跳到主要內容

神經網絡預測生死?冰與火之歌角色死亡概率如何計算?

經由 warehouse 提問 ‧ 118 天前

數據分析

有人用AI來預測美劇權力遊戲角色的死亡機率,雖然結果不盡準確,但到底是如何找出那些關鍵因素的?運用在真實的人身上可行性高不高?

新聞出處: https://www.bnext.com.tw/article/53064/ai-predicts-who-will-die-in-game-of-thrones

回答 9

經由 omnixri 回答 ‧ 114 天前

「預測」一直是人類最渴望獲得的能力,不管是藉助占卜、星座、手面相、風水,只要能提早知道未來就能趨吉避凶(不是驅吉必凶)。以往只能透過專業命理師及不良江湖術士來推斷,如今透過AI及數學模型來預測未來,似乎變得比較科學及可信了。但不論是那種方法,資訊不足或者把一堆看似沒關連的資料擺在一起就很難推論,或者只能得到「垃圾進垃圾出(GIGO)」的結果。

在許多學習AI(深度學習)的朋友,入門起手式最常練習的就是預測鐵達尼號乘客的生還機率,利用乘客資訊(艙等、姓名、性別、年齡、手足在船上數量、雙親子女在船上數量、車票號碼、旅客費用、艙位號碼及登船港口)建立一深度學習的神經網路,來預測乘客生死問題。首先把資料分成兩堆(大約3:1 ~ 4:1)作為訓練集和驗證集,再進行模型的訓練及驗證,最後便能用這組模型(網路加權重)來推論不在訓練及驗證集中的乘客的生還機會,這就和預測劇中人生存問題非常類似。

如果想知道如何操作,這裡剛好有一篇文章寫得不錯,可以參考一下。 

Keras深度學習(Deep Learning) 預測鐵達尼號旅客生存機率

經由 j;6u045j6 回答 ‧ 104 天前

其實在2、3年前就有在預測人的死亡時間了,但只限於確診重症的病患,預測接下來一年的死亡時間。

經由 omnixri 評論 ‧ 104 天前

一般來說只要輸入條件夠多,加上大量收集案例並加以統計或學習特徵,是很有機會推論的。現在的醫生對於不治之症的病患死期預告正確率越來越高,就是大量數據統計而得的,且透過這些資訊還可協助病患遠離加速死亡環境或藥物,使得病人有機會多活一段時間。

經由 linda.lin 回答 ‧ 103 天前

回歸到這篇所在做的事情,預測權力遊戲的劇情其實是在預測單一編輯所做的決定。

到底編輯在撰寫故事的時候會不會去思考到性別、

家族、婚姻狀況等等的因素後才決定要讓誰領便當?

還是靠感性的方式自由發揮咧?

經由 chuckmails 回答 ‧ 88 天前

除了冰與火之歌以外,《紅樓夢》後40回到底是不是曹雪芹寫的也有人透過機器學習來分析資料判斷,

生成全書的詞頻表>將120回的詞頻進行統計>前80回、後40回各選15個來餵給機器學習它們的特點,然後把剩下的章節輸入給機器,問它們屬於前80回還是後40回。

AI分辨作者、預測劇情說到底就是分析作者寫作習慣,將寫作詞彙故事架構轉換成數學模型。

經由 ShenWaWa 回答 ‧ 83 天前

個人認為之所以能夠預測冰與火之歌角色的死亡概率是藉由海量的數據資料

例如影集裡基本的固定劇情或套路亦或是作者的寫作風格來預測角色的死亡機率

(BTW 雖然新聞來源指的前三低死亡機率的角色已經有兩個人領便當了xd)

但現實人類可不同了

命運是殘酷的  誰都無法準確預測幾月幾日幾時幾秒哪個人會因為什麼原因離世

經由 yinghsuan1217 回答 ‧ 73 天前

真實的人生所記錄下的東西應該比劇中的角色更少...

除非像楚門的世界一樣一直直播人生,才有夠多的資訊去計算吧!

經由 slipknot 回答 ‧ 44 天前

新聞裡有提到它模型所用到的關鍵因子有包括家族、情人數量、婚姻狀況、頭銜數量、角色的重要性以及性別等...。至於為何選定這些因子的原因,大概一開始是用猜測的,再用統計方式去找相關係數證明。

經由 mileen.tsai 回答 ‧ 42 天前

這部美劇之所以能做出還不錯的死亡預測是因為它劇中死亡的腳色有夠多,有足夠的死亡案例才能夠建立出較具參考性的模型。

經由 小文 回答 ‧ 35 天前

我認為對於真實人生預測死亡的可能性是越來越高

或者說它可以預測的時間越來越長

因為過去的資料大多是來自重症患者連續住院時期所能記錄到較完整的資訊

但隨著醫療IoT設備越來越多

就算不在醫院也能隨時記錄身體資訊

需登入才能回答問題