《权力的游戏》中谁活到了最后？来看看人工智能的答案

《权力的游戏》的最终季目前已经播出两集了，由于异鬼的“缺席”，目前还没有我们熟悉的角色牺牲，但谁都知道，这样人人喜闻乐见的局面不会长久，在这一季中，必将还有大批（或者是全部）重要角色以我们意想不到，且不愿看到的方式永远离开。谁会活到最后，也是这部美剧最大的悬念。

网上已有无数粉丝或看似缜密或漏洞百出或脑洞奇大的分析和预测了，而不久前，一个来自德国慕尼黑工业大学（TUM）的团队也给出了自己的预测。与其他那些人为预测不同的是，他们运用的是这两年最时髦的人工智能技术，由此开发出一套机器学习算法，算出了每个角色的死亡概率。

其结果被直观地展现在专门为此制作的网站上。在每个角色的对应页面，都展示了更细致的数据分析。

机器学习模型来源于剧迷们的数据贡献，具体来说，主要有5个来源，分别是A Wiki of Ice and Fire、Game of Thrones wiki、MediaWiki、维基百科以及Twitter。

其中A Wiki of Ice and Fire和Game of Thrones wiki是最重要的两个来源。前者是一个由剧迷自建的百科类网站，当中有关于整个《权力的游戏》非常详尽的人物、历史、地理、文化等等介绍；后者则更多是一个剧迷讨论社区。算法会从这些网站内包含的庞大数据中提取诸如一个角色是否已经死亡、有哪些属性（如性别、年龄）等等信息。

性别和年龄与死亡率的关系

是的，诸如性别、是否是贵族出身、属于哪个家族、情人数量、是否是主要角色、是否结婚等等，都成为一个角色存活率的影响因素。

这就用到了贝叶斯定理，它描述的是在已知一些条件下，某事件的发生概率。

该算法模型会以年为单位，每一年每个角色的上述某些属性都可能出现改变。这样，如果已知死亡和家族出身有关，就可以通过得知某个角色所属的家族，来计算出他在这一年的死亡概率。而综合考虑多种因素，就可以建立一个角色的生存函数。

而另一个与贝叶斯生存分析互为补充的，就是人工智能中非常重要的神经网络技术。

神经网络最重要的功能就是分类，比如在网络上的一堆照片里，区分出哪些照片里的人物是男性、哪些是女性。

相比贝叶斯方法，该团队在训练神经网络时选取的影响死亡概率的因素，在性别之外又增加了网页排名、亲属数量、当前年龄、效忠人数、出现的集数以及头衔数量。

神经网络技术还能够潜在地找到更复杂的模型，并且涵盖更多可能被贝叶斯方法认为是随机异常事件的死亡可能性统计。

最终，算法得出了一组统一的概率，比如女性的死亡概率为11%，男性为22%；贵族为18%，平民为25%等等。

贵族更安全

以两个最主要的角色龙妈和囧雪为例，龙妈的主页显示，她是一个已婚人士，因而其死亡概率降低了55.7%；因为是坦格利安家族后裔，概率降低了42.3%；因为是主要人物，概率又降低了16%。

囧雪的情况则是，同样身为主要人物死亡概率降低了16%；因为史塔克家族成员的身份，降低了38.3%；不过因为是男性，其死亡概率增长了100%。

截至目前，主要角色中存活率最高的前三位分别是“龙妈”丹妮莉丝·坦格利安（死亡概率0.9%）、阿莎·葛雷乔伊（死亡概率1%）、山姆妻子吉莉（2%），“小恶魔”提利昂·兰尼斯特（2.5%）则是存活率最高的主要男性角色。

存活率最低的三位则是雇佣兵波隆（93.5%）、瑟曦的贴身侍卫“魔山”（80.3%）和珊莎·史塔克（73.3%）。囧雪的弟弟布兰·史塔克也以57.8%的死亡概率紧随其后。

同样，该算法也预测了原著《冰与火之歌》中每个角色的存活率，数值与电视剧略有不同。

但值得注意的是，由于机器学习的特点，所有角色的存活率会随着剧中时间的推移出现轻微变化。譬如，龙妈在剧中当前纪年的存活率为99.12%，下一年则为98.6%。

是不是有些不明觉厉？来看看剧集中主要角色的死亡概率由低到高的依次排名吧——

当然，还是要说，算法只是基于目前的数据，而《权力的游戏》的结局要是能用任何科学算法算出，那它就不是《权力的游戏》了。所以，在你心目中，谁能活到最后呢？