預測《權力遊戲》角色生死 AI演算法魔力何在?

預測《權力遊戲》角色生死 AI演算法魔力何在?
▲預測《權力遊戲》角色生死,AI演算法魔力何在?(圖/翻攝自雷鋒網,下同)

【原文:《預測《權遊》角色生死,AI演算法魔力何在?》,智慧機器人網編輯整理】

文、圖/雷鋒網

AI「決定」角色生死

早在2016年,《權力的遊戲》第六季播出之前,慕尼克工業大學(TUM)的學生就開發了一款AI應用程式,來預測劇中人物的存活情況。

近兩年之後,《權力的遊戲》第八季,也就是最後一季,終於在昨天(14)回歸了。再過六周多一點的時間,我們就會知道這部劇在過去八年中一直朝著一個目標前進,那就是:很多人會死。

和這部劇一起歸來的還有當年的學生團隊,他們使用自己設計的AI演算法,在網上搜索相關的資料,並計算劇中每個角色的生存幾率。

如果你認為機器學習的預測只是胡言亂語,可別忘了,這群學生之前創建的演算法就成功預測了雪諾(Jon Snow)的復活。

他們的演算法預測,龍媽(Daenerys Targaryen)最有可能在這個痛苦的世界中生存下來,存活的幾率為99%。她的國王之手小惡魔(Tyrion Lannister)的存活率也高達97%。

Jon Snow是一個稍微複雜一點的命題,但是,演算法預測,他在第八季中倖存的機會為88%,可以說是非常強勁了。

從統計資料上看,Bronn幾乎肯定會死,預測的死亡率為93%;Gregor Clegane的死亡率也高達80%;珊莎(Sansa Stark)出生在臨冬城,而且已經結了婚,她的死亡率為73%;她的小妹妹(同時也是十足的壞蛋)Arya存活的幾率略高,預計的死亡率為47%。

當然,這只是演算法分析的結果,所以要對這一切有所保留。說到底,這只不過是又一個證明機器學習能力的偉大實驗。

演算法「魔力」何在?

機器學習能夠從過去的海量案例中學習,並自動編譯關於案列的統計資料,然後對未來的事情做出預測。

《權力的遊戲》裡只有少數角色死於老年,但大多數角色都以暴力收場。這不僅讓人深思,劇中的死亡情況是隨機發生的,還是只發生在那些表現出類似特徵的人身上?這些特徵可能是年齡、血統和性別,也可能是劇中角色所做出的錯誤且重大的決定。

該演算法試圖分析所有死亡角色的共同特徵,然後利用共同特徵來預測存活角色的死亡百分比(PLOD)。演算法分析的資料提取自《冰與火之歌》和《權力的遊戲》的維琪百科內容,這可能是分析該系列5本書和8季電視劇中大約2000個角色的最佳資源。

演算法不僅從資訊庫中提取每一個角色的死亡或存活資訊,還提取了描述角色的其他特徵。這樣,一個資料集就產生了,它可以用同一個特性來描述不同的角色,無論死亡或存活。下一步就是,找到最能區分死角色和活角色的特徵集。

貝葉斯生存分析

這個機器學習模型旨在使用與貝葉斯推理相關的技術,來檢驗不同特徵與角色壽命的關係,類似於檢驗治療和併發症對癌症患者的影響,或檢驗地震事件之間的相關性。

這個學生團隊假設,在一個角色的一生中,他/她每年都有一定的概率死亡。這個基本死亡率對所有角色都是一樣的,但特徵不同會讓死亡概率增加。例如,作為一個男人可能會讓死亡風險增加60%。

通過計算這些危險性,機器可以為任何角色建立一個生存函數,以此來判斷,在一段時間內,該角色死亡的可能性有多大。

該模型就房子、情人、婚姻、主/次要角色、以及性別等特徵進行了分析。

神經網路

除了貝葉斯生存分析,另一種方法是訓練神經網路來預測某個角色在某一年的死亡率。這種方法也會建立生存函數,但是神經網路的模式會比貝葉斯模型更複雜。神經網路會包含更多的「意外」死亡,而貝葉斯模型則認為這些死亡是隨機的異常值。

這個模型使用了Python的Keras框架。基本上,最簡單的神經網路架構之一就是使用前饋技術。這意味著輸入是一個任意的實值維數向量,然後通過所謂的「隱藏層」進行處理,最終輸出也是一個數位向量。

此外,神經網路由許多參數組成,這些參數在訓練過程中會進行調整。訓練是自動改變參數的步驟,使網路輸出盡可能接近給定的輸入- 輸出關係。

如何將與角色相關的複雜資訊轉換為向量,是目前要考慮的重中之重。有些資訊是標量,例如角色介紹在維琪百科中的排名前後。其他資訊,例如角色出現的情節,是一組有預定義的值。

因此,我們可以創建一個維度與劇集數量相同的向量,如果角色出現在相應的劇集中,則將維度設置為1.0,否則設置為0.0。通過這種方式,不同種類的資訊可以轉化為向量,而且這些向量會相加。最後,書中的資料提供了1561個輸入維度,電視劇中的資料提供了411個輸入維度。

一般來說,變老仍然是影響角色死亡的最重要因素,畢竟,年齡越大,經歷的危險就越多。這就是角色的年齡也要被神經網路採納分析的原因。

因為神經網路的輸出只是決定「生存百分比」的一個維度,所以為每個角色創建90個不同的輸入向量是有可能實現的(每一年對應一個輸入向量)。如果角色到達設定的年齡仍然存在,神經網路將預測該輸入向量為1.0,否則為0.0。

此外,這個神經系統還允許預測PLOS隨時間變化:修改角色的輸入年齡很容易,而且修改會與PLOS中的變化直接相關。系統預測的角色死亡率僅僅針對《權利的遊戲》第八季。

為了總結這一點,讓我們看一些關於預測和神經網路的統計資料。

首先,的《冰與火之歌》裡共有484個可用的角色,其中188個用於訓練(即已經死亡),其餘296個存活角色則用於預測。最後,書中資料的訓練準確率達到了88.75%,而最終的驗證準確率為89.92%。

同樣,《權利的遊戲》中提取146個可用角色,82個用於訓練,64個用於預測。電視劇資料最終的訓練準確率為79.64%,最終的驗證準確率為85.69%。


熱門標籤

留言

延伸閱讀