Sciencemag.cz
Doporučujeme
Algoritmy na základě analýzy anotace filmu i scénáře jako celku dokázaly filmy rozdělit do 6 kategorií podle jejich emočního efektu.
Vědci z University of Cambridge, University of West England a Alan Turing Institute nasadili algoritmy strojového učení na filmy. Cílem bylo na základě stručného popisu a kompletního scénáře filmu odhadnout, jakou má šanci na úspěch. Ten byl posuzován podle tržeb; protože ty jsou samozřejmě ovlivněny i řadou dalších faktorů (reklama, jména herců… tj. cca rozpočet), jako další měřítko úspěšnosti filmu se bralo jeho hodnocení na filmové databázi IMDB.
Hlavní použitou technikou bylo zpracování přirozeného jazyka. Algoritmy na základě analýzy anotace/stručného shrnutí filmu i scénáře jako celku dokázaly filmy rozdělit do 6 kategorií podle jejich emočního efektu, respektive základní vývojové linky. Může jít o vzestup/zlepšování (Vykoupení z věznice Shawshank) nebo pád. Obě fáze se dále mohou střídat: pád a vzestup, vzestup a pád (Ikaros), eventuálně střídat i vícekrát (pád-vzestup-pád: Oidipus, vzestup-pád-vzestup). Jistě každého napadne, jaké filmy jsou typickými případy jednotlivých kategorií, zájemci si mohou i všechny scénáře pojmenovat dle příběhů z antické mytologie apod. A stejně tak asi každého napadnou filmy, které, třebaže úspěšné, se těmto kategoriím nějak vzpírají.
Existuje nicméně nějaký vztah mezi úspěšností filmu a těmito 6 kategoriemi? Nejvyšší tržby generují filmy typu pád-vzestup, a to bez ohledu na to, o jaký žánr se jedná. Kupodivu to neznamená, že by filmy této kategorie byly nutně nejoblíbenější, ale vyvolávají nejvyšší zájem – mají největší počet hodnocení i recenzí. Filmy s nízkým rozpočtem (zde bráno jako do 100 milionů dolarů) byly dost úspěšné v případě scénáře Ikaros, u vysokorozpočtových filmů bylo úspěšné i schéma kontinuálního pádu.
Vědeckofantastické filmy, thrillery a filmy žánru mystery by neměly mít konce dobré a komedie špatné. Úplně samostatně by se pak dala hodnotit úspěšnost filmů speciálně podle výsledků různých cen na festivalech, udělených Oscarů apod.
Autoři výzkumu by nyní chtěli svůj nástroj zkusit aplikovat i na dokumentární filmy nebo na kratší videa na YouTube. Nabízí se celá řada dalších možností – oblib různých scénářů se může měnit podle aktuálních geopolitických událostí, vývoje ekonomického cyklu, výsledky se mohou lišit podle jednotlivých zemí, věku či pohlaví diváků (samozřejmě je ovšem problém, že ne všechny tyto kategorie se dají jednoduše korelovat s exaktnějšími čísly – tržbami či hodnocením na IMDB).
Zdroj: TechXplore.com a další
The Data Science of Hollywood: Using Emotional Arcs of Movies to Drive Business Model Innovation in Entertainment Industries, arXiv:1807.02221 [cs.CL] arxiv.org/abs/1807.02221
Poznámka: Zdá se to být velmi působivé. Otázkou je, zda oněch 6 scénářů dostaly algoritmy zadané předem, nebo si je neuronová síť dokázala i nějak sama vyvinout (to by bylo ještě působivější). A samozřejmě by ještě chtělo zjistit, nakolik přesně se rozdělení pomocí algoritmu překrývalo s tím, jak by příslušné filmy rozřadili lidé. Každopádně to ukazuje, že lidské reakce jsou celkem (alespoň statisticky) předvídatelné až jednoduché, i když sami o sobě bychom si jistě rádi mysleli opak.
