دنیای فیلم پر از اما و اگرهای جذاب است. می‌گویند که ویل اسمیت نقش نئو در سه‌گانه ماتریکس را رد کرده. نیکولاس کیج قرار بود سوپرمن فیلم تیم برتون باشد اما قبل از توقف ساخت فیلم فقط توانست لباس سوپرمن را امتحان کند. بازیگران و کارگردانان همیشه به فیلم‌هایی که قرار بود ساخته بشود یا توسط دیگران ساخته شده با حسرت می‌اندیشند. طرفداران آنها هم هیچوقت نمیفهمند تماشای چه چیزهایی را روی پرده از دست داده‌اند. در این مطلب به شما نشان می‌دهیم هوش مصنوعی در هالیوود چطور به حل چنین مواردی کمک می‌کند.
این تردیدها و کاشکی‌ها برای کسانی که از ساخت فیلم پول درمی‌آورند، اصلا خوب نیست. اگر انتخاب آلیسیا ویکاندر به جای گل گدوت قرار است فیلم را به یک موفقیت بی‌بدیل تبدیل کند، سازندگان فیلم ترجیح می‌دهند این را بدانند. اگر فیلمی که در ایالات متحده ترکانده در اروپا شکست خواهد خورد، سازندگان می‌خواهند این را هم بدانند. قبلا این چیزها را به تجربه و شانس می‌سپردند اما حالا هوش مصنوعی در هالیوود جواب همه سوال‌ها را دارد.
سینه‌لیتیک (Cinelytic) استارت آپی در لس آنجلس و یکی از آنهایی است که ادعا می‌کند هوش مصنوعی می‌تواند یک تهیه‌کننده خردمند باشد. این استارت آپ داده‌های تاریخی فیلم‌های سال‌های گذشته را جمع‌آوری می‌کند، سپس آنها را به اطلاعات درباره تم فیلم‌ها و استعدادهای اصلی سینما ارجاع متقابل می‌دهد و با یادگیری ماشین الگوهای مخفی در داده‌ها را کشف می‌کند. نرم‌افزار سینه‌لیتیک چیزی مثل فوتبال فانتزی را در دنیای فیلم ایجاد کرده. به این ترتیب کاربر می‌تواند
یک تیم بازیگری انتخاب کند، سپس یک بازیگر را با بازیگر دیگر جایگزین کند تا ببینید هر تغییر چه تاثیری روی پیش‌بینی باکس آفیس فیلم خواهد گذاشت.
بگذارید با یک مثال، کارکرد هوش مصنوعی در هالیوود را بیشتر روشن کنیم. فرض کنید یک بلاک‌باستر تابستانی خواهید ساخت که اما واتسون نقش اصلی است. در چنین شرایطی می‌توانید از نرم‌افزار سینه‌لیتیک استفاده کنید و ببینید دادن نقش اصلی به جنیفر لاورنس چه تاثیری روی باکس آفیس فیلم خواهد داشت.
می‌توانید آنها را جداگانه یا به صورت یک پکیج با هم مقایسه کنید. هر دو سناریو را با اما واتسون و جنیفر لاورنس مدلسازی کنید تا مشخص بشود برای این فیلم به خصوص، کدامیک کارایی بهتری خواهند داشت.
سینه‌لیتیک تنها کمپانی نیست که قصد دارد از هوش مصنوعی در هالیوود و دنیای فیلم‌سازی استفاده کند. در سال‌های اخیر، گروه زیادی از شرکت‌ها با وعده‌های مشابه ظهور کرده‌اند. کمپانی بلژیکی اسکریپت‌بوک (ScriptBook) تاسیس شده در سال ۲۰۱۵، ادعا می‌کند الگوریتمش می‌تواند فقط با آنالیز فیلمنامه، میزان موفقیت فیلم را تخمین بزند. استارت آپ اسرائیلی Vault به مشتریانش وعده می‌دهد برمبنای نحوه مشاهده تریلرهای فیلم در پلتفرم‌های آنلاین، گروه‌های جمعیتی علاقه‌مند به فیلم را پیش‌بینی می‌کند. کمپانی دیگری با نام Pilot هم وعده‌های مشابه دارد و می‌گوید می‌تواند ۱۸ ماه قبل از انتشار فیلم، درآمد فروشش را با دقتی بی‌نظیر پیش‌بینی کند.
بازار هوش مصنوعی در هالیوود آنقدر گرم است که حتی کمپانی‌های ریشه‌دار هم سراغش می‌روند. نوامبر گذشته کمپانی فاکس قرن بیستم توضیح داد چطور از هوش مصنوعی برای شناسایی اجسام و صحنه‌هایی از تریلر استفاده کرده و سپس پیش‌بینی کرده کدام گروه از تماشاگران بیشتر از فیلم لذت خواهند برد.
وقتی این کار تحقیقاتی را با دقت بررسی کنیم، می‌بینیم که شانس موفقیت روش این کمپانی پنجاه پنجاه بوده. در این روش، نرم‌افزار هوش مصنوعی کمپانی در آنالیز تریلر فیلم لوگان (۲۰۱۷) به این تگ‌های غیرمفید رسید: موی صورت، ماشین، ریش و درخت (به عنوان محبوب‌ترین دسته‌بندی). شاید این روش جالبی به نظر برسد اما در دوره ما جایی نخواهد داشت.
امروزه در صحنه‌های فیلمبرداری از ربات، پهپاد و آخرین فناوری‌ها استفاده می‌شود. اما بخش کسب و کار فیلم‌سازی حدود ۲۰ سال است که پیشرفت نکرده. کارکنان این بخش هنوز از اکسل و ورد استفاده می‌کنند. داده‌ها خیلی خوب ذخیره می‌شوند اما هیچ آنالیزی رویشان صورت نمی‌گیرد.
برتری سینه‌لیتیک درست همینجا مشخص می‌شود. این کمپانی هوش مصنوعی را از بیرون به هالیوود آورده است. موسس استارت آپ قبلا در بخش مالی فعال بود و از یادگیری ماشین برای معاملات سریع و محاسبه ریسک کردیت استفاده می‌کرد. شریکش هم در زمینه مشابه فعال بود و برای ناسا مدل‌های ارزیابی ریسک می‌ساخت.
ناسا صدها میلیون دلار بودجه خودش را طبق آنالیزها و پیش‌بینی‌های موسس سینه‌لیتیک هزینه می‌کرد. پس قطعا صنعت فیلم هم می‌تواند به او و کاربرد هوش مصنوعی در هالیوود اعتماد کند.
آیا این اعتماد درست است؟ به سختی می‌توان جواب داد چون اکثر کمپانیهایی که نامشان را خواندید تابحال پیش‌بینی و آنالیز خودشان از فیلم‌های آینده را منتشر را نکرده‌اند. مطالعات دانشگاهی در اینباره هم بسیار محدود است.
تنها کمپانی که پیش‌بینی خودش از فیلم‌های سال‌های ۲۰۱۷ و ۲۰۱۸ را منتشر کرده، اسکریپت‌بوک بوده. بررسی پیش‌بینی‌ها نشان می‌دهد الگوریتم‌های این کمپانی بسیار موفق هستند. در یک گروه پنجاه‌تایی از فیلم‌ها از جمله یک مکان ساکت، موروثی و بازیکن شماره یک آماده، کمتر از نیمی از آنها به سود رسیدند و پیش‌بینی صنعت هالیوود درباره آنها دقت ۴۴ درصدی داشت. الگوریتم‌های اسکریپت‌بوک ۸۶ درصد مواقع سودآور بودن یا نبودن فیلم را درست پیش‌بینی کردند. این دو برابر نرخ دقتی است که صنعت فیلم‌سازی دارد. بنابراین هوش مصنوعی در هالیوود خیلی بهتر از تهیهکنندههای فعلی پیش‌بینی و آنالیز می‌کند.
یک مقاله دانشگاهی با همین موضوع در سال ۲۰۱۶ منتشر شد و ادعا کرد پیش‌بینی‌های قابل اعتماد درباره سودآوری فیلم را می‌توان برپایه اطلاعات ابتدایی مثل تم فیلم و ستاره‌ها هم انجام داد. البته محققان اشاره کرده بودند که این نوع رویکردهای آماری، نواقص خودشان را هم دارند.
یکی از نواقص اینست که پیش‌بینی‌های انجام شده با ماشین معمولا به شدت واضح هستند. برای اینکه بگویید ستاره‌هایی مثل لئوناردو دی‌کاپریو و تام کروز فروش فیلم را افزایش می‌دهند، نیاز به ابزارهای هوش مصنوعی پیچیده ندارید.
علاوه بر این، الگوریتم‌ها اصولا محافظه‌کار هستند. یادگیری آنها از آنالیز موفقیت‌های گذشته آمده و بنابراین نمی‌توانند تغییرات فرهنگی یا تغییرات ذائقه بیننده که در آینده رخ خواهد داد را در نظر بگیرند. این یکی از چالش‌های پیش روی هوش مصنوعی در هالیوود است.
مثال بهتر درباره کوته‌نگری الگوریتم‌های پیش‌بینی، فیلم اکشن وارکرفت محصول سال ۲۰۱۶ است که براساس بازی World of Warcraft ساخته شد. اقتباس از بازی به فیلم بسیار نادر است و بنابراین پیش‌بینی عملکرد فیلم هم دشوار خواهد بود. این فیلم در ایالات متحده ناموفق بود و در هفته افتتاحیه فقط ۲۴ میلیون دلار فروخت. اما همین فیلم در چین محبوب شد و به پردرآمدترین فیلم خارجی زبان در تاریخ سینمای این کشور تبدیل شد.
چه کسی چنین انتظاری داشت؟ قطعا الگوریتم‌ها از چنین چیزی بی‌خبر بودند.
داستان‌های مشابه این را می‌توان در پیش‌بینی‌های اسکریپت‌بوک از فیلم‌های ۲۰۱۷ و ۲۰۱۸ پیدا کرد. نرم‌افزار این کمپانی به درستی سودآوری فیلم ژانر وحشت برو بیرون اثر جردن پیل را پیش‌بینی کرد اما محبوبیتش در باکس آفیس را دست کم گرفت. پیش‌بینی نرم‌افزار درآمد ۵۶ میلیون دلاری بود اما درآمد فیلم از ۱۷۶ میلیون دلار عبور کرد. نرم‌افزار فیلم هنرمند فاجعه جیمز فرانکو را در لیست فیلم‌های ناموفق قرار داده بود و پیش‌بینی حداکثر فروش ۱۰ میلیون دلاری را کرده بود. اما این فیلم ۲۱ میلیون دلار فروخت که برای فیلمی با بودجه ۱۰ میلیون دلار بد نیست.
نباید فراموش کرد که این الگوریتم‌ها فقط چیزهایی را نشان می‌دهند که قبلا در داده‌ها ذخیره شده باشد. اما برای نکات ظریفی مثل عوامل موفقیت فیلم هنرمند فاجعه باید انسان را هم وارد چرخه پیش‌بینی کرد. وقتی استودیوهای فیلم‌سازی از هوش مصنوعی در هالیوود و برای تصمیم‌گیری درباره فیلم‌ها استفاده می‌کنند، نظر نرم‌افزار گاهی با آنها موافق و گاهی مخالف است. گاهی هم چیزهایی پیشنهاد می‌دهد که گروه سازنده یا سرمایه‌گذار به آنها توجه نکرده بودند. استفاده از هوش مصنوعی برای کار روی طرح فیلم (تغییر بازیگرها، افزایش بودجه و مشاهده تاثیرگذاری آنها روی عملکرد فیلم) به خودی خود آغازگر گفتگو درباره رویکردهای متفاوت به فیلم خواهد بود.
حتی اگر هوش مصنوعی هیچوقت نتواند نظر گروه سازنده را تغییر بدهد، باز هم کارکردهای گسترده‌ای خواهد داشت. با کمک هوش مصنوعی می‌فهمید تغییر یک یا دو عنصر پروژه چطور می‌تواند تاثیر شگرفی بر عملکرد مالی داشته باشد. دسترسی به ابزاری مثل سینه‌لیتیک در کنار تجربیات گروه سازنده این تضمین را می‌دهد که نگرش‌ها و رویکردها همه جانبه و فراگیر خواهند بود.
اگر این ابزارهای هوش مصنوعی در هالیوود واقعا کارآمد هستند، چرا به صورت گسترده به کار گرفته نمی‌شوند؟ عجیب است ولی اهالی این صنعت خجالت می‌کشند! در صنعتی که کاریزمای شخصی، زیبایی‌شناسی و غریزه خیلی مهم است و ارزش محسوب می‌شود، رفتن سراغ محاسبات سرد و بی‌روح یک ماشین مثل اینست که اعتراف کنید خلاقیت کافی ندارید و به ارزش هنری فیلم اهمیت نمی‌دهید.
مدیران اسکریپت‌بوک می‌گویند برخی از بزرگترین استودیوهای فیلم‌سازی هالیوود از مشتریانشان هستند اما پیمان‌نامه عدم افشا نمی‌گذارد نامشان را بگوید. اهالی هالیوود هنوز نمی‌خواهند با این ابزارهای هوش مصنوعی سر و کار داشته باشند چون باور عمومی می‌گوید هوش مصنوعی بد است. به عبارت دیگر همه می‌خواهند از آن استفاده کنند و هیچکس نمی‌خواهد کسی بفهمد.
برخی افراد در صنعت فیلم‌سازی مقابل این واقعیت می‌ایستند که هالیوود برای تصمیم نهایی درباره فیلم‌ها از هوش مصنوعی کمک بگیرد. برخی از تهیه‌کنندگان باور ندارند آنالیز فیلمنامه فایده‌ای داشته باشد چه برسد به اینکه بخواهند از آن در فرایند تصمیم‌گیری کمک بگیرند.
البته در کنار این موضوع باید به مبهم بودن کارایی ابزارهای آنالیز فیلمنامه هم اشاره کرد. هزینه‌های بازاریابی و میزان استقبال در شبکه‌های اجتماعی می‌توانند ابزارهای پیش‌بینی باکس آفیس دقیق‌تری باشند. حتی مدل‌های پیش‌بینی باکس آفیس مبتنی بر استقبال در شبکه‌های اجتماعی هم نسبت به مدل‌های مبتنی بر جزییات فیلمنامه کارآمدتر هستند.
علیرغم این شک و تردیدها درباره جزییات کاربرد هوش مصنوعی در هالیوود انتظار می‌رود این بازار همچنان گرم بماند. متخصصان این حوزه معتقدند یک عامل، هالیوود را قانع خواهد کرد دست از نادیده گرفتن داده بزرگ (big data) بردارد: نتفلیکس.
این غول استریمینگ همواره درباره رویکردهای برنامه‌نویسی مبتنی بر داده خودش صحبت کرده. نتفلیکس رفتار میلیون‌ها مشترکش را با ریزترین جزییات نظارت می‌کند و چیزهای زیادی درباره آنها می‌داند. آنطور که مدیران نتفلیکس می‌گویند الگوریتم پیشنهاد فیلم این سرویس، به تنهایی یک میلیارد دلار ارزش دارد!
خیلی طول نخواهد کشید که استودیوهای فیلم‌سازی هم مثل نتفلیکس به قدرت هوش مصنوعی و یادگیری ماشین پی ببرند. در ابتدای کار هوش مصنوعی در هالیوود، هیچکس باور نمی‌کرد این ماشین‌ها و الگوریتم‌ها از کارشناسان زبده هالیوود بهتر عمل کنند. اما وضع آنطور نماند و بهتر هم خواهد شد. کمپانی‌های هوش مصنوعی هم هرروز ابزارهایشان را مورد مطالعه و دقت‌سنجی قرار می‌دهند تا بتوانند الگوریتم‌ها و نرم‌افزارهایشان را تقویت کنند.