AI还可以这样用：人工智能剧透电视剧《权力的游戏》

慕尼黑理工大学的科学家用人工智能、机器学习和大数据预测了《冰与火：权力的游戏》人物命运。《权力的游戏》终极悬念：薛定谔的囧雪诺。上一季大结局中，身中n刀的Stark家族成员囧雪诺，到底死了吗？活了吗？死了吗活了吗？？

官方一致回答，死了死了死了。谁信啊。网络上时不时就会看到“囧雪诺如何复活”的预测帖。

现在，“囧雪复活”阵营获得了超硬的技术支持：慕尼黑理工大学的学霸Guy Yachday博士在一门关于人工智能、机器学习和而大数据的JavaScript 课程中指导了一个项目——预测结果是：囧雪诺死亡的概率只有11%。

Happy了吗？还有呢。龙母丹尼斯·坦格利安会成为权力的游戏大赢家，虽然，有高达95%的死亡率。

该项目名为“冰与数据之歌”（好冷…）。项目有一个工具，追踪每个角色相关的推文，记录他们在马丁创造的虚拟世界中的足迹，并且收集数据，预测七大王国的未来。

“我...放假无聊没事做”

项目发起人Yachdav博士来自以色列，在哥伦比亚大学完成了计算机科学和政治科学本科学位，以及MBA（金融与创业方向）学位，去年在慕尼黑理工大学完成生物信息科学博士学位。他还是医药数据库和软件研究公司Biosof的联合创始人及CEO。“这个项目很好玩。我们研究小组的日常，是用数据挖掘和机器学习算法回答复杂的生物学问题。这个项目中我们运用了类似的技术。只是这次，研究的是人气电视剧。“Yachdav博士说。”数据挖掘和机器学习让数字机器从现代生物学中获益，进行疾病诊断、治疗和预防。这样一个‘真实世界’挑战，使得这个课程赢得了学生们的心。”慕尼黑理工大学生物信息学教授Burkhardt Rost说，“而且项目创造的互动视觉地图可能打开一种数据视觉化的新方法，我们可以在未来的研究中继续跟进。”

Yachdav博士说，他在圣诞假期期间有了“冰与数据之歌”的想法，因为放假没有什么事情做（这…）。“一年半以前，我坐着，无聊，就开始自己做这件事。我开始收集信息，制作所有角色的属性，但是放假完了还得回去工作，作为我博士项目的一部分，我得教一门课。”他说。“马丁创造的史诗级复杂世界，提供了无穷的多维度数据资源，对于我们的课程来说是一个完美的设（借）定（口）。”因此，他决定把项目作为JavaScript和数据课程的一部分，让学生们一起来玩。

——学霸们无聊起来，特别任性啊。我们一起看看项目网站的介绍，如何利用人工智能算出主角们的终极命运。
人工智能大法好

机器学习

机器学习技术让我们可以进行预测。它研究大量的过往数据，然后自动生成数据，来预测未来事件的可能性。《冰与火之歌》系列的一大“亮点”就是很多角色挂了，包括我们最爱的主角们。只有很少是寿终正寝，大部分都是死于非命。这些死亡是随机的？还是因为角色们自带哪些“找死”属性？这些属性可能是年龄、家族和性别。也可能是他们在人生关键点做出的错误决定。

这个项目里，我们希望找到所有已故角色的共同设定，以此预测健在角色的死亡率——预测谁最可能挂掉。

数据抽取

我们去收集了所有能找到的关于角色的数据。要总结5本书、2028个角色的所有数据，《冰与火》维基百科大概是信息的最好来源。针对每一个角色，我们都从维基中抽取了生死结果和各种属性信息，共有超过30个不同的属性。我们有了一个描述每个角色的信息库。

属性选择

机器学习可以比较已故角色和健在角色的属性，选择那些”生死攸关“的属性。我们将所有的属性和角色名字输入到机器学习算法中。

为选择属性，我们使用了RELIEF功能，用WEKA平台的参数作为初始值。我们最后选出的“生死攸关”的属性包括：角色在《群鸦盛宴》书中的出场、所属家族、社会群体、角色在《与龙共舞》书中的出场、是否是贵族、性别、头衔、年龄、婚姻状况、配偶是死是活…...等24种属性。

方法描述

我们使用了John Platt的序列最小优化算法，来训练一个使用多项式核函数的支持向量机，由WEKA提供。为了训练和测试模型，我们将数据库分为10个同等大小的子数据库。我们在9组子数据中训练模型，用剩下的一组来测试。我们轮换不同的子数据，让每一组子数据都被测试过一次。这个过程叫做“十折交叉验证”，可以验证精度。最终结果的精度为74%。

剧~透~时~间

在“冰与数据之歌”网站上，可以按角色姓名、受欢迎度或者死亡几率排名查看角色，或者，直接输入你最爱的角色，看看他/她的命运如何。

以下是人工智能最不看好的角色前五名：

冠军获得者：托曼·拜拉席恩Tommen Baratheon 97%死亡率

瑟曦·兰尼斯特和罗伯特·拜拉席恩的儿子。果然，坐上铁王座都是同一个命运。


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

罗伯特·拜拉席恩的弟弟，有女巫助阵的“七大王国合法继承人”之一。