其他

龙妈也会死?《权力的游戏》AI算法预测丹妮女王危在旦夕

2017-07-31 正在追剧的 AI科技大本营




“凡人皆有一死。”当你进入权力的游戏,成不了赢家,就只有死路一条,马丁大神不会给你任何回旋的余地。


最近,权游剧迷Milan Janosov用机器学习算法量化并预测出了《权力的游戏》剧中每一位角色的命运,结果显示,就连三龙在手、一向顺风顺水的龙之母——丹妮莉丝·塔格利安女王也要步入死生之地了。


并且,龙妈之死的确信度还蛮高的。



Milan Janosov是中欧大学网络科学中心的计算机科学家。基于他从《权力的游戏》字幕中所提取的数据,Janosov建立了一个“权力的游戏的社交网络”,其中主要是该剧近600个场景中的角色互动频率,这些数据被算法提取成了下图中的社交图谱:



这张图谱的量化数据能够清楚地说明:谁有最强的社会背景,谁的“人脉最广”,谁与其他角色有最强的关系——相互欺骗或缔结盟约……在这利益纷争犬牙交错的冰火乱局中,毫无悬念,狼家和狮子家的主要人物牢牢占据着社交图谱的中心位置。


通过社交关系计算出每个角色的重要程度后,Janosov将角色在剧中的生死同他们在社交网络中的位置关联起来:



在他研究的94个角色中,有61人已经死亡。角色互动数据所给出的特征集,很好地描绘了死亡角色在剧情中重要程度及其社会地位,据此,Janosov可以大致推测剧中角色的命运,正如他在论文中所描述的:


基于这里的数据,我们可以学到某种有根据的推测,并判断出哪个角色更有可能在今后上映的剧集中领便当。推测的逻辑是,仍然活着的这些人物中,有哪人的特征跟已经领便当的最为相似。


当机器学习算法学过这里的各种数据后,Janosov所研究的94个角色,有四分之三的人的命运都被该模型准确预测到了。相比剧评师们种种不靠谱的猜测,机器算法的表现可谓是可圈可点。



不过,在预测错误的角色中,有8人早已被丧心病狂的编剧杀死,但该模型仍旧预测他们还活着。比如大名鼎鼎的“小玫瑰”——玛格丽·提利尔,她在剧中死于圣贝勒大教堂的野火爆炸,该幕剧情一同死掉的还有在场“百花骑士”、“大麻雀”等数百人。


对此,Janosov表示,加入更多的信息可以提高模型预测的准确性,如角色性别、家族人数等等。关于他的研究详情,可以参考这里:


https://cns.ceu.edu/article/2017-07-08/network-science-predicts-who-dies-next-game-thrones


https://v.qq.com/txp/iframe/player.html?vid=m019652qns4&width=500&height=375&auto=0

看看前几季纷纷领便当的角色,剧中剩下的人物,极有可能死掉的都有谁呢?


在Janosov的模型所预测出来的结果中,最能惊掉你下巴的就是龙之母了:在接下来的剧情中,丹妮莉丝·坦格利安有91%的死亡几率,该预测的错误率仅为5%。


Janosov,你确定你这算法没有在逗我们所有剧迷们?


我们知道,丹妮女王登陆龙石岛后,她的三条龙、10万多斯拉克骑兵、8000无垢者死士已经是整个维斯特洛大陆最强大的势力。铁王座果真就那么难坐吗?


女王命运扑朔迷离,就连女王座下的无垢者指挥官也要搭进去:灰虫子接下来的死亡几率为90%,错误率同样5%,排名第三。



可意外的是,女王铁卫乔拉·莫尔蒙的死亡概率只有5%,根据剧情,大熊的灰鳞病已经病入膏肓,被关在学城的地下室就剩下等死了。


不过,根据今天最新的剧情,大熊的病的确已被“异鬼杀手”山姆治好了。山姆到学城原本是寻找消灭异鬼的办法,他是在一本老书里发现了治愈灰鳞病的方子,然后冒死从大熊身上剥离出感染他的爬行动物与皮肤脓疱的鳞屑。



另一个意外是,本应遭报应的狼家养子席恩·葛雷乔伊,却跟大熊一样,是死亡几率最低的一个角色。这个背叛狼家、被小剥皮折磨成臭佬、被叔叔“鸦眼”追杀至天涯海角的小海怪,在上一集遭遇“鸦眼”伏击时,眼睁睁看着姐姐被俘、“大沙蛇”被杀而逃命,求生的本能果然又让他在最新的剧情中幸存了下来。



然而,被“鸦眼”俘虏到君临城的“小沙蛇”特蕾妮·沙德就没有那么幸运了,为女报仇心切的瑟熙·兰尼斯特女王可不会让她好受。作为“红毒蛇”的私生女,在上一季谋杀瑟熙的独生女后,“小沙蛇”的死亡几率早已高居机器预测的榜首,达到95%,预测出错率则低至4%。



至于她在最新剧情中的命运,这里就不再具体展开。



下表中每个人物所对应的概率,则是Janosov的机器学习模型所预测的最终结果:



参考链接:

https://www.inverse.com/article/34620-game-of-thrones-daenerys-ai-death-prediction-spoiler





CCAI 2017 精彩回顾

CCAI 2017 | 中国工程院院士李德毅:L3的挑战与量产

CCAI 2017 | 周登勇:众包中的统计推断与激励机制

CCAI 2017 | 漆远:蚂蚁金服 AI 技术大揭秘, 开放“模型服务平台”

CCAI 2017 | 香港科技大学计算机系主任杨强:论深度学习的迁移模型

CCAI 2017 | AAAI 执委 Toby Walsh: AI 是中性技术,如何用它更好地为人类服务

CCAI 2017 | Thomas Dietterich:如何构建强健的人工智能—原因及方式

CCAI 2017 | 日本理化学研究所杉山将:弱监督机器学习的研究进展

CCAI 2017 | Hans Uszkoreit:如何用机器学习和知识图谱来实现商业智能化?

CCAI 2017 | 史元春:科幻与创新

CCAI 2017 | 王颖:论人工智能与艺术

CCAI 2017 | 柳崎峰:金融机构的市场机遇与实践

CCAI 2017 | 邓小铁:金融博弈下的价值学习

CCAI 2017 | 张敏:当人工智能“科学遇到艺术”的一点杂谈

CCAI 2017 | 张胜誉:个性化推荐和资源分配在金融和经济中的应用

CCAI 2017 | 王蕴红:人工智能科学与艺术的鉴赏创作

CCAI 2017 | 王坚博士致辞:人工智能是推动科技发展的动力

CCAI 2017 | 李德毅院士大会致辞:中国人工智能步入新阶段

CCAI 2017 | 谭铁牛院士致辞:人工智能新热潮下要保持清醒头脑,设定科学的目标

令人期待已久的《机器学习之数学基础》系列课程已经开播啦!!满满上百页的课件让大家过足了瘾,课后在课程群也展开了激烈的讨论,高手过招全拼打字速度!群里也涌现出不少数学霸们。。作为数学渣的小编甚至有点不敢说话!如果你也想更顺利的学习机器学习,现在报名数学基础课还不晚!!每周末2天连续5周恶补数学开始啦!!扫描二维码,一起看看咱们的课程都有哪些知识点!

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存