Sztuczna inteligencja, sieci neuronowe, modele matematyczne, algorytmy… Czy to wszystko już nasza codzienność, czy dopiero przyszłość? I jak to się ma do sztuki i technologii filmowej? Czy filmowcy nadążają za tym, co dzieje się w innych dziedzinach, czy trzymają się starych, wypróbowanych metod…
Tekst: Jarek Somborski
Współpraca: Przemysław Mądrzak
Od kilku lat możemy obserwować swoisty bum nowych rozwiązań, które w znaczący sposób opierają się na sztucznej inteligencji. Wygląda na to, że wszyscy ci, którzy przez ostatnie kilkanaście lat interesowali się sieciami neuronowymi, analizą danych, tworzeniem systemów podejmujących decyzje… doszli do momentu, który umożliwia bezproblemowy skok na wyższy poziom i samym tym osiąganie znacząco ciekawszych rezultatów. Cyfrowa analiza ogromnej ilości danych i wyciągane przez zastosowane narzędzia wnioski bardzo często zaskakują samych twórców takich narzędzi. Mówią o tym, że stworzone przez nich algorytmy zaczynają się same uczyć i dochodzić do nieoczywistych wniosków, które zaskakująco często okazują się absolutnie trafne. O tym mówią inżynierowie pracujący nad nowymi rozwiązaniami w przemyśle samochodowym czy lotniczym, o tym mówią naukowcy związani z medycyną; o tym mówią producenci leków, o tym mówią analitycy rynków kapitałowych, architekci, designerzy…
A jak to jest w świecie filmu? Czy ktoś wśród osób związanych z produkcją filmową już korzysta z tych rozwiązań? Czy są osoby lub instytucje / firmy związane z filmem, które wiedzą o czymś, o czym zwykły filmowiec nie wie? Czy ktoś już korzysta z potęgi sztucznej inteligencji?
Midjourney / Przemysław Mądrzak
Zaczniemy od czegoś, o czym artyści (przynajmniej teoretycznie) nie powinni mówić – o pieniądzach. Czy istnieją jakieś rozwiązania, obecne na rynku, które mogą usprawnić pracę tej zagmatwanej machiny, jaką jest film? By docelowo wskazać na elementy, nad którymi warto się pochylić, by np. usprawnić produkcję, poprawić jakość samego filmu czy scenariusza, albo przewidzieć coś?
Przemysł filmowy, podobnie jak rynek reklamowy jest trudny do okiełznania. Mówi się, że co najmniej połowa pieniędzy, które istnieją w szeroko pojętym obszarze, jakim jest rynek reklamy – to pieniądze wyrzucone w błoto. Kłopot polega na tym, że przed przeznaczeniem określonej sumy na reklamę nie wiadomo, która to połowa tych pieniędzy… Z filmem nie jest inaczej. Nawet można powiedzieć, że jest gorzej. Z globalnych danych statystycznych wynika, że tylko niewielki procent nakręconych filmów zarabia na siebie. I jest to ogólnoświatowe zjawisko. Z drugiej strony, filmy, które zarabiają na siebie, też mają swoje nieoczywiste „cechy”. Producenci anglojęzycznych filmów stosunkowo często spotykają się z tym, iż na rynku własnym (np. w Stanach Zjednoczonych) nie osiągają oszałamiających wyników, podczas gdy na światowej dystrybucji zarabiają bardzo dużo. Przykładowo, wyświetlany w Polsce w 2010 r. film Ostatni władca wiatru (reż. M. Night Shyamalan), w Stanach zarobił 20 mln dol. mniej, niż wynosił budżet (150 mln dol.). W innych częściach globu sytuacja była idealnie odwrotna – zarobił ponad dwukrotnie więcej (ok. 320 mln dol.), niż kosztowała sama produkcja. W Stanach Zjednoczonych film był słabo oceniany przez krytykę i przez widzów dorosłych. Nie pomogła również „promocja” związana z nominacją do Złotych Malin w czterech kategoriach (choć, na taką „instytucję” nie można spoglądać zbyt poważnie). Niezależnie od wszystkiego wymienionego wyżej – czy film ostatecznie zarobił, czy nie – świadczy to o tym, że producenci tak naprawdę nie wiedzieli nic o tym, jak widzowie zareagują na film. Nie byli w stanie przewidzieć, czy film osiągnie sukces w kinie, czy nie.
Midjourney / Przemysław Mądrzak
Inny przykład: West Side Story, reżyserowany przez Stevena Spielberga. Wydawałoby się, że nie można lepiej trafić. Doborowe towarzystwo, znany temat, aktualny, znakomity producent, świetna obsada, wspaniała choreografia, kostiumy, zdjęcia, film nie tylko muzyczny… Gdyby to miał być start rakiety na kosmodromie, wszyscy decydujący o starcie powiedzieliby: „Go!”. Film dostał znakomite recenzje krytyków, został uznany za jeden z najlepszych filmów 2021 roku przez Amerykański Instytut Filmowy, dostał siedem nominacji oskarowych oraz cztery nominacje i trzy nagrody Złotych Globów. A jednak okazał się kasową porażką. Dlaczego? Można by usprawiedliwić producentów tym, że film pojawił się na ekranach kin w okresie pandemii, ale nie był to jedyny film, który wchodził do kin w tym okresie. Wg. słów producentów film musiałby zarobić ok. 300 mln dol. by wyjść na zero. Dużo. Zarobił jakieś pięć razy mniej i to na całym świecie (od grudnia 2021 r.). W tym samym okresie pandemicznym film o Bondzie Nie czas umierać (od września 2021 r.), zarobił 774 mln dol. Duża różnica.
Dlaczego tak się dzieje? Gdyby producenci West Side Story wiedzieli, że te ich 300 milionów pójdzie z dymem, to z pewnością by się nie angażowali w ten projekt.
Niemal każdy, kto produkuje film, chce by jego / jej film był komercyjnym hitem (a jeszcze lepiej, gdy jest to również sukces artystyczny), ale jak na razie nie ma doskonałej recepty na to, co z pewnością będzie sukcesem a co nie.
Midjourney / Przemysław Mądrzak
Wg pracy N.A. Pangarkera i E.v.d.M. Smita na temat czynników wpływających na wyniki sprzedaży biletów w branży filmowej (The determinants of box office performance in the film industry revisited, Universytet Stellenbosch Business School, RPA), jest kilka czynników, które wpływają na odbiór filmu i tym samym na ostateczną ilość widzów w kinach. Najważniejsze kategorie obejmują koszt produkcji, dorobek / pozycję dystrybutora, nominacje do nagród, gatunek, informację czy to jest tzw. sequel, czy nie, czy premiera filmu jest w okresie świąt (wolnych dni), opinie krytyków itd. Wymienione elementy mają pozytywne, negatywne lub neutralne korelacje (np. opinia krytyków najczęściej nie ma większego wpływu na to, czy widzowie pójdą do kina, czy nie, a informacja o tym, czy dany film jest kontynuacją udanego filmu, ma pozytywną korelację).
Co prawda, są sytuacje jak przy wymienionym wyżej filmie Ostatni władca wiatru, gdzie opinia krytyków była akurat istotna (film był polecany przez producentów jako film zarówno dla dorosłych, jak i dla młodzieży, stąd większe zainteresowanie rodziców opiniami krytyków), ale to wszystko wrzucone do ogromnego analitycznego worka może być odpowiednio skorelowane, przefiltrowane i właściwie zinterpretowane.
To wszystko wydaje się oczywiste, ale rzecz jasna – PO premierze filmu. Co można zrobić by o tym, czy film będzie sukcesem dowiedzieć się znacząco wcześniej? Np. podczas pracy nad scenariuszem? Albo na jakimś etapie przygotowania do samej realizacji filmu, gdy scenariusz już istnieje? Z pewnością są jakieś domy produkcyjne / wytwórnie, które są w stanie w dużym stopniu przewidzieć, jak odebrany będzie ich film. Niestety, do wielu danych na ten temat nie dojdziemy. Najczęściej są to jakieś ogólniki, odwoływania się do wyczucia rynku itd. Nie ma konkretów [powszechnie dostępnych – przyp. red.]. Nie ma jakiejś tabeli albo prostego wzoru matematycznego, który w łatwy sposób mógłby nam w tym pomóc.
Może jednak okazać się, że wkrótce to się zmieni. Kluczowym hasłem najprawdopodobniej okaże się analityka predykcyjna. Co to takiego? To w uproszczeniu metoda pozyskiwania informacji z odpowiednio przygotowanego zbioru danych, które są analizowane w określony sposób, by móc przewidzieć możliwe przyszłe zachowania lub trendy. By określić przyszłe możliwości lub zagrożenia, analizowane są bardzo obszerne dane historyczne i współczesne, tworzone są modele i postępowania, a to wszystko razem jest sprzężone z odpowiednio wykoncypowanymi algorytmami, które wykorzystując wspomniane procesy analityki predykcyjnej, wyrzucają swoje prognozy związane z zadanym zjawiskiem. Proste :).
Rzecz jasna, nie jest to panaceum na wygraną w kasyno, lub przewidzenie pogody na rok do przodu, a wykorzystanie nieoczywistych korelacji w zachowaniach i strukturach analizowanych danych i wyciąganie z nich esencji, która jest w stanie określić przyszłą, jeszcze nieznaną reakcję (np. widzów). By do tego dojść, korzysta się również ze znanych wzorów / danych (np. z informacji dot. filmów, które osiągnęły sukces), które wykorzystuje się po to, by weryfikować działanie algorytmów. Konkluzja, czy sugestia wynikająca z zastosowania analityki predyktywnej jest później korelowana z tym, co naprawdę o tym zjawisku (w naszym przykładzie – jakimś filmie, który odniósł sukces kasowy) wiadomo, i w ten sposób sam proces (metoda) weryfikuje ostateczny rezultat. To z kolei zbliża nas do odpowiedzi czy nasz przyszły film / scenariusz odniesie sukces, czy nie.
Działanie (w uproszczeniu) wygląda tak: mamy tysiące scenariuszy, które oscylują wokół jakiegoś gatunku, tematu lub związane są z jakimś innym kluczem (np. sukces kasowy, lub „kultowość”). Po odpowiednim przygotowaniu i zindeksowaniu tych tekstów powstaje jakaś „wiedza”, jakiś model, który później jest wykorzystywany na dalszych etapach działania. Mając bazę połączonych ze sobą elementów, będziemy w stanie sprzęgnąć ją z konkretnymi scenariuszami, które powstały wcześniej, będziemy mogli wziąć pod uwagę czynniki, które spowodowały, że film był sukcesem rynkowym (albo klapą). Możemy dodawać i analizować również inne elementy, niezwiązane bezpośrednio ze scenariuszem (a wpływające na sprzedaż biletów) i na podstawie tego, wykorzystując analitykę predykcyjną przewidzieć potencjał naszego przyszłego filmu.
Midjourney / Przemysław Mądrzak
Analityka predykcyjna wykorzystuje różne techniki statystyczne, takie jak algorytmy zautomatyzowanego uczenia maszynowego, głębokie uczenie, eksploracja danych i sztuczna inteligencja, aby wyodrębniać informacje z zestawów danych, identyfikować wzorce i generować wyniki predykcyjne dla różnych obszarów zainteresowań (nie tylko biznesowych).
W przemyśle filmowym analityka predykcyjna może być wykorzystana na różne sposoby, np. w celu precyzyjnej identyfikacji docelowej publiczności, przewidywania wyników finansowych czy w celu zrozumienia preferencji kinomanów. Może być wykorzystywana również do tego, by przed premierą sprawdzić, jak (już zrobiony) film poradzi sobie za chwilę w kinach. Informacje te mogą być wykorzystywane przez studia do podejmowania decyzji marketingowych i wydawniczych.
Midjourney / Przemysław Mądrzak
Brzmi jak fantastyka naukowa? Niezupełnie. Okazuje się, że analityka predykcyjna jest już wykorzystywana w przemyśle filmowym. Duże studia filmowe w tej chwili wykorzystują algorytmy uczenia maszynowego, aby przewidzieć, które ich filmy odniosą sukces, a które się nie powiodą. Informacje o tym, niestety, nie są jawne. Byłoby dobrze, gdyby w niniejszym artykule o analityce predykcyjnej można było wskazać na jakieś przykłady zastosowania tych metod, jednak na razie nikt o tym głośno nie mówi. Osoby, które korzystają z dostępnych platform streamingowych takich jak Netflix, HBO, Amazon czy Apple często są (pozytywnie) zaskakiwane rekomendacjami, które pojawiają się przed pojawieniem się filmu, którego chcą obejrzeć. Skąd te rekomendacje się biorą? Czy taka firma jak Netflix, produkująca w tej chwili najwięcej filmów na świecie wie o czymś, o czym my nie wiemy? I tak i nie. Bez widzów i bez sprzężenia zwrotnego nie wiedzieliby wiele. By nie być gołosłownym, oto przykład. Wiceszef Netfliksa, Ted Sarandos twierdzi, że: „Jedynymi kryteriami, które Netflix brał pod uwagę podczas produkcji [danego] projektu, są osobiste oceny otrzymane przez widzów. W każdym filmie są opcje: lubię – nie lubię. Zgodnie z tymi opcjami serwis decyduje o kolejnych projektach”. Hmmmm… Czy aby tylko chodziło o te dwie opcje? Rzeczywistość pewnie jest nieco bardziej złożona. Gdyby na szybko zrobić algorytm wykorzystujący wspomnianą analitykę predykcyjną, można by również przeanalizować czy wymienione wyżej zdanie wiceszefa Netfliksa jest w pełni prawdziwe…
Samo kliknięcie to tylko wierzchołek góry lodowej. Nietrudno sobie wyobrazić, że te podstawowe informacje mogą być uzupełnione innymi danymi, które docierają do dystrybutora treści. Klikając na odpowiedni przycisk, nie przesyłamy tylko: lubię – nie lubię, ale również informację kim jesteśmy (mamy prenumeratę), nasz adres IP (można z grubsza zlokalizować, gdzie jesteśmy), porę oglądania, korelację z innymi filmami, które oglądaliśmy, informację o tym, czy mamy dzieci, czy nie (np. mamy w ramach prenumeraty założony profil tylko dla dzieci)… Przykładowo, znając nasz adres IP – można zorientować się, na podstawie odpowiednio dużej próbki, czy tzw. poczta pantoflowa działa. Jeśli powiemy sąsiadom, że spodobał nam się jakiś film i polecamy im go, można zauważyć taką korelację przy odpowiednim przeczesaniu danych. Można na podstawie odpowiednio dużej próby określić jakie filmy podobają się konkretnej grupie wiekowej lub odwrotnie – na podstawie wybieranych filmów, można w przybliżeniu określić wiek danej osoby. W szczególności, jeśli założono kilka profili (np. w przypadku Amazon Prime, można mieć jeden podstawowy i 5 dodatkowych profili). Wszystko to, sprzężone z możliwościami analityki predykcyjnej umożliwia dość precyzyjne zaplanowanie przyszłych produkcji niemal idealnie pod użytkownika. To tak jakbyśmy tworzyli w kółko te same filmy, nieco zmienione, ale o tym samym stopniu lubienia ich przez widzów. Jeśli już coś polubiliśmy, to prawdopodobnie polubimy podobny film, o podobnej tematyce, podobnym stylu… Wiadomo, lubimy rzeczy, które już znamy. Jak mawiał klasyk:
„Proszę pana, ja jestem umysł ścisły. Mnie się podobają melodie, które już raz słyszałem. Po prostu. No… To… Poprzez… No reminiscencję. No jakże może podobać mi się piosenka, którą pierwszy raz słyszę.”
Traktując hasło lubię – nie lubię, jako skrót myślowy, możemy śmiało powiedzieć, że metoda ta służy do tego, by określić parametry, które muszą być uwzględnione podczas kolejnych produkcji. Analizując je, dochodzimy do elementów, które muszą być uwzględnione w scenariuszu, tak by powstawały nowe filmy, które będziemy lubić. Poprzez nieuchwytne wrażenie już widzianego.
Midjourney / Przemysław Mądrzak
Jeśli sobie przypomnimy, że Netflix jest obecny w 190 krajach na świecie, to możemy zrozumieć, jak potężne dane może posiadać. O nas, o naszych preferencjach, o wszystkim, co może ich interesować na temat produkcji filmowych. Po to, by robić takie produkcje, które odniosą sukces. I to jest potężna przewaga nad konkurencją, nawet przed najbardziej zamożnymi wytwórniami z hollywoodzkimi – bo one, choć mogą mieć dostęp do narzędzi analityki predykcyjnej – nie mając gigantycznej, ogólnoświatowej platformy dystrybucyjnej, nie są w stanie dotrzeć w tak prosty sposób do informacji zwrotnych.
Wiele branż i dyscyplin (niefilmowych) korzysta obecnie z analizy predykcyjnej jako kluczowego narzędzia do podejmowania decyzji lub oceny wzorców danych w celu identyfikacji szans i zagrożeń. Jeśli poszperacie w sieci, zobaczycie, jak wygląda krzywa pokazująca zmiany ilościowe stosowania tego typu analiz w świecie wielkiego biznesu w okresie ostatnich dwóch lat (uwaga, spojler: Imponująco).
Czy wśród polskich twórców, producentów i dystrybutorów znajdą się odważni, którzy zdecydują się na zastosowanie analityki predykcyjnej w swoich projektach filmowych? Czy to na razie będzie tylko domeną wielkich i bogatych firm? Dostęp do coraz lepszych technologicznie rozwiązań jest coraz szerszy, produkty stają się tańsze, a jakością dorównują znacznie droższym. Dwudziestokrotna różnica w cenie jednego produktu względem drugiego nie oznacza już dwudziestokrotnej różnicy w jakości… To samo może stać się z dostępem do narzędzi takich jak analityka predykcyjna. I pewnie trafią one do nas, szybciej niż myślimy, a z pewnością szybciej niżby to chcieli decydenci z wielkich wytwórni.
A co w obecnej sytuacji mogłaby o tym powiedzieć wspomniana analityka predykcyjna? Oto potencjalna odpowiedź: Już niedługo będziemy z dużą dozą dokładności wiedzieć, czy nasz genialny pomysł / scenariusz / film będzie sukcesem w kinie / na platformie streamingowej / w internecie, czy nie. Poczekajcie, a zobaczycie 🙂
PS
Psttt, nie mówcie nikomu, że ten artykuł w dużej mierze powstał dzięki AI. Serio.