فوتبال فانتزی بازی کنند. کاربران می‌توانند با مدل‌سازی فیلم مورد نظر، ژانر، بودجه، بازیگران و از این قبیل را در نرم‌افزار وارد کنند و سپس ببینند وقتی عناصر و افراد را تغییر دهند، چه اتفاقی می‌افتد. مثلا ببینند که اگر به‌جای تام کروز از کیانو ریوز در فیلم استفاده کنند، چه تاثیری در میزان استقبال مخاطبان زیر 25 سال می‌گذارد یا مثلا در فروش گیشه در اروپا چه تفاوتی ایجاد می‌شود.

بسیاری از متخصصان هوش مصنوعی در زمینه توانایی الگوریتم‌ها برای ارایه پیش‌بینی در حوزه‌هایی به آشفتگی صنعت فیلم‌سازی تردید دارند. از آنجا که نرم‌افزارهای یادگیری ماشین بر اساس داده‌های تاریخی به یادگیری می‌پردازند، تمایل به محافظه‌کاری دارند و به جای پیش‌بینی آنچه که مخاطبان آینده را راضی می‌کند، روی الگوهایی تمرکز می‌کنند که در گذشته به موفقیت انجامیده است.

بررسی‌های علمی نیز حاکی از آن است که الگوریتم‌ها فقط به تولید پیش‌بینی‌های محدود موفقیت می‌پردازند و اغلب به تکرار پیش‌بینی‌های واضح می‌پردازند. مثلا می‌گویند که اسکارلت جوهانسون ستاره‌ سینمایی پرفروشی است؛ چیزی که بدون هوش مصنوعی هم قابل درک است.

اما آنان که مدافع استفاده از یادگیری ماشین در فیلم‌سازی هستند، می‌گویند که منفعت این کار تولید تحلیل‌های کاربردی با سرعتی بیشتر از انسان است. این تحلیل‌ها به ویژه در جشنواره‌های سینمایی اهمیت دارد؛ یعنی زمانی که استودیوهای فیلم‌‌سازی ناگزیر از ورود به رقابتی شدید برای کسب حق توزیع فیلم‌ها هستند و تنها چند ساعت وقت دارد که تصمیم بگیرند که کدام فیلم، چقدر می‌ارزد.