Un nuevo estudio utilizó tecnología de reconocimiento facial para rastrear la cantidad de tiempo que los actores aparecen en pantalla en más de 2.300 películas.
Michelle Yeoh, a la izquierda, reacciona con emoción al aceptar el premio a la mejor interpretación de una actriz en un papel principal por «Everything Everywhere All at Once» en los Oscar 2023. Jamie Lee Curtis, desde la derecha, y Ke Huy Quan están entre el público.
Chris Pizzello/AP
4 de noviembre de 2024
Con éxitos de taquilla recientes como Black Panther: Wakanda Forever , La Sirenita y Everything Everywhere All at Once, el espectador promedio podría asumir que los elencos de las películas de Hollywood son más diversos ahora que hace 10 o 20 años. Pero verificar estas percepciones puede ser complicado.
Incluso antes de que la campaña en las redes sociales #OscarsSoWhite de 2015 pusiera de relieve la falta de diversidad en las películas nominadas a los premios Oscar, los estudiosos del cine habían empezado a documentar la falta de representación de mujeres y actores de color en Hollywood. Para ello, es necesario ver cientos de horas de películas y tomar notas meticulosas sobre la actuación de cada actor, incluso si el actor fue elegido para un papel principal y tiene un diálogo significativo, y con qué frecuencia aparece el actor en pantalla.
Ahora, un equipo de investigadores de la Universidad de California en Berkeley está utilizando la visión artificial para acelerar drásticamente este proceso. Al someter las películas a la “mirada de silicio”, esperan que los investigadores puedan analizar una gama más amplia de películas (y plantear preguntas más detalladas sobre la representación) que nunca antes.
“Considero que este trabajo es complementario a la visualización humana. Creo que si tienes la capacidad de ver cientos de películas como han hecho otros estudios, deberías hacerlo, porque esos métodos probablemente serán más precisos”, dijo David Bamman , profesor asociado de la Escuela de Información de la UC Berkeley. “Pero la automatización puede darnos acceso a la medición a una escala mucho mayor. Podemos aplicar métodos de visión artificial validados a una colección mucho mayor de películas de las que podríamos ver, y con una granularidad más fina de la que podríamos medir a mano”.
En un nuevo estudio que aparece esta semana en la revista Proceedings of the National Academy of Sciences , Bamman y su equipo utilizaron tecnología de reconocimiento facial para rastrear la cantidad de tiempo que los actores aparecen en pantalla en más de 2.300 películas de Hollywood estrenadas entre 1980 y 2022, un total de 4.412 horas de metraje. Analizaron tanto películas «populares», definidas como las 50 más taquilleras de cada año, como películas «de prestigio», que son películas nominadas a «Mejor Película» por al menos una de seis organizaciones diferentes, incluidos los Premios de la Academia y los Globos de Oro.
El estudio confirmó que, desde 2010, las películas de Hollywood se han vuelto más diversas, con una representación cada vez mayor de actores mujeres, negros, hispanos/latinos, asiáticos del este y del sur de Asia. No solo Hollywood en su conjunto es más diverso, sino que los elencos de las películas individuales también se están volviendo más diversos, lo que significa que el cambio no se debe únicamente a un pequeño número de películas con elencos que no son blancos, como Black Panther.
“Si eligieras una película que se esté haciendo ahora y la vieras, en promedio verías una mayor diversidad en ella que en una película que se hizo hace 10 años. Sin embargo, también descubrimos que todavía hay mayor diversidad en los papeles secundarios que en los protagonistas”, dijo Bamman. “Esto resalta una de las ventajas de nuestro enfoque. Muchos trabajos que han analizado la representación de la raza y el género utilizando métodos manuales se han centrado, por necesidad, en los actores principales, pero aquí vemos que hay mucha más diversidad a medida que se avanza en la lista del elenco”.
Rompiendo los candados digitales
Los métodos automatizados que utilizaron Bamman y su equipo son posibles ahora gracias a una nueva regulación federal que suavizó los “bloqueos digitales” en los DVD.
Desde que se aprobó la Ley de Derechos de Autor del Milenio Digital en Estados Unidos en 1998, las protecciones de derechos de autor han prohibido estrictamente a los investigadores romper los bloqueos digitales de los DVD que impiden que un DVD sea pirateado y protegen los derechos del titular de los derechos de autor. Con estas protecciones tecnológicas en vigor, es muy difícil someter las películas a nuevas tecnologías de visión artificial que puedan reconocer y rastrear la apariencia de rostros u objetos en el vídeo.
Sin embargo, inspirados por un instituto de capacitación sobre cómo la ley moldea la investigación computacional que fue organizado por la coautora Rachael Samberg, directora de comunicación académica y política de información en la Biblioteca de la Universidad de California en Berkeley, la Clínica de Derecho, Tecnología y Política Samuelson de la Universidad de California en Berkeley y la Alianza de Autores solicitaron a la Oficina de Derechos de Autor de Estados Unidos que permitiera a las instituciones de educación superior descifrar estos bloqueos en los DVD y en los libros electrónicos para llevar a cabo una minería de datos a gran escala para la investigación y la enseñanza académicas. Con la ayuda del testimonio de Bamman en 2021, la oficina aprobó la exención y la renovó en 2024.
“El trabajo que hemos realizado en varias unidades y departamentos de la UC Berkeley ayudó a demostrar a la Oficina de Derechos de Autor que esta exención es fundamental para el avance de las prácticas de investigación modernas que dependen del análisis computacional”, afirmó Samberg. “Por primera vez, los académicos estadounidenses ahora pueden llevar a cabo este tipo de investigación a gran escala sobre programas de televisión y películas”.
Aunque los investigadores ahora pueden eludir las protecciones tecnológicas para estudiar películas y libros con derechos de autor, todavía hay reglas estrictas sobre cómo se pueden usar y compartir los datos. En primer lugar, cualquier institución que quiera realizar tales análisis debe ser propietaria del material, lo que significa que Bamman y su equipo tuvieron que comprar sus propias copias de las 2.307 películas que estudiaron.
El análisis también debe utilizar medidas para mantener la seguridad de los datos. Bamman atribuye el mérito a la plataforma Secure Research Data and Compute (SDRC) de la UC Berkeley , un clúster del campus diseñado específicamente para manejar datos seguros y altamente sensibles, por hacer posible la investigación.
«Si no hubiéramos contado con el SRDC en Berkeley, el apoyo de la Fundación Mellon y la experiencia legal de la Biblioteca y la Clínica Samuelson, no habríamos podido llevar a cabo este estudio», afirmó Bamman.
Seguimiento de tendencias a gran escala
Para este primer estudio sobre visión por computadora, Bamman decidió centrarse en la diversidad, en parte debido a la sólida trayectoria de estudios cinematográficos en esta área.
“Como estamos desarrollando métodos computacionales para medir la diversidad en una colección de películas más grande de lo que la gente ha podido ver hasta ahora, queríamos poder comparar nuestros resultados con lo que considero un trabajo de referencia: estudios que han estado midiendo estos mismos problemas de representación durante los últimos 20 años mediante la visualización manual”, dijo Bamman. “También sabemos por el movimiento #OscarsSoWhite en 2015 y 2016 que hay una falta significativa de diversidad racial en las nominaciones al Oscar a nivel de actores y directores”.
Bamman dijo que, si bien el estudio utilizó visión artificial para rastrear la apariencia de los actores en la pantalla, no se utilizaron algoritmos para emitir juicios sobre raza, género o etnia. En cambio, su equipo consultó Wikidata para conocer la opinión pública sobre el género de cada actor y realizó encuestas a los usuarios para determinar cómo los espectadores podrían percibir la raza/etnia de cada actor.
“La razón para pensar en las percepciones es que queremos intentar aproximarnos a la representación que un espectador medio ve en la pantalla, y no intentar inferir nada sobre las identidades de los actores, algo que es incognoscible fuera de las declaraciones de los propios actores”, dijo Bamman. “Centrarnos en las percepciones nos da una idea de cómo la representación en las decisiones de casting y el tiempo en pantalla repercute en última instancia en los espectadores”.
Además de confirmar que las películas de Hollywood se han vuelto más diversas desde 2010, el estudio encontró que la tasa en la que los espectadores ven mujeres en la pantalla aumentó de un 25% constante entre 1980 y 2010 a alrededor del 40% en 2022. Sin embargo, todos los grupos, excepto los hombres blancos, siguen estando subrepresentados en los papeles principales en comparación con los papeles no principales.
También descubrieron que los actores negros están subrepresentados en las películas nominadas a premios, en comparación con las películas populares, pero que esta diferencia se debe en gran medida a la subrepresentación en las películas nominadas a premios de 1980 a 2010.
Para apoyar la reproducibilidad de la investigación y fomentar una mayor comprensión de las películas, Bamman y su equipo han publicado elementos de sus datos que no están sujetos a derechos de autor, incluidos metadatos sobre los fotogramas de una película en los que aparece cada actor, la ubicación de cada rostro dentro de cada fotograma y los UPC (códigos universales de productos) de todos los DVD que compraron.
En el futuro, Bamman dijo que también espera utilizar el conjunto de datos para hacer preguntas más matizadas sobre la representación en el cine, no sólo examinando la presencia de un actor en la pantalla, sino también cómo se representa a la persona y cómo estas representaciones pueden relacionarse con estereotipos y prejuicios.
“Espero que esto realmente pueda acelerar la investigación en el análisis cultural del cine, donde nosotros y otros podamos usar métodos de visión artificial para medir tendencias a gran escala en estos importantes objetos de la cultura”, dijo Bamman. “Nos encantaría trabajar con estudios cinematográficos e investigadores cinematográficos para lograr este objetivo”.
Entre los coautores adicionales del estudio se encuentran Naitian Zhou de la Universidad de California en Berkeley y Richard Jean So de la Universidad McGill. La investigación contó con el apoyo financiero de la Fundación Mellon. UC Berkeley News. K. M. Traducido al español