Kunstig intelligens går til Hollywood (og infiltrerer filmindustrien)

I tidligere indlæg har vi udforsket, hvordan kunstig intelligens/maskinlæring i stigende grad anvendes inden for videnskab samt i forskellige (andre) kreative bestræbelser (del 1, del 2).

Lad os nu vove os ud i det land, hvor store budgetter og kreativitet mødes: Hollywood, Tinseltown, det magiske filmland.

Der er de stigende budgetter tæt fulgt af den øgede brug af mere og mere raffineret CGI. Beslutninger om filmproduktion afhænger ikke kun af budgettet, men også af den forventede indtjening. Disse fremskrivninger er baseret på data fra seerne. Budgettildeling? Data. CGI? Data.

Jeg kan allerede høre AI gnide sig i sine virtuelle hænder.

Blockbuster-budgetter

A-listefilmproduktion er ikke en billig investering. Moderne blockbuster-film ligger regelmæssigt over 200 millioner dollars. Hvis du er en fra et produktionsselskab, der skal til at foretage (en del af) en sådan investering, vil du gerne være så sikker som muligt på, at filmen bliver et hit. Ingen investerer uden forventning om profit.

Hvordan vurderer du en films potentiale for profit? Kig på fortiden. Hvilke (type af) film klarede sig godt? Er der karakteristika, som blockbusters har til fælles? Hvad er seerne på udkig efter, og hvad er de villige til at bruge penge på?

Frygten for at tabe penge og afvige fra kendte succesformler har ført til den nuværende “fortsættelsens tidsalder”.

Men som vi alle ved, er det ikke nogen garanti for succes. Nogle fortsættelser er fantastiske, andre ikke så meget.

Hvad nu hvis vi havde et system, der inddrog så mange relevante parametre som muligt i vurderingen af “blockbusterpotentialet”, som ikke – eller i det mindste mindre – blev hæmmet af den menneskelige risikoaversion?

Guess what? Det gør de store produktionsselskaber allerede. 20th Century Fox bruger et system kaldet Merlin (som forudsagde succesen med Logan), Warner Bros. indledte for nylig et samarbejde med Cinelytic, et firma, der bruger maskinlæring til at forudsige filmsucces. Det belgiske firma ScriptBook kan forudsige en films indtjening ved billetlugerne med 86 % succesrate (og har muligvis allerede været med til at skrive manuskripter til film – vi ved ikke hvilke på grund af fortrolighedsaftaler…).

Ingen investerer uden forventning om profit.

Lad os blot håbe, at den stigende brug af disse AI/maskinlæringssystemer også vil føre til at støtte skjulte perler, som ellers ville være blevet ignoreret. Hvis studierne leverer flere data end blot tidligere succeser, kan disse systemer så foregribe biografgængernes træthed i forhold til efterfølgere?

CGI, udødelighed og dybe forfalskninger

Vi har alle hørt om green screen-magien. Skuespillere og skuespillerinder gør deres ting foran et grønt lærred, VXF-kunstnere drysser lidt CGI-magi på et voilà, vores helte og skurke kæmper med laserkanoner på toppen af et rumskib. (Bonusfakta: Skærmen er grøn, fordi den oprindeligt blev brugt af vejrmænd, som – i gamle dage – havde tendens til at bære blå jakkesæt. Hvilken farve giver en god kontrast til det? Rigtigt, lysegrøn.)

Men det er ikke altid en let opgave at adskille de rigtige skuespillere/skuespillerinder fra den virtuelle baggrund.

De bedste og mest glatte resultater kræver faktisk en næsten pixelvis tildeling af pixels til skuespiller/skuespillerinde, forgrundsobjekt eller baggrund. (Og der er endda irriterende pixels, der omfatter lidt af hvert.)

Enter AI.

MIT-forskere præsenterede for nylig et system kaldet semantisk blød segmentering, der:

…analyserer det oprindelige billedes tekstur og farve og kombinerer det med oplysninger hentet af et neuralt netværk om, hvad objekterne i billedet faktisk er.

Lang historie kort sagt, systemet fremskynder processen betydeligt, og selv om det i øjeblikket arbejder med statiske billeder, er der næppe tvivl om, at filmindustrien følger udviklingen nøje.

Hvad med skuespillerne selv?

En ting, som AI/maskinlæring allerede kan gøre, er at ‘tweake’ skuespillerne. Et velkendt nyligt eksempel er filmen Irishmen, hvor Robert De Niro, Joe Pesci og Al Pacino blev “de-aged” ved hjælp af en kombination af maskinlæring og innovative motion-capture-teknikker. Ingen lange timer i sminkerummet er nødvendige.

Et andet eksempel er Thanos i Avengers: Endgame. Et nyt maskinlæringssystem, der går under det passende navn Masquerade, malede Josh Brolins udtryk på en højopløst gengivelse af Thanos’ ansigt, hvilket sparede VFX-kunstnerne for mange timers omhyggeligt arbejde.

Det handler ikke om AI, men om, hvordan vi udvikler og bruger den.

Det er dog rigtige skuespillere. Hvad med egentlige AI-skuespillersystemer?

Jamen, vi er ikke nået dertil endnu. Men i betragtning af de nuværende skræmmende gode deepfakes og maskinlæringssystemers voksende evne til at foretage, hvad der næsten virker som kreative spring, får det pludselig et virkeligt S1m0ne til at se mindre usandsynligt ud.

Vil dette sætte skuespillere/skuespillerinder ud af markedet? Jeg håber – og tror – ikke det. Som med andre AI-kunstneriske bestræbelser kan fremtiden være hybrid. Semi-uafhængige AI-skuespillere kunne give menneskelige skuespillere en “partner” til at spille sammen med foran et grønt lærred eller måske endda til at improvisere med.

Et muligt problem er, at de data, der bruges til at udvikle Hollywoods AI, kan afspejle eller endog forstærke eksisterende fordomme. På den anden side kunne en omhyggelig og velovervejet brug af maskinlæring hjælpe med at identificere de nævnte fordomme. Det handler ikke om AI, det handler om, hvordan vi udvikler og bruger den. Brugen af AI i Hollywood bør ledsages af et mangfoldigt og inkluderende cast af karakterer.

Og… klip.