AI如何預測《權力的游戲》角色生死

未知

①《權力的游戲》角色死亡概率預測頁面，綠色代表生存幾率

在8季《權力的游戲》中，最讓觀眾揪心的一件事就是，你永遠無法猜到某一角色能否活到下一集，即使是十分重要的角色也隨時可能死掉。https：//got.show網(wǎng)站應運而生，它是由慕尼黑工業(yè)大學（ Technical University ofMunich）的學生創(chuàng)建，通過一套Al算法為觀眾預測劇中各角色的死亡率。其中某些角色的預測相當準，以瓊-雪諾為例，預測其在第8季中活下去的可能性極高死亡概率僅為12%（圖1），與最終的劇情結果還是相當吻合的。

機器學習與預測模型

got.show網(wǎng)站究竟是怎么預測的呢？原來他們主要應用了機器學習技術（Machine learning，ML）。傳統(tǒng)軟件，都是預先編寫好程序來執(zhí)行特定的任務，相對來說是固定不變的。應用機器學習的Al軟件則不去編寫具體的執(zhí)行程序，而是通過算法對大量的樣本數(shù)據(jù)進行“學習”（解析），從中找出規(guī)律、抽取模型，再用此模型對新數(shù)據(jù)進行判定和預測（圖2）。機器學習并不是固定不變的，在不斷地“學習訓練”的過程中，它自動對算法進行改進以達到更優(yōu)的性能。

②機器學習的三種模式（監(jiān)督學習、非監(jiān)督學習、強化學習）

相比于其他的電視劇，《權力的游戲》中的角色可能是最沒有安全感的，他們不斷地死掉，有的被暴力殺死，有的死于年老疾病，有的死于意外，不一而足。那么這些角色的死亡到底是隨機出現(xiàn)的，還是他們都具有某些相似的特征呢？比如年齡、性別、爭奪遺產(chǎn)等等。got.show通過機器學習，對這些死亡角色的生活進行分析，找出其中共有的模型特征，再以此模型去預測還活著的角色的死亡可能性百分比（PLOD），也就是——下一個死的可能會是誰？

貝葉斯生存分析

got.show搜集了《權力的游戲》中的近千個角色，并從多個相關的百科網(wǎng)站及社交網(wǎng)站等媒體上，提取每個角色是否死亡的信息，以及每個角色的描述信息，建立起一個數(shù)據(jù)集，并提取出各角色生與死的特征集。

接下來他們應用了貝葉斯生存分析模型，對所搜集的數(shù)據(jù)進行學習。貝葉斯生存分析常用于醫(yī)學臨床研究中，檢查治療、并發(fā)癥或重大事件等對患者的影響，從而來評估存活率。got.show應用這一模型，則主要通過貝葉斯推理的相關技術，檢查不同特征和角色壽命之間的關系。他們做出的一個主要假設就是：每個角色的生命都會有一些基本的危險概率，并且某些屬性存在與否將導致一些角色比其他角色更容易死。比如根據(jù)統(tǒng)計，《權力的游戲》中男性角色的死亡率要高于女性（圖3），那么在預測某個男性的死亡率時，他的危險概率就會提高。

除了性別之外，got.show還加入了家族、情侶、婚姻、身份、年齡、主要/次要角色等參數(shù)，將它們綜合到一起后計算出角色的存活率。比如瓊·雪諾，作為一個男性以及史塔克家族的成員，他的危險概率可能有60%或更高（圖4），但他的年齡、貴族身份等，又使得這一概率下降不少。如此建立起模型之后，通過不斷地學習訓練，就使得預測的準確度越來越高了。

當然，貝葉斯生存分析可以進行大概率的預測，但是對那些毫無征兆的突然性死亡事件，它會作為隨機異常值進行處理，無法精準地預測，于是got.show在貝葉斯模型之外，還引入了更為復雜的神經(jīng)網(wǎng)絡技術（基于Python的Keras框架）。有關神經(jīng)網(wǎng)絡的技術原理，本欄目已有過介紹，就不再贅述了。

③《權力的游戲》中男性和女性存活率及身份比較

④由上自下：Arryn（藍色）、Lannister（金色）、None（綠色）和Stark（灰色）家族存活率比較

機器學習預測的應用

正如got.show項目的導師Guy Yachdav所說，他們所開發(fā)的這套預測算法的數(shù)據(jù)雖然都來自虛構的故事，不過這項Al技術其實也可以應用到現(xiàn)實世界中，對不同的領域做出有價值的趨勢預測。

當下比較流行的機器學習預測應用領域有很多，比如天氣預報預測、股市行情預測、房價趨勢預測、市場各類商品價格預測、銷售預測（圖5）等等，甚至還有預測葡萄酒的釀造質量這樣的另類預測。總之在未來，它的應用將會越來越廣。

⑤預測領先評分是眾多機器學習應用之一