Новейшие технологии значительно сокращают затраты на производство фильмов. Например, звуковое сопровождение картин, вроде скрипов дверей, ударов палок, воя ветра и прочих интершумов, воссоздается с помощью нейронной сети, разработанной специально для кинопроизводства в Массачусетском технологическом институте. В режиме реального времени нейросеть распознает изображение, вычисляет, что на ней происходит, и подбирает соответствующий звук к каждой из предложенных сцен. Кроме того, Unreal Engine от Epic Games начинают повсеместно использовать при производстве фильмов. В сериале «Мандалорец» этот игровой движок использовали для создания локаций. Съемочной команде больше не нужно было подстраиваться под погодные условия и время суток, так как перспектива, окружение и свет изменялись в режиме реального времени. Такой процесс не только упрощает работу актерам, но и значительно сокращает расходы на постпродакшн.
Одной из самых популярных стала и технология дипфейков. Еще раньше что-то подобное делал Мартин Скорсезе, делая молодыми Роберта Де Ниро и Аль Пачино в фильме «Ирландец». Их омолаживали системой из трех камер: одна снимала, а две другие обрабатывали визуальную информацию. После этого все кадры проходили через программу, которая сравнивала их с архивными видео с еще молодыми актерами и находила идеальные соответствия. Но дипфейк может работать не только с лицом. Ему по силам изменить даже тело актера. Конечно, все это упирается в авторское право. в США с 1984 года даже действует закон, запрещающий использовать образы актеров в течение 70 лет после их смерти без согласия родственников или близких. Тем не менее в 2019 году, через три года после смерти Кэрри Фишер, в «Звездных войнах» все-таки появилась Принцесса Лея, так что не исключено, что в ближайшее время подобные границы будут совсем разрушены.
Сегодня, чтобы ускорить процессы создания фильмов и получить больше прибыли, в киноиндустрию внедряют технологии искусственного интеллекта. С их помощью создают графику и трейлеры, предсказывают успех будущих проектов, подбирают актерский состав и пишут сценарии.
Искусственный интеллект в киноиндустрии
Представьте, что если в «Матрице» снялся бы не Киану Ривз, а Уилл Смит, которому предлагали роль в первую очередь? Если бы Николас Кейдж все-таки смог сыграть Супермена в фильме Тима Бертона? Если какая-то другая актриса в роли Чудо-женщины могла принести создателям дополнительно несколько десятков или сотен миллионов? Были бы эти фильмы успешными, стали бы они частью франшизы? Получить ответы на эти вопросы сегодня также помогает искусственный интеллект. Системы искусственного интеллекта используются для предсказания того, какие фильмы могут стать успешными, а какие провалятся в прокате. Причем искусственный интеллект теперь отвечает даже за некоторые ключевые решения: какого актера выбрать, какой режиссер подойдет и какие сценарии стоят того, чтобы выделять на них большие деньги.
Из сотни сценариев для фильмов важно выбрать то произведение, которое получит признание зрителей и принесет высокие доходы. Однако кинематографисты не всегда справляются с этой задачей. Поэтому для прогнозирования успешности кинопроектов используют искусственный интеллект. Так, компания ScriptBook разработала одноименную систему, основанную на машинном обучении. Алгоритм изучает текст сценария, после чего определяет возраст, пол, расу предполагаемой аудитории зрителей и прогнозирует, сколько фильм может собрать в прокате. Эта разработка уже доказала свою эффективность. Она проанализировала 62 киноленты от студии SonyPictures. В итоге из 32 неудавшихся работ искусственный интеллект определил 22. Также программа с небольшой погрешностью установила, какими станут кассовые сборы фильма «Пассажиры». Было предсказано, что картина соберет 118 млн. долларов, а на самом деле сборы достигли чуть менее 110 млн. долларов. Однако ScriptBook работает неидеально и иногда ошибается. Например, искусственный интеллект предсказал, что музыкальная драма «Ла-Ла-Лэнд» соберет в прокате 59 млн. долларов, а в реальности же этот показатель составил 446 млн. долларов. Еще один инструмент для анализа сценариев — StoryFit. Эта разработка исследует структуру произведения, его стиль и предсказывает возможную сумму кассовых сборов. Систему используют в компании Adaptive Studios, где с ее помощью кинематографисты определяют, как лучше развивать сюжет.
Бостонская компания Pilot также применяет искусственный интеллект в прогнозировании кассовых сборов. Программа сравнивает потенциальные кинопроекты с базой данных, где представлены широко известные фильмы. Она берет во внимание сюжетную линию, актерский состав, имена режиссеров и сценаристов, размер бюджета и на основе этой информации определяет, сколько картина может собрать в прокате. Предсказания работают даже за 18 месяцев до выхода фильма. Причем их точность феноменальна. Например, «Гадкий я 3», по мнению Pilot, в США должен был собрать на 7-10 млн. долларов больше, а провал комедии «Операция «Казино» система предсказала вплоть до мелочей, буквально в пределах 100 тысяч долларов. Если бы руководители Warner Bros. доверились алгоритмам, они бы сэкономили несколько десятков миллионов.
Стартап Cinelytic из Лос-Анджелеса — одна из многих компаний, предлагающая системы искусственного интеллекта для Голливуда. Они собирают всю историческую информацию о прибыльности фильмов, проводя анализ массы факторов. Алгоритмы, натренированные машинным обучением, находят скрытые паттерны в информации. Может оказаться, например, что мелодрама с Мег Райан — это всегда успех. А вот если нанять режиссера Уэса Андерсона на такой проект, то его ожидаемая прибыль падает на 47 млн. долларов. Качество фильма, разумеется, в учет не принимается, в основном потому, что оно уже давно является не самым определяющим фактором в сборах. Хороший постер, подходящая дата релиза, актеры, которые привносят свою аудиторию, и известная франшиза зачастую дают куда более солидный эффект.
Израильский стартап Vault помогает с демографией. Правда, в этом случае фильм уже должен быть одобрен, и по нему даже выпущен тизер-трейлер. Анализируя, кто лайкнул этот трейлер в социальных сетях, система помогает корректнее идентифицировать ключевую аудиторию. И сделать так, чтобы после просмотра основного трейлера они обязательно пришли в кинотеатр. Система натренирована на более чем 30 годах данных о фильмах, их прибыли, кастинге, аудитории.
Как любой коммерческий продукт, фильм нуждается в качественной и эффективной рекламе. Сегодня работу по продвижению кинолент тоже поручают искусственному интеллекту. Так, американская компания 20th Century Fox разработала нейросеть Merlin Video, которая анализирует трейлеры, сравнивает их друг с другом и находит общие черты. В итоге она предсказывает реакцию аудитории на рекламные ролики. При создании рекламного видео для научно-фантастического фильма «Морган» студия задействовала суперкомпьютер Watson от IBM.
Изначально суперкомпьютер проанализировал трейлеры 100 проектов и определил, что делает сцены страшными или, наоборот, лиричными. После этого в него загрузили киноленту «Морган». Изучив ее, искусственный интеллект составил диаграмму развития действий, отобрал сцены для видео, установил их последовательность, а также выбрал музыку. Впоследствии человек лишь смонтировал полученный материал.
Искусственный интеллект в подборе актеров
Снеменьшей ответственностью в киноиндустрии относятся и к подбору актеров. Их поиски занимают несколько месяцев или даже лет, но технологии искусственного интеллекта ускоряют этот процесс. Разработка на базе искусственного интеллекта EasyCast позволяет проводить кастинги в автоматическом режиме. Система по запросу пользователя ищет в базе данных артистов, которые подходят под определенные критерии, важные для той или иной роли. При этом программа опирается на текстовое описание образа. Или можно использовать технологию компании Digital Domain, которая с помощью машинного обучения создала образ Таноса для фильма «Мстители: Война бесконечности». Специалисты загружали в программу изображения лица и мимики актера Джоша Бролина, когда он играл роль безумного титана, а на основе полученного материала система создавала эквивалентное изображение высокого разрешения и затем превращала исходники в виртуального персонажа.
К тому же Голливуд любит ремейки. Из-за бизнес-модели, требующей постоянно наращивать доходы от фильмов, американская киноиндустрия все активнее занимается съемкой ремейков фильмов, которые уже в той или иной степени известны зрителям. Еще прибыльнее ремейка считается франшиза фильма, серия фильмов с одними и теми же персонажами, которые снова и снова завлекают зрителей в кинотеатры, чтобы увидеть, как их любимые герои справляются с трудностями и побеждают зло. Топ-10 кинематографических франшиз заработали более 50 млрд. долларов. По этой цифре можно понять, насколько сильно они интересны для мировой аудитории. Однако есть проблема, которую ремейку и франшизе нужно преодолеть, чтобы добиться успеха. Имеется в виду подбор актеров. Нужно найти правильных исполнителей ролей. То есть подобрать людей, способных заменить актеров из оригинального фильма, не желающих или не способных сниматься. В идеале — не просто найти равноценную замену, а исполнителя, который сможет превзойти оригинал. Весьма удачным примером может послужить франшиза о Джеймсе Бонде, которая живет вот уже 60 лет. В общей сложности 7 актеров играли роль британского спецагента. Поклонники сериала бурно дискутируют по поводу того, кто был лучшим шпионом, а кто худшим. И эти дебаты подчеркивают огромную важность проблемы, стоящей перед режиссером, который подбирает актеров на замену ушедших. Неудачный кастинг может обречь фильм на провал, поэтому ответственные лица стараются использовать все существующие возможности для подготовки оптимального съемочного состава. И здесь на помощь приходит искусственный интеллект, а именно программа LargoAI, представленная разработчиками из Швейцарии.
Искусственный интеллект на службе у Netflix
Стриминговый сервис, каждый год собирающий все больше зрителей, продолжает доказывать, что его информационно-ориентированный подход к фильмам и сериалам является большим плюсом. Компания отслеживает действия миллионов подписчиков и понимает, например, какую картинку стоит поставить на сайт, чтобы повысить вероятность того, что они на нее кликнут и пойдут смотреть фильм. Компания утверждает, что ее алгоритм рекомендаций сам по себе приносит ей минимум 1 млрд. долларов в год. Метод основан на трансфертном обучении, где параметры, полученные из исходного задания, улучшают производительность целевого задания модели. При этом исследователи запрашивают названия фильмов, которые сопоставимы с другими картинами, а также размер их потенциальной аудитории. Для рекомендаций Netflix создает карту сходств, где искусственный интеллект использует метаданные шоу, теги и аннотации, которые помогают создать связи между картинами. Так маркетологи будут знать, какие сериалы и фильмы помогут продавать, например, комедии или триллеры.
Модель также анализирует размеры аудитории аналогичных фильмов и сериалов в конкретных странах. По предварительным оценкам искусственного интеллекта, драмы больше любят смотреть в Испании, поэтому маркетинговая команда Netflix будет делать упор на этот регион и раньше готовить дубляжи и субтитры для этой страны. Эти системы не контролирует человек, поэтому модель получает доступ к гораздо большему спектру наименований фильмов, чем только контент производства Netflix. Учитывая огромные затраты Netflix на создание оригинального контента, даже самые консервативные продюсеры Голливуда начинают понимать, что работать с алгоритмами и даже частично на них полагаться — не такая уж и плохая идея.
Как искусственный интеллект самостоятельно создает фильмы
В 2018 году искусственный интеллект Benjamin под руководством инженера из корпорации Google Росса Гудвина (Ross Goodwin) за двое суток создал черно-белую короткометражку Zone Out. Система взяла на себя весь процесс кинопроизводства: сгенерировала сюжет, написала диалоги героев, определила эмоции актеров, а также смонтировала картину, озвучила персонажей и подобрала музыку. Benjamin самостоятельно выбрал фрагменты из старых фильмов для собственного проекта. Лица актеров накладывались на нужные сцены и демонстрировали те эмоции, которые выбирал искусственный интеллект. Нейросети, из которых состоит Benjamin, были натренированы через Amazon Web Services, а для генерации лиц использовались 11 разных генеративно-состязательных сетей (GAN), которые пытаются контролировать творения друг друга. При создании искусственного интеллекта также использовалась библиотека машинного обучения TensorFlow от Google. Сам Benjamin вряд ли объяснит, какой смысл он заложил в свое творение. Дело в том, что этот искусственный интеллект сделал короткометражку за 48 часов, используя тысячи часов старых фильмов, сотни тысяч новелл и лица реальных актеров. Но если бы не газетный заголовок в начале второй минуты, то сюжет фильма, наверное, не смог бы расшифровать никто.
Кстати, еще раньше Росс Гудвин и режиссер Оскар Шарп (Oscar Sharp) при помощи Benjamin создали короткометражные фильмы Sunspring и It’s No Game. Для первой из них искусственный интеллект написал сценарий, а для второй — составил диалоги. К слову, в 2017 году It’s No Game заняла третье место на фестивале короткометражных картин Sci-Fi London. Та же команда в 2016 году с помощью искусственного интеллекта сняла фильм Sunspring о будущем, в котором из-за недостатка рабочих мест молодые люди вынуждены продавать свою кровь, чтобы хоть как-то заработать. Сценарий этого фильма был на 100% написан искусственным интеллектом, но актеры сами отыгрывали свои роли, а за монтаж и за звук отвечал профессиональный режиссер. Сюжет вполне серьезный, но смотрится все это, скорее, как комедия с актерами, которые с важным лицом пытаются говорить полную чушь. Таких темных подтекстов и ощущения близости SkyNet, которые чувствуешь при просмотре Zone Out, тут не возникает. Возможно, люди просто помешали машине выполнить все так, как она бы хотела…
Обратная сторона медали
Академическая работа, опубликованная на эту тему в 2016 году, предсказывает, что алгоритмы искусственного интеллекта смогут выдавать надежные и точные прогнозы по поводу успеха фильмов, основываясь на информации о сюжете, режиссерах и актерах. Но авторы работы предупреждают, что у таких статистических подходов есть свои недостатки. Первый минус заключается в том, что зачастую подобные предсказания и без того очевидны. Не нужно быть гением, чтобы предсказать, что фильм с Леонардо ДиКаприо или Томом Крузом соберет больше денег, чем тот же фильм без них. А убыточные кинокартины, в которых студии ошиблись, зачастую вообще не имеют никаких больших знаменитостей, у них просто не тот бюджет. Другая проблема — алгоритмы, по своей природе, очень консервативны. Они работают на основании анализа того, что работало в прошлом. Но это не значит, что те же проекты всегда будут работать в будущем. Машины не следят за культурными сдвигами, не чувствуют текущего вкуса аудитории и предвзято относятся к новым идеям.
Именно встроенный консерватизм искусственного интеллекта и является вызовом всей индустрии. Например, мало кто умеет работать с искусственным интеллектом лучше, чем Amazon. Но даже эта компания в прошлом году вынуждена была прекратить использовать инструментарий искусственного интеллекта, помогающий с наймом программистов. Оказалось, что тот предвзято относился к соискателям-женщинам. Дело в том, что алгоритмы были натренированы на текущем штате компании, где разработкой программного обеспечения в основном занимаются мужчины. Система просто начала занижать в выдаче любое резюме, в котором содержалось слово «женщина». Если бы это вовремя не заметили и не отключили алгоритм, через несколько лет женщин-разработчиков в Amazon вообще бы почти не осталось.
Или взять фэнтези экшен «Варкрафт», вышедший в 2016 году. Корректно предсказать его сборы системы на их текущем уровне никак не могли. Им нужно было бы понять, насколько популярной была эта ММОРПГ, уточнить, как к ней сейчас относится аудитория, учесть тысячи сторонних факторов, вплоть до того, какую именно часть сюжета пытается адаптировать фильм. В итоге в США фильм провалился, собрав всего 24 млн. долларов в свой первый уик-энд, но по итогам сборов в Китае стал коммерчески успешным. Но никаких исторических данных, которые помогли бы предсказать такой результат, у искусственного интеллекта попросту не было. Так что искусственный интеллект пока можно использовать только в виде вспомогательного инструмента, чтобы подтвердить собственные выводы.
В заключение
Сегодня системы искусственного интеллекта уже пишут сценарии для кинолент, которые впоследствии получают награды и помогают продюсерам нацеливаться на успешные проекты. Благодаря внедрению искусственного интеллекта кинематографисты тратят меньше времени на создание фильмов, но при этом приумножают свои доходы. Главное, чтобы мы как зрители продолжали получать эстетическое удовольствие от похода в кинотеатры, а это в последнее время большая редкость…
Следите за новостями на нашем Telegram-канале: https://t.me/infocity_az
