圖：機(jī)器學(xué)習(xí)支持的算法預(yù)測(cè)了囧雪諾的最終命運(yùn)。圖片來源：慕尼黑理工大學(xué)。

慕尼黑理工大學(xué)的科學(xué)家用人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)預(yù)測(cè)了《冰與火：權(quán)力的游戲》人物命運(yùn)。《權(quán)力的游戲》終極懸念：薛定諤的囧雪諾。上一季大結(jié)局中，身中n刀的Stark家族成員囧雪諾，到底死了嗎？活了嗎？死了嗎活了嗎？？

官方一致回答，死了死了死了。誰(shuí)信啊。網(wǎng)絡(luò)上時(shí)不時(shí)就會(huì)看到“囧雪諾如何復(fù)活”的預(yù)測(cè)帖。

現(xiàn)在，“囧雪復(fù)活”陣營(yíng)獲得了超硬的技術(shù)支持：慕尼黑理工大學(xué)的學(xué)霸Guy Yachday博士在一門關(guān)于人工智能、機(jī)器學(xué)習(xí)和而大數(shù)據(jù)的JavaScript 課程中指導(dǎo)了一個(gè)項(xiàng)目——預(yù)測(cè)結(jié)果是：囧雪諾死亡的概率只有11%。

Happy了嗎？還有呢。龍母丹尼斯·坦格利安會(huì)成為權(quán)力的游戲大贏家，雖然，有高達(dá)95%的死亡率。

該項(xiàng)目名為“冰與數(shù)據(jù)之歌”（好冷…）。項(xiàng)目有一個(gè)工具，追蹤每個(gè)角色相關(guān)的推文，記錄他們?cè)隈R丁創(chuàng)造的虛擬世界中的足跡，并且收集數(shù)據(jù)，預(yù)測(cè)七大王國(guó)的未來。

 “我...放假無聊沒事做”

項(xiàng)目發(fā)起人Yachdav博士來自以色列，在哥倫比亞大學(xué)完成了計(jì)算機(jī)科學(xué)和政治科學(xué)本科學(xué)位，以及MBA（金融與創(chuàng)業(yè)方向）學(xué)位，去年在慕尼黑理工大學(xué)完成生物信息科學(xué)博士學(xué)位。他還是醫(yī)藥數(shù)據(jù)庫(kù)和軟件研究公司Biosof的聯(lián)合創(chuàng)始人及CEO。“這個(gè)項(xiàng)目很好玩。我們研究小組的日常，是用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法回答復(fù)雜的生物學(xué)問題。這個(gè)項(xiàng)目中我們運(yùn)用了類似的技術(shù)。只是這次，研究的是人氣電視劇。“Yachdav博士說?！睌?shù)據(jù)挖掘和機(jī)器學(xué)習(xí)讓數(shù)字機(jī)器從現(xiàn)代生物學(xué)中獲益，進(jìn)行疾病診斷、治療和預(yù)防。這樣一個(gè)‘真實(shí)世界’挑戰(zhàn)，使得這個(gè)課程贏得了學(xué)生們的心。”慕尼黑理工大學(xué)生物信息學(xué)教授Burkhardt Rost說，“而且項(xiàng)目創(chuàng)造的互動(dòng)視覺地圖可能打開一種數(shù)據(jù)視覺化的新方法，我們可以在未來的研究中繼續(xù)跟進(jìn)?！?/p>

Yachdav博士說，他在圣誕假期期間有了“冰與數(shù)據(jù)之歌”的想法，因?yàn)榉偶贈(zèng)]有什么事情做（這…）?！耙荒臧胍郧埃?strong>我坐著，無聊，就開始自己做這件事。我開始收集信息，制作所有角色的屬性，但是放假完了還得回去工作，作為我博士項(xiàng)目的一部分，我得教一門課?！彼f。“馬丁創(chuàng)造的史詩(shī)級(jí)復(fù)雜世界，提供了無窮的多維度數(shù)據(jù)資源，對(duì)于我們的課程來說是一個(gè)完美的設(shè)（借）定（口）?！?/strong>因此，他決定把項(xiàng)目作為JavaScript和數(shù)據(jù)課程的一部分，讓學(xué)生們一起來玩。

——學(xué)霸們無聊起來，特別任性啊。我們一起看看項(xiàng)目網(wǎng)站的介紹，如何利用人工智能算出主角們的終極命運(yùn)。

人工智能大法好

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)技術(shù)讓我們可以進(jìn)行預(yù)測(cè)。它研究大量的過往數(shù)據(jù)，然后自動(dòng)生成數(shù)據(jù)，來預(yù)測(cè)未來事件的可能性?！侗c火之歌》系列的一大“亮點(diǎn)”就是很多角色掛了，包括我們最愛的主角們。只有很少是壽終正寢，大部分都是死于非命。這些死亡是隨機(jī)的？還是因?yàn)榻巧珎冏詭男罢宜馈睂傩裕?/strong>這些屬性可能是年齡、家族和性別。也可能是他們?cè)谌松P(guān)鍵點(diǎn)做出的錯(cuò)誤決定。

這個(gè)項(xiàng)目里，我們希望找到所有已故角色的共同設(shè)定，以此預(yù)測(cè)健在角色的死亡率——預(yù)測(cè)誰(shuí)最可能掛掉。

數(shù)據(jù)抽取

我們?nèi)ナ占怂心苷业降年P(guān)于角色的數(shù)據(jù)。要總結(jié)5本書、2028個(gè)角色的所有數(shù)據(jù)，《冰與火》維基百科大概是信息的最好來源。針對(duì)每一個(gè)角色，我們都從維基中抽取了生死結(jié)果和各種屬性信息，共有超過30個(gè)不同的屬性。我們有了一個(gè)描述每個(gè)角色的信息庫(kù)。

屬性選擇

機(jī)器學(xué)習(xí)可以比較已故角色和健在角色的屬性，選擇那些”生死攸關(guān)“的屬性。我們將所有的屬性和角色名字輸入到機(jī)器學(xué)習(xí)算法中。

為選擇屬性，我們使用了RELIEF功能，用WEKA平臺(tái)的參數(shù)作為初始值。我們最后選出的“生死攸關(guān)”的屬性包括：角色在《群鴉盛宴》書中的出場(chǎng)、所屬家族、社會(huì)群體、角色在《與龍共舞》書中的出場(chǎng)、是否是貴族、性別、頭銜、年齡、婚姻狀況、配偶是死是活…...等24種屬性。

方法描述

我們使用了John Platt的序列最小優(yōu)化算法，來訓(xùn)練一個(gè)使用多項(xiàng)式核函數(shù)的支持向量機(jī)，由WEKA提供。為了訓(xùn)練和測(cè)試模型，我們將數(shù)據(jù)庫(kù)分為10個(gè)同等大小的子數(shù)據(jù)庫(kù)。我們?cè)?組子數(shù)據(jù)中訓(xùn)練模型，用剩下的一組來測(cè)試。我們輪換不同的子數(shù)據(jù)，讓每一組子數(shù)據(jù)都被測(cè)試過一次。這個(gè)過程叫做“十折交叉驗(yàn)證”，可以驗(yàn)證精度。最終結(jié)果的精度為74%。

劇~透~時(shí)~間

在“冰與數(shù)據(jù)之歌”網(wǎng)站上，可以按角色姓名、受歡迎度或者死亡幾率排名查看角色，或者，直接輸入你最愛的角色，看看他/她的命運(yùn)如何。

以下是人工智能最不看好的角色前五名：

 

圖片來源：冰與火維基

冠軍獲得者：托曼·拜拉席恩Tommen Baratheon 97%死亡率

瑟曦·蘭尼斯特和羅伯特·拜拉席恩的兒子。果然，坐上鐵王座都是同一個(gè)命運(yùn)。

第二名：史坦尼斯·拜拉席恩 Stannis Baratheon 96%死亡率

羅伯特·拜拉席恩的弟弟，有女巫助陣的“七大王國(guó)合法繼承人”之一。 

第三名：丹尼斯·坦格利安 95%死亡率

圖片來源：“冰與數(shù)據(jù)之歌”

我們來看看推特上大家對(duì)龍母的感情，正面的推文28227條，負(fù)面的推文13091條，龍母人氣棒棒噠。

 

圖片來源：GoTDB

第四名：“洋蔥騎士”戴佛斯·席渥斯 Davos Seaworth 91%死亡率

史坦尼斯國(guó)王的司令和忠實(shí)支持者。

 

圖片來源：IMGUR

并列第四名：“小手指頭”培提爾·貝里席 Petyr Baelish 91%死亡率

圖片來源：“冰與數(shù)據(jù)之歌”

特殊行業(yè)從業(yè)者，野心小人物。不過從“冰與數(shù)據(jù)之歌”收集的數(shù)據(jù)來看——6975條正面推文，3253條負(fù)面推文——雖然人氣不如龍母，亦正亦邪的小拇指頭還是很受歡迎嘛。

Via 慕尼黑理工大學(xué) 及 冰與數(shù)據(jù)之歌

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。