Tekoäly menee Hollywoodiin (ja tunkeutuu elokuvateollisuuteen)

Edellisissä postauksissa olemme tutkineet, miten tekoälyä/koneellista oppimista sovelletaan yhä enemmän tieteessä sekä erilaisissa (muissa) luovissa pyrkimyksissä (osa 1, osa 2).

Retkikäämme nyt maahan, jossa suuret budjetit ja luovuus kohtaavat: Hollywoodiin, Tinseltowniin, maagiseen elokuvamaahan.

Siellä kasvavia budjetteja seuraa tiiviisti yhä hienostuneemman CGI:n käytön lisääntyminen. Elokuvatuotantopäätökset eivät riipu vain budjetista vaan myös ennakoidusta voitosta. Nuo ennusteet perustuvat katsojatietoihin. Budjetin jakaminen? Tiedot. CGI? Data.

Voin jo kuulla tekoälyn hierovan virtuaalisia käsiään.

Blockbuster-budjetit

A-luokan elokuvatuotanto ei ole halpa investointi. Nykyaikaiset blockbuster-elokuvat ylittävät säännöllisesti 200 miljoonaa dollaria. Jos olet joku tuotantoyhtiöstä, joka on aikeissa tehdä (osan) tällaisesta investoinnista, haluat varmistaa mahdollisimman varmasti, että elokuvasta tulee hitti. Kukaan ei investoi ilman tuotto-odotusta.

Miten arvioit elokuvan tuottopotentiaalia? Katso menneisyyteen. Mitkä (tyyppiset) elokuvat menestyivät hyvin? Onko blockbustereille yhteisiä piirteitä? Mitä katsojat etsivät ja mihin he ovat valmiita käyttämään rahaa?

Pelko menettää rahaa ja poiketa tunnetuista menestyskaavoista on johtanut nykyiseen ”jatko-osien aikakauteen”.

Mutta kuten kaikki tiedämme, se ei ole tae menestyksestä. Jotkut jatko-osat ovat loistavia, toiset eivät niinkään.

Mitä jos meillä olisi järjestelmä, joka sisältäisi mahdollisimman monta relevanttia parametria ”blockbuster-potentiaalin” arviointiin, jota ei – tai ainakin vähemmän – haittaisi ihmisten riskin välttely?

Arvaa mitä? Isot tuotantoyhtiöt tekevät jo niin. 20th Century Fox käyttää Merlin-nimistä järjestelmää (joka ennusti Loganin menestyksen), Warner Bros. aloitti hiljattain yhteistyön Cinelyticin kanssa, joka käyttää koneoppimista elokuvien menestyksen ennustamiseen. Belgialainen ScriptBook-yritys pystyy ennustamaan elokuvan lipputulot 86 prosentin onnistumisprosentilla (ja on mahdollisesti jo kirjoittanut käsikirjoituksia elokuviin – emme tiedä, mihin elokuviin salassapitosopimusten vuoksi…).

Kukaan ei investoi ilman tuotto-odotusta.

Toivotaan, että näiden tekoäly-/koneoppimisjärjestelmien yleistyvä käyttö johtaisi myös piilotettujen helmi-ihmisten tukemiseen, jotka muutoin jäisivät huomiotta. Jos studiot toimittavat enemmän tietoa kuin vain aiemmat menestykset, voivatko nämä järjestelmät ennakoida elokuvakävijöiden jatko-osaväsymystä?

CGI, kuolemattomuus ja syvät väärennökset

Olemme kaikki kuulleet vihreän ruudun taikuudesta. Näyttelijät hoitavat hommansa green screenin edessä, VXF-taiteilijat ripottelevat päälle hieman CGI-taikaa et voilà, sankarimme ja roistomme taistelevat laseraseilla avaruusaluksen päällä. (Bonusfakta: valkokangas on vihreä, koska sitä käyttivät alun perin säätiedottajat, joilla oli aikoinaan tapana pukeutua sinisiin pukuihin. Mikä väri tarjoaa hyvän kontrastin tähän? Aivan, kirkkaan vihreä.)

Mutta oikeiden näyttelijöiden erottaminen virtuaalisesta tausta-aineistosta ei ole aina helppo tehtävä.

Periaatteessa parhaat ja sujuvimmat tulokset edellyttävät lähes pikselikohtaista pikseleiden osoittamista näyttelijälle/näyttelijälle, etualan kohteelle tai taustalle. (Ja on jopa ärsyttäviä pikseleitä, jotka koostuvat vähän kaikesta.)

Tulee tekoäly.

MIT:n tutkijat esittelivät hiljattain semanttiseksi pehmeäksi segmentoinniksi kutsutun järjestelmän, joka:

…analysoi alkuperäisen kuvan tekstuurin ja värin ja yhdistää sen neuroverkon keräämään informaatioon siitä, mitä kuvan sisällä olevat kohteet todellisuudessa ovat.

Lyhyesti sanottuna järjestelmä nopeuttaa prosessia merkittävästi, ja vaikka se tällä hetkellä työskentelee staattisten kuvien kanssa, ei ole epäilystäkään siitä, etteikö elokuvateollisuus seuraisi tiiviisti sen kehitystä.

Entä itse näyttelijät?

Ensimmäinen asia, jonka tekoäly/koneoppiminen voi jo nyt tehdä, on näyttelijöiden ”virittäminen”. Tunnettu tuore esimerkki on Irlantilaiset, elokuva, jossa Robert De Niro, Joe Pesci ja Al Pacino ”vanhennettiin” koneoppimisen ja innovatiivisten liikkeenkaappaustekniikoiden yhdistelmällä. Ei tarvittu pitkiä tunteja maskeeraushuoneessa.

Toinen esimerkki on Thanos elokuvassa Avengers: Endgame. Uusi koneoppimisjärjestelmä, joka käyttää osuvaa nimeä Masquerade, maalasi Josh Brolinin ilmeen Thanosin kasvojen korkearesoluutioiseen renderöintiin, mikä säästi VFX-taiteilijat monien tuntien vaivalloiselta työltä.

Ei kyse ole tekoälystä, vaan siitä, miten kehitämme ja käytämme tekoälyä.

Näissä on kuitenkin kyse todellisista näyttelijöistä. Entä varsinaiset tekoälyn näyttelijäjärjestelmät?

Noh, emme ole vielä siinä vaiheessa. Mutta kun otetaan huomioon nykyiset pelottavan hyvät deepfakes ja koneoppimisjärjestelmien kasvava kyky tehdä lähes luovilta vaikuttavia harppauksia saa yhtäkkiä oikean elämän S1m0nen näyttelemisen näyttämään vähemmän epätodennäköiseltä.

Saattaako tämä näyttelijät/näyttelijät lopettamaan toimintansa? Toivon – ja uskon – että ei. Kuten muissakin tekoälyn taiteellisissa pyrkimyksissä, tulevaisuus voi olla hybridi. Puoliksi itsenäiset tekoälynäyttelijät voisivat antaa ihmisnäyttelijöille ”kumppanin”, jonka kanssa he voivat näytellä vihreän valkokankaan edessä tai ehkä jopa improvisoida.

Mahdollinen ongelma on se, että Hollywoodin tekoälyn kehittämiseen käytetty data saattaa heijastaa tai jopa vahvistaa olemassa olevia ennakkoluuloja. Toisaalta koneoppimisen huolellinen ja harkittu käyttö voisi auttaa tunnistamaan kyseiset ennakkoluulot. Kyse ei ole tekoälystä, vaan siitä, miten sitä kehitetään ja käytetään. Tekoälyn käyttöön Hollywoodissa tulisi liittää monipuolinen ja osallistava näyttelijäkaarti.

Ja… leikkaa.