L’intelligenza artificiale va a Hollywood (e si infiltra nell’industria cinematografica)

Nei post precedenti, abbiamo esplorato come l’intelligenza artificiale/l’apprendimento automatico sia sempre più applicato nella scienza così come in varie (altre) imprese creative (parte 1, parte 2).

Avventuriamoci ora nella terra dove si incontrano grandi budget e creatività: Hollywood, Tinseltown, la magica terra del cinema.

Lì, l’aumento dei budget è strettamente legato all’aumento dell’uso di CGI sempre più raffinati. Le decisioni della produzione cinematografica non dipendono solo dal budget, ma anche dal profitto previsto. Queste proiezioni si basano sui dati degli spettatori. Assegnazione del budget? Dati. CGI? Dati.

Sento già AI che si frega le mani virtuali.

Blockbuster budget

La produzione di film di serie A non è un investimento economico. I moderni film blockbuster superano regolarmente i 200 milioni di dollari. Se sei qualcuno di una società di produzione che sta per fare (parte di) un tale investimento, vorrai essere il più sicuro possibile che il film sarà un successo. Nessuno investe senza l’aspettativa di un profitto.

Come si valuta il potenziale di profitto di un film? Guarda al passato. Quali (tipi di) film sono andati bene? Ci sono caratteristiche che i blockbuster condividono? Cosa cercano gli spettatori e per cosa sono disposti a spendere soldi?

La paura di perdere soldi e di allontanarsi dalle formule di successo conosciute ha portato all’attuale “era del sequel”.

Ma, come tutti sappiamo, non è una garanzia di successo. Alcuni sequel sono grandiosi, altri non tanto.

E se avessimo un sistema che includesse il maggior numero possibile di parametri rilevanti nella valutazione del ‘potenziale blockbuster’, non – o almeno meno – ostacolato dall’avversione al rischio umana? Le grandi case di produzione lo stanno già facendo. La 20th Century Fox usa un sistema chiamato Merlin (che ha previsto il successo di Logan), la Warner Bros. ha recentemente iniziato a collaborare con Cinelytic, una società che usa l’apprendimento automatico per prevedere il successo dei film. La società belga ScriptBook può prevedere il ritorno al botteghino di un film con un tasso di successo dell’86% (e potenzialmente ha già co-scritto sceneggiature per film – non sappiamo quali a causa di accordi di non divulgazione…).

Nessuno investe senza l’aspettativa di un profitto.

Speriamo solo che il crescente uso di questi sistemi di AI/machine learning porti anche a sostenere gemme nascoste che altrimenti sarebbero state ignorate. Se gli studios forniranno più dati dei soli successi del passato, questi sistemi potranno anticipare la stanchezza da sequel degli spettatori?

CGI, immortalità e falsi profondi

Abbiamo tutti sentito parlare della magia del green screen. Attori e attrici fanno le loro cose davanti a uno schermo verde, gli artisti VXF spruzzano un po’ di magia CGI et voilà, i nostri eroi e cattivi combattono con pistole laser in cima a una nave spaziale. (Fattoide bonus: lo schermo è verde perché era originariamente usato dai meteorologi, che – all’epoca – tendevano a indossare tute blu. Quale colore fornisce un grande contrasto con quello? Giusto, il verde brillante.)

Ma separare gli attori/attrici reali dallo sfondo virtuale non è sempre un compito facile.

In effetti, i risultati migliori e più fluidi richiedono un’assegnazione quasi pixel per pixel dei pixel all’attore/attrice, all’elemento in primo piano o allo sfondo. (E ci sono anche pixel fastidiosi che comprendono un po’ di tutto.)

Entrare AI.

I ricercatori del MIT hanno recentemente presentato un sistema chiamato segmentazione semantica morbida che:

…analizza la struttura e il colore dell’immagine originale e li combina con le informazioni raccolte da una rete neurale su ciò che gli oggetti all’interno dell’immagine sono effettivamente.

Per farla breve, il sistema accelera il processo in modo significativo e anche se attualmente lavora con immagini statiche, non c’è dubbio che l’industria cinematografica stia seguendo da vicino il suo sviluppo.

E gli attori/attrici stessi?

Una cosa che l’AI/il machine learning può già fare è ‘modificare’ gli attori/attrici. Un noto esempio recente è Irishmen, il film in cui Robert De Niro, Joe Pesci e Al Pacino sono stati ‘invecchiati’ con una combinazione di apprendimento automatico e tecniche innovative di motion-capture. Non sono necessarie lunghe ore in sala trucco.

Un altro esempio è Thanos in Avengers: Endgame. Un nuovo sistema di apprendimento automatico che si chiama Masquerade ha dipinto l’espressione di Josh Brolin su un rendering ad alta risoluzione del volto di Thanos, risparmiando agli artisti VFX molte ore di lavoro minuzioso.

Non si tratta dell’IA, ma di come la sviluppiamo e la usiamo.

Questi sono attori veri, però. E i sistemi di recitazione dell’IA reale?

Beh, non ci siamo ancora. Ma considerando gli attuali deepfake spaventosamente buoni e la crescente capacità dei sistemi di apprendimento automatico di fare quelli che sembrano quasi salti creativi, improvvisamente fa sembrare meno implausibile un S1m0ne della vita reale.

Questo metterà fuori gioco gli attori/attrici? Spero – e penso – di no. Come per altri sforzi artistici di IA, il futuro potrebbe essere ibrido. Attori AI semi-indipendenti potrebbero dare agli attori/attrici umani un ‘partner’ con cui recitare davanti a uno schermo verde, o forse anche con cui improvvisare.

Un possibile problema è che i dati usati per sviluppare l’AI di Hollywood potrebbero riflettere o addirittura rafforzare i pregiudizi esistenti. D’altra parte, un uso attento e giudizioso dell’apprendimento automatico potrebbe aiutare a identificare tali pregiudizi. Non si tratta dell’IA, ma di come la sviluppiamo e la usiamo. L’uso dell’IA a Hollywood dovrebbe essere accompagnato da un cast di personaggi diversi e inclusivi.

E… taglia.