باحثون يطورون نموذج ذكاء اصطناعي يُنشئ إعلانات الأفلام التشويقية تلقائياً
الذكاء الاصطناعي تقنية يمكن تطبيقها في أي مجال. وكل ما يجري في عصرنا دليل على ذلك: فالمشاريع القائمة على تعلم الآلة والتعلم العميق تُستخدم في مجالات مختلفة، من الطب إلى الترفيه والفن.
الإعلانات التشويقية هي مقاطع فيديو قصيرة تعرّف الجمهور بالأفلام الجديدة، وغالباً ما تكون عناصر أساسية في الاستراتيجيات الإعلانية التي تتبعها شركات الإنتاج السينمائي. ولكي تكون هذه الإعلانات فعّالة على أفضل وجه، يجب أن تلخص حبكة الفيلم بإيجاز، وأن تنقل أسلوبه الفني وأجواءه العامة بشكل جذاب.
وفقاً لإحدى مدارس فن السينما، يجب أن تتضمن الإعلانات التشويقية بنية سردية من ثلاثة فصول: في الفصل الأول تُقدَّم الشخصيات والحبكة، وفي الفصل الثاني يُطرح الصراع الرئيسي، وفي الفصل الثالث تُرفع الرهانات وتُقدَّم تلميحات عن النهاية.
تعتمد مدرسة أخرى بدرجة أكبر على مزاج الإعلان، الذي تحدده صعود القصة وهبوطها. وفقاً لهذا النهج، يجب أن تبدأ الإعلانات التشويقية بشدة متوسطة لجذب المشاهدين، ثم بشدة منخفضة لنقل المعلومات الأساسية عن القصة، ثم تزداد الشدة تدريجياً حتى تبلغ ذروتها في نهاية الإعلان.
حتى الآن كان البشر يصنعون إعلانات الأفلام التشويقية في معظم الأحيان. غير أن بعض العلماء العاملين في مجال الذكاء الاصطناعي بدأوا مؤخراً في دراسة إمكانية أن تُنشأ هذه الإعلانات تلقائياً بواسطة الآلات أيضاً.
طوّر باحثون من جامعة إدنبرة نموذجاً يعتمد على الشبكات العصبونية الاصطناعية، يمكنه إنشاء إعلانات الأفلام التشويقية تلقائياً. ويُقدَّم هذا النموذج في ورقة بحثية على arXiv، وقد بُني باستخدام خوارزمية تعلم آلي غير خاضعة للإشراف تعتمد على الرسوم البيانية.
ولأفضل طريقة لإنجاز مهمة إنشاء إعلانات الأفلام تلقائياً، قسّم الباحثون المهمة إلى مهمتين فرعيتين، وهما: تحديد البنية السردية للفيلم، والتنبؤ بالشعور (أي المزاج) الذي ينقله. وبذلك تعالج التقنية التي ابتكروها أجزاء الفيلم (أي الفيديو) والمقاطع النصية من سيناريو الفيلم معاً.
«نحن نمذج الأفلام على شكل رسوم بيانية، حيث تمثل العقد اللقطات، وتشير الحواف إلى العلاقات الدلالية بينها. ندرس هذه العلاقات من خلال تطبيق التعلم المقارن المشترك الذي يستخدم معلومات نصية متميزة (مثل الشخصيات والأفعال والمواقف) مستخرجة من السيناريوهات. ثم تتصفح خوارزمية غير خاضعة للإشراف الرسم البياني وتولد المقاطع الدعائية»، قال بينيلوبي بابالامبيدي وفرانك كيلر وميريلا لاباتا، الذين أجروا الدراسة.
في جوهر الأمر، تتكون الطريقة التي ابتكروها لإنشاء إعلانات الأفلام من شبكتين عصبونيتين. تعالج إحداهما التمثيلات متعددة الوسائط للقطات المستخلصة من تدفق الفيديو الخاص بالفيلم، بينما تحلل الأخرى التمثيلات النصية للحظة، المستندة إلى سيناريو الفيلم.
معاً، يمكن للشبكتين العصبونيتين تحديد اللحظات المحورية في الفيلم، وهي الأجزاء المهمة بشكل خاص في الفيلم والتي ينبغي عرضها في الإعلانات التشويقية. وتشمل اللحظات المحورية في الأفلام عادةً الفرصة، وتغيير الخطة، ونقطة اللاعودة، والفشل الجسيم، والذروة.
قيّم العلماء تقنيتهم لإنشاء إعلانات الأفلام في سلسلة من الاختبارات. ووجدوا أنها قادرة على تحديد اللحظات المحورية في الأفلام بدقة أعلى بكثير من طرق الأساس الأخرى لإنشاء الإعلانات.
«ميزة نهجنا أنه قابل للتفسير، ويمكن استخدامه بسهولة كأداة يكون فيها الإنسان جزءاً من الحلقة. وبوجه خاص، نظراً للجوار المباشر في كل مرحلة، أمكن اختيار اللقطات استناداً إلى معايير آلية مختلفة، أو حتى يدوياً. ويقلل نهجنا بشكل حاد عدد اللقطات التي يجب مراجعتها لإنشاء مقاطع الإعلان إلى 10% من الفيلم بأكمله. وعلاوة على ذلك، تتيح معاييرنا للمستخدمين استكشاف أقسام مختلفة من الفيلم وإنشاء إعلانات متنوعة»، جاء في الدراسة.
إضافة إلى ذلك، استخدم الباحثون نموذجهم لإنشاء إعلانات تشويقية لـ 40 فيلماً مختلفاً. ثم قارنوا جودة هذه الإعلانات المنشأة بجودة المقاطع التي أُنشئت بطرق تعتمد على التعلم الخاضع للإشراف، أي بمساعدة بشرية.
طرح العلماء أسئلة على مشاهدين تم اختيارهم عبر Amazon Mechanical Turk (AMT). وسُئل المشاركون عن الإعلانات التي يفضلونها. ومن المثير للاهتمام أن غالبية المستجيبين فضلوا الإعلانات التي أنشأتها تقنيتهم، لا النماذج الخاضعة للإشراف.
ورغم أن النموذج الذي طوّره بابالامبيدي وكيلر ولاباتا قد لا ينشئ إعلانات مثالية بعد، فإنه قد تستخدمه شركات الإنتاج السينمائي في نهاية المطاف لتسهيل إنتاج الإعلانات التشويقية وتسريعه. وفي الوقت نفسه، يخطط الفريق لمواصلة العمل على تقنيته من أجل تحسين جودة مقاطع الفيديو التي ينتجها.
قال الباحثون: «في المستقبل نود التركيز على طرق التنبؤ بالمشاعر الدقيقة (مثل الحزن والاشمئزاز والرعب والفرح) في الأفلام. وفي هذا العمل نعتبر المزاجين الإيجابي والسلبي بديلاً عن المشاعر، بسبب غياب مجموعات بيانات موسومة داخل المجال نفسه. وتشمل فرص العمل المستقبلي مجموعات بيانات جديدة للمشاعر في الأفلام، وكذلك نماذج لكشف المشاعر تعتمد على البيانات النصية والإشارات السمعية البصرية».
