Il progetto Cort-IA nasce da due esigenze principali: una di esplorazione e una di sperimentazione. La diffusione dei sistemi di IA generativa procede a ritmi sostenuti e sempre più accelerati. Tali sistemi sono pervasivi e distribuiti capillarmente: ogni persona con un dispositivo digitale può farvi ricorso e molti dei sistemi che vengono adoperati quotidianamente anche solo per fare ricerche implementano elementi di IA. Sempre più aziende, in tutti i settori, dal pubblico al privato, spingono e si impegnano per l’adozione e l’integrazione di sistemi di IA nelle attività lavorative.

Indubbiamente molte di queste adozioni sono guidate da una logica di competizione e di adeguamento a un contesto di progresso imperante, cosa che di per sé non garantisce che l’uso di questi sistemi sia veramente necessario o che comporti benefici. Cionondimeno è incontestabile che i sistemi di IA generativa offrano servizi potenzialmente molto utili, capaci di semplificare e velocizzare molte mansioni. Bisogna parimenti prendere atto che sistemi di IA generativa sono usati largamente, che lo si ammetta o meno, in contesti creativi. Molte sono le riflessioni e le indagini sull’estetica dei prodotti generati con sistemi di IA. È un dibattito aperto, in corso e che chiaramente si offre a diverse critiche. Evidentemente la produzione audiovisiva non può rimanere indifferente all’esistenza di questi sistemi. Il presente progetto vuole quindi esplorare quali opportunità possano offrire i sistemi di IA.

La produzione audiovisiva prevede processi lunghi e complessi. La filiera – dalla pre-produzione, alla post-produzione, alla distribuzione – è molto articolata e chi vi lavora ben conosce le difficoltà che si incontrano nella gestione di un progetto che dall’ideazione alla realizzazione può richiedere anni, il coinvolgimento di centinaia di persone e l’investimento di cifre consistenti con meccanismi non facilmente controllabili. I sistemi di IA possono potenzialmente essere integrati in tutte le fasi della catena produttiva con una logica – è bene sottolinearlo – di affiancamento e non di sostituzione. Il progetto Cort-IA desidera indagare proprio le diverse forme di adozione e integrazione di sistemi di IA a partire dalla fase di scrittura.

È lecito avere delle preoccupazioni e sollevare delle obiezioni alla natura stessa del progetto. Riteniamo tuttavia che siano dovute a una non sufficiente informazione sulla logica del progetto stesso che si lega anche a una riflessione sul funzionamento dei sistemi di IA.

I sistemi di IA non sono propriamente creativi. La creatività emerge sempre dall’interazione con soggetti umani e in ultima analisi sono sempre i soggetti umani a conferire un significato ai contenuti, anche in relazione al contesto in cui sono inseriti.

La scrittura è una pratica complessa che non coincide con la battitura (writing is not typing) e che richiede tipicamente più e più fasi di revisione e di ri-scrittura (writing is re-writing). Nei fatti la scrittura è una forma di elaborazione e ordinamento del pensiero, una pratica che non prescinde dagli strumenti che vengono utilizzati per svolgerla, siano essi diari, blocchi di appunti, fogli di quaderno, fogli di testo su un pc, persone con cui scambiare riflessioni a voce e al limite – ed è questo l’oggetto in discussione – sistemi di IA. I sistemi di IA non sono capaci di scrivere, propriamente parlando; possono piuttosto produrre stringhe ordinate di testo secondo ricorrenze statistiche che ai nostri occhi possono apparire coerenti e ricche di significato. Ma questa attribuzione è una nostra proiezione, non una proprietà intrinseca del sistema. I sistemi di IA devono essere trattati in quanto strumenti tecnologici. Bisogna però anche riconoscere che le attività creative umane avvengono in simbiosi con questi strumenti.

Ogni tecnologia quando introdotta è stata vista con diffidenza. In passato c’è chi ha sollevato obiezioni anche sull’uso della macchina da scrivere o del personal computer giacché avrebbero alterato i processi di scrittura rispetto a quelli più classici e naturali. Chiunque può riconoscere come la possibilità di copiare e incollare o di utilizzare un correttore automatico sui fogli di testo permetta di organizzare, modificare e lavorare su uno scritto in maniera ben più rapida e articolata che su un foglio di carta. È con una logica simile che invitiamo chi ne avrà piacere a partecipare a questo progetto.

Non bisogna immaginare una situazione in cui vengano dati dei comandi a un sistema di IA e ci si limiti poi a prenderne i risultati come sono. Chi ha provato a sperimentare con questi sistemi sa bene come per quanto a prima vista impressionanti i risultati sono anche spesso poveri, convoluti, ripetitivi. Gli usi verosimilmente più ragionevoli nella scrittura consisteranno nella richiesta di spunti per avviare e guidare il lavoro. Chi ha vissuto la difficoltà di trovarsi di fronte a una pagina bianca o allo sforzo di dover rigirare una frase o sintetizzare un paragrafo, può apprezzare l’utilità di un sistema in grado di offrire un ventaglio di opzioni (guidate da una richiesta iniziale) fra cui scegliere o da modificare, passando quindi direttamente a una fase di ri-scrittura. Un’altra opzione valida è quella di sfruttare i sistemi di IA come banco di prova (sounding board) per avere un dialogo interattivo e organizzare meglio i propri pensieri. O ancora, considerando tutte le fasi e le componenti che caratterizzano la scrittura di una sceneggiatura (soggetto, trattamento, elenco delle scene, descrizioni, scrittura dei dialoghi e via dicendo) si può pensare di sfruttare sistemi di IA in maniera selettiva e differente nei singoli casi o solo in alcuni. Se si considera poi che le sceneggiature sono per certi versi testi di lavoro (Pasolini parlava di “struttura che vuol essere altra struttura“) la qualità sperimentale e di progressiva rielaborazione cui queste interazioni emerge con ancor più forza.

L’arguzia, l’intuito, il genio di chi scrive e ha l’idea di raccontare una certa storia non saranno minati dall’introduzione di questi sistemi che non vi si sostituiranno. Come non sostituiranno la capacità di una persona di valutare la rilevanza di un contenuto o di apprezzare le sottigliezze tecniche che danno spessore a una sceneggiatura (una buona struttura in atti, un’attenzione agli archi di trasformazione dei personaggi, simbolismi visivi, un giusto bilanciamento tra esposizione e illustrazione, un’opportuna motivazione delle azioni, la scelta di presentare un elemento per mezzo dell’azione di un personaggio invece che per mezzo del dialogo o viceversa, e via dicendo…). Certamente ci si può aspettare che in un primo momento aumenterà una produzione di contenuti mediocri ma uno sguardo critico riconoscerà immediatamente ciò che ha valore ed è meritevole di attenzione.

Non si può in tutto questo trascurare una riflessione sui costi e sui consumi dei sistemi di IA. È noto che i sistemi proprietari disponibili in rete, utilizzabili gratuitamente o previa sottoscrizione e acquisto di una licenza, hanno consumi energetici importanti. Parimenti si apre una riflessione sulla tutela del diritto d’autore in due direzioni, da un lato per quanto concerne l’addestramento di alcuni sistemi che talvolta viene fatto su contenuti privati (compresi dati di utenti di piattaforme sociali), dall’altro su chi detenga i diritti sul prodotto di un’interazione uomo-macchina nel caso di un sistema proprietario soggetto a licenza. Anche per affrontare questi aspetti è bene indagare in quali forme sia più ragionevole e funzionale adattare e adottare questi sistemi, oltre a sensibilizzare gli utenti ad addestrare i sistemi personalmente, ottimizzandoli in funzione delle proprie necessità e nel rispetto della proprietà intellettuale altrui.

Riteniamo che questo progetto sia un’opportunità anche in una prospettiva di dialogo e riflessione in vista di una regolamentazione dei sistemi di IA. Nello specifico, l’industria audiovisiva si caratterizza per una competizione trasversale con un mercato che è globale. I sistemi di IA stanno portando una ridefinizione dell’industria in maniera non dissimile da quanto hanno fatto l’avvento del digitale e l’introduzione delle piattaforme di streaming che hanno comportato, in maniera anche inattesa, una modifica dell’estetica, delle forme di produzione e delle forme di consumo. Adottare un atteggiamento radicale di totale rifiuto, per quanto motivato da condivisibili preoccupazioni su un impatto negativo sulla qualità dei prodotti o sul mercato lavorativo, sarebbe controproducente. Una gestione oculata richiede una presa di coscienza e un’informazione trasparente.

Siamo convinti che una comprensione approfondita sui modi in cui integrare sistemi di IA in tutta la filiera audiovisiva possa permettere di ottimizzare la gestione dei costi con il beneficio di tutte le maestranze che lavorano nel settore.

Pierluigi Masai è dottorando presso l’Università degli Studi di Trieste dove si occupa di etica e di governance dell’Intelligenza Artificiale. Ha conseguito una laurea magistrale in Fisica e il Master in Comunicazione della Scienza “Franco Prattico” presso la SISSA. Ha studiato regia e sceneggiatura presso l’Accademia Nazionale del Cinema di Bologna e presso la UCLA School of Theater, Film and Television di Los Angeles.

Immagine di Pierluigi Masai – Rielaborazione ChatGPT

The post Cort-IA: riflessioni sulla scrittura e sull’uso dell’IA nella narrazione first appeared on SophIA.

È percezione diffusa tra gli addetti ai lavori che l’IA sia ormai innestata in tutti i processi di marketing del prodotto audiovisivo. Anche in questo contesto specifico, i risultati sono però altalenanti: proprio come in altri settori della filiera dell’industria cinematografica, si oscilla tra stupore, confusione, incertezza e grandi aspettative per quella che è considerata la tecnologia potenzialmente più dirompente di sempre.  

Applicazioni dell’IA nel marketing cinematografico.

Va innanzitutto notato che nel settore del marketing e della pubblicità, anche applicata al cinema, c’è stato un evidente “AI washing”: laddove fino a ieri era tutto un proliferare di servizi e tool basati su big data, algoritmi e software, oggi gli stessi sono immancabilmente tutti “AI-powered”. C’è anche onestamente molta confusione che deriva dalla non conoscenza di cosa sia esattamente un algoritmo o un software e di come funzionino certe piattaforme integrate nel marketing e nella distribuzione. Ad esempio, molti professionisti dell’audiovisivo che giurano di non aver mai utilizzato l’IA nella promozione dei loro film, si stupiscono quando scoprono che la gestione delle inserzioni pubblicitarie su Google ADS e Meta ADS utilizza la machine learning nelle fasi di apprendimento, bidding, selezione dei target e A/B testing – e che cos’è l’apprendimento automatico se non appunto una branca dell’intelligenza artificiale?

Nel cosiddetto marketing predittivo si riscontra ancora molta resistenza, soprattutto da parte di registi e sceneggiatori che non amano particolarmente vedere un tool analizzare il proprio film e valutarne in pochi istanti il potenziale di mercato a confronto con benchmark nazionali o internazionali. Nell’area della ricerca sui pubblici supportata dall’intelligenza artificiale, peraltro molto stimolante, i budget sono ancora fuori portata per un film indipendente o arthouse medio europeo. Nella fase di script development, poi, generalmente registi e sceneggiatori detestano ricevere commenti derivati dall’analisi del loro lavoro da parte di un algoritmo, e preferiscono che i loro script siano valutati da esseri umani con esperienza nel settore.

È dunque al marketing strategico e di contenuto che dobbiamo guardare per l’utilizzo su larga scala del tipo di intelligenza artificiale più noto al grande pubblico dal momento del rilascio di ChatGPT alla fine di novembre 2022, quando chiunque ha potuto testare in prima persona l’IA generativa. Qui sta forse la vera democratizzazione di accesso ad una serie di opportunità che a costo ridotto (nelle versioni “plus”), se non addirittura gratuitamente, offrono la possibilità di avere un partner creativo per tutta una serie di operazioni e processi che vanno dalla fase di ricerca e sviluppo, a quella di lancio sul mercato.

L’IA generativa nel marketing alla prova dei fatti.

Large language models come quelli usati in ChatGPT di OpenAi, Claude di Anthropic e Mistral di Mistral AI, o motori di ricerca conversazionali come Perplexity AI possono fornire un aiuto non indifferente in momenti particolarmente delicati come il marketing nella fase di sviluppo. Questa è la fase in cui è molto difficile ci sia del budget extra per ragionare su mercato e pubblico. D’altronde è proprio qui che si preparano le domande a fondi di sviluppo e sostegno economico che spesso richiedono di avere idee su come promuovere il film che si sta scrivendo, in quali canali si intende distribuirlo e quali sono le target audience che si intendono raggiungere, e con quali idee di engagement si pensa di poterne catturare l’attenzione.

Partiamo però dalla fine, prima di menzionare i casi d’uso più interessanti. Dove forse tanti speravano ci sarebbero state più intuizioni creative, nell’area delicatissima e problematica della distribuzione, è evidente che siamo ancora lontani anni luce dall’esperienza acquisita sul campo da un sales agent o un produttore navigato che conosca bene il mercato audiovisivo internazionale e sappia dove e come presentare i propri film. Non c’è prompt che tenga: le idee sui possibili percorsi di sfruttamento di un film rimasticate da una IA generativa sono piuttosto banali, scontate anche quando si spinge un po’ il modello a ragionare “out-of- the-box”, e non tengono conto di un aspetto fondamentale come la capacità di valutare veramente la complessità del contesto a partire dal progetto specifico – se cioè un prodotto cinematografico abbia veramente le qualità per poter essere presentato al Festival di Cannes (e in quale specifica sezione della kermesse francese) o se invece possa aspirare al massimo ad un passaggio in una rassegna di provincia.

Questi modelli sono però particolarmente efficaci in tutta una serie di attività di brainstorming e preparazione di contenuti che hanno a che fare con l’analisi tematica della sceneggiatura e lo story mapping;  la (ri)scrittura di sinossi, tagline, titoli, contenuti per press kit, pitch deck e siti web; la segmentazione del pubblico e la preparazione di Buyer Personas; l’ideazione e l’editing di contenuti per content marketing, social media e storytelling in generale; la generazione di idee creative per attività promozionali; la creazione di asset visivi, mockup, sketch art e pre-visualizzazioni; la revisione linguistica di documenti.

ChatGPT e Claude sono probabilmente i modelli più utilizzati per un uso “trasversale”. Il primo, anche in forza di una posizione dominante per motivi “anagrafici”, dà anche accesso a tutta una serie di GPT verticali e la possibilità di creare i propri GPT personalizzati; il secondo, oltre ad essere veramente molto performante nella versione 3.5 Sonnet, offre l’interessante funzione degli artefatti che si rivela molto utile nella fase di scrittura e editing di prompt in sequenza. In questi casi è comunque buona prassi passare un po’ di tempo a definire bene il contesto delle richieste, abbinare ai modelli più diffusi l’uso di strumenti come Perplexity per ricerche strutturate, e combinare l’interrogazione dei chatbot più popolari ad altri forse meno conosciuti come Mistral, per compensare eventuali bias o dataset sbilanciati su certi territori a discapito di altri, ottenendo così risultati più focalizzati sull’area geografica europea.

Cosa non funziona ancora a dovere? Premesso che ogni release ha finora migliorato sensibilmente la precedente, ecco qualche criticità da considerare:

• gli LLM non sono motori di ricerca, e qualora il modello non abbia accesso a internet e debba basarsi solo sui dati di addestramento, oltre a soffrire in generale di un evidente squilibrio a favore del mercato americano, non vengono incluse negli output le informazioni più recenti – un aspetto fondamentale in sede di benchmarking e ricerca di informazioni su progetti comparabili nuovi, dato che nel settore dell’audiovisivo anche un lasso di tempo di un paio d’anni fa una grossa differenza;
• i risultati presentano ancora alcuni errori di contesto, ad esempio titoli di film scambiati per nomi di case di produzione cinematografiche (e viceversa), o anni di release errati, o confusione tra lungometraggi e corti, o imprecisioni nei nomi di cast & crew;
• laddove non vengano fornite fonti e link esterni per il fact-checking dei contenuti prodotti dai chatbot, il processo di revisione e controllo è reso più complicato;
• la coerenza nella creazione di asset (audio)visivi interconnessi è ancora problematica, in particolare in termini di consistenza tra generazioni, ed è un processo che richiede ancora molto tempo e troppi tentativi per essere veramente efficiente.    

C’è poi la questione più cruciale di tutte, quella che sta a monte di qualsiasi utilizzo pratico. Tra le obiezioni etiche più comuni all’uso di queste piattaforme da parte dei team creativi (sceneggiatori, registi e produttori in primis) possiamo elencare:

• le critiche al modo in cui sono stati costituiti i primi dataset di addestramento dei modelli, basati su una fase di data scraping non autorizzato e lesivo della proprietà intellettuale di molti artisti di varie industrie creative, che porta chi opera nel cinema a essere solidale con i colleghi anche di altri settori e quindi a vedere con diffidenza questa tecnologia e le aziende che la sviluppano;
• il rifiuto di dare in pasto ad un modello documenti completi (sceneggiatura e paratesti come note di regia e di produzione, deck con informazioni sensibili ecc.), nel timore che vengano usati per addestrare i modelli stessi o che dati sensibili possano essere usati per altri fini;
• il fatto che i dati di training (all’origine soprattutto americani) siano portatori di bias e specificità locali anglosassoni che non rappresentano la diversità dei territori e dei popoli europei;
• la riserva di fondo nell’affidare la parte più stimolante del processo creativo ad una macchina, con il timore che in un futuro prossimo la generazione stessa delle sceneggiature diventi un processo industriale in capo alla IA.

Chatbot e buon senso.

Date queste condizioni è evidente che, rispettando la volontà dei team di progetto di non ingaggiare l’intelligenza artificiale nel pieno delle sue possibilità, l’utilizzo dell’AI è ancora possibile, anche se meno efficace. Si può, ad esempio, bypassare il caricamento di documenti interi descrivendo il progetto in termini generali ed eliminando dalle finestre di contesto i dati sensibili; o focalizzarsi su benchmark per ottenere informazioni attigue a quelle che si otterrebbero con l’interrogazione diretta dei materiali del film che si sta sviluppando.

Il consiglio di base è di usare il buon senso e considerare le seguenti raccomandazioni:

• innanzitutto, proteggere le idee creative e i materiali ad esse connesse, registrando la sceneggiatura completa e presentando il film in sviluppo in contesti professionali laddove possibile, potendo così dimostrarne l’esistenza ad una certa data;
• leggere fino in fondo i termini di servizio, le informazioni sulla privacy e altre documentazioni collegate fornite dalle piattaforme scelte, che spiegano dove e come vengono trattati i dati condivisi con i modelli;
• considerare le conversazioni con i chatbot come nella peggiore delle ipotesi, quella cioè che un giorno, da qualche parte, queste possano essere lette da qualcuno per qualche motivo (alcuni dei quali sono elencati di preciso dai servizi stessi);
• cancellare le chat una volta terminato il lavoro (o crearne di temporalmente limitate, dove consentito) ed effettuare l’opt-out dal consenso all’uso dei dati e delle conversazioni per allenare i modelli – laddove i tool lo consentano.

Link:

https://openai.com/chatgpt

https://www.anthropic.com/claude

https://mistral.ai

https://www.perplexity.ai

The post Marketing cinematografico e intelligenza artificiale: appunti di utilizzo first appeared on SophIA.