AI如何预测《权力的游戏》角色生死

2019-10-30未知

电脑爱好者 2019年12期

未知

①《权力的游戏》角色死亡概率预测页面，绿色代表生存几率

在8季《权力的游戏》中，最让观众揪心的一件事就是，你永远无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随时可能死掉。https：//got.show网站应运而生，它是由慕尼黑工业大学（ Technical University ofMunich）的学生创建，通过一套Al算法为观众预测剧中各角色的死亡率。其中某些角色的预测相当准，以琼-雪诺为例，预测其在第8季中活下去的可能性极高死亡概率仅为12%（图1），与最终的剧情结果还是相当吻合的。

机器学习与预测模型

got.show网站究竟是怎么预测的呢？原来他们主要应用了机器学习技术（Machine learning，ML）。传统软件，都是预先编写好程序来执行特定的任务，相对来说是固定不变的。应用机器学习的Al软件则不去编写具体的执行程序，而是通过算法对大量的样本数据进行“学习”（解析），从中找出规律、抽取模型，再用此模型对新数据进行判定和预测（图2）。机器学习并不是固定不变的，在不断地“学习训练”的过程中，它自动对算法进行改进以达到更优的性能。

②机器学习的三种模式（监督学习、非监督学习、强化学习）

相比于其他的电视剧，《权力的游戏》中的角色可能是最没有安全感的，他们不断地死掉，有的被暴力杀死，有的死于年老疾病，有的死于意外，不一而足。那么这些角色的死亡到底是随机出现的，还是他们都具有某些相似的特征呢？比如年龄、性别、争夺遗产等等。got.show通过机器学习，对这些死亡角色的生活进行分析，找出其中共有的模型特征，再以此模型去预测还活着的角色的死亡可能性百分比（PLOD），也就是——下一个死的可能会是谁？

贝叶斯生存分析

got.show搜集了《权力的游戏》中的近千个角色，并从多个相关的百科网站及社交网站等媒体上，提取每个角色是否死亡的信息，以及每个角色的描述信息，建立起一个数据集，并提取出各角色生与死的特征集。

接下来他们应用了贝叶斯生存分析模型，对所搜集的数据进行学习。贝叶斯生存分析常用于医学临床研究中，检查治疗、并发症或重大事件等对患者的影响，从而来评估存活率。got.show应用这一模型，则主要通过贝叶斯推理的相关技术，检查不同特征和角色寿命之间的关系。他们做出的一个主要假设就是：每个角色的生命都会有一些基本的危险概率，并且某些属性存在与否将导致一些角色比其他角色更容易死。比如根据统计，《权力的游戏》中男性角色的死亡率要高于女性（图3），那么在预测某个男性的死亡率时，他的危险概率就会提高。

除了性别之外，got.show还加入了家族、情侣、婚姻、身份、年龄、主要/次要角色等参数，将它们综合到一起后计算出角色的存活率。比如琼·雪诺，作为一个男性以及史塔克家族的成员，他的危险概率可能有60%或更高（图4），但他的年龄、贵族身份等，又使得这一概率下降不少。如此建立起模型之后，通过不断地学习训练，就使得预测的准确度越来越高了。

当然，贝叶斯生存分析可以进行大概率的预测，但是对那些毫无征兆的突然性死亡事件，它会作为随机异常值进行处理，无法精准地预测，于是got.show在贝叶斯模型之外，还引入了更为复杂的神经网络技术（基于Python的Keras框架）。有关神经网络的技术原理，本栏目已有过介绍，就不再赘述了。