Quantcast
Game of Thrones

Questo modello di machine learning predice chi morirà in ‘Game of Thrones’

Un ricercatore in ha messo il machine learning al servizio dello spoiler.

Giulia Trincardi

Giulia Trincardi

La morte di Joffrey Baratheon, nella quarta stagione. Immagine via HBO

Una delle caratteristiche distintive di Game of Thrones è aver ribaltato una delle regole d'oro implicite dell'intrattenimento televisivo, ovvero che i personaggi principali — soprattutto se buoni — difficilmente muoiono.

Appena la testa dell'integerrimo Ned Stark è rotolata al suolo nella nona puntata della prima stagione, è stato chiaro a tutti (o almeno a chi non aveva mai letto i romanzi di George R.R. Martin su cui la serie HBO si basa), che a Westeros e dintorni la gente — soprattutto se troppo buona per farsi furba — muore facilmente e nei modi più atroci.

Game of Thrones è una serie dove la morte si presenta con tale frequenza per i personaggi preferiti dal pubblico che esistono meme a riguardo, siti che tengono il conto di chi è morto finora e per mano di chi (196 personaggi con nome e cognome se ci limitiamo alle sei stagioni già concluse), e una inconcepibile quantità di teorie fan su chi arriverà vivo in fondo alla serie.

"La forza dell'approccio del machine learning è esattamente quella di trovare relazioni nascoste tra grandi numeri di caratteristiche."

Ora, anche il machine learning prende parte al gioco: Milán Janosov, un dottorando del Center for Network Science della Central European University che si occupa di modelli quantitativi, data mining e visualizzazione dati, ha deciso di mettere la propria scienza al servizio della causa, costruendo un modello per determinare quali tra i personaggi arrivati fino a questo punto nella lotta per il trono di spade sono più probabilmente destinati a una fine macabra.

Per realizzare il modello, Janosov si è basato sulle trascrizioni dei sottotitoli, tracciando una rete di connessioni tra i 94 personaggi principali di Game of Thrones in base ai dialoghi intercorsi.

"Per prima cosa ho costruito una rete aggregata del sistema sociale del reame," spiega il ricercatore nell'introduzione dell'articolo relativo alla ricerca. "In questa rete ogni nodo rappresenta un personaggio della storia, e il peso del legame tra ogni coppia di personaggi simbolizza la forza della loro interazione sociale. Ho considerato le scene come unità elementari dell'interazione sociale." Ad ogni scena condivisa tra due personaggi, insomma, il legame tra di loro acquisisce importanza. In questo modo, spiega Janosov, la rete sociale globale di Westeros "ha quasi 400 nodi e oltre 3000 collegamenti.

La rete di connessioni tra i personaggi principali. Immagine via: Center for Network Science

Dei 94 personaggi principali, prosegue la ricerca, "61 sono già morti." Basandosi proprio su questo dato, è stato possibile fare una stima di chi morirà in futuro, riflettendo su "chi di queste persone ancora vive ha caratteristiche simili a quelle già morte?" In altre parole, a relazioni sociali simili, corrispondono destini simili. Per elaborare la risposta alla domanda, Janosov ha utilizzato un'implementazione di Support Vector Machine (SVM) su Python.

L'algoritmo di machine learning ha prodotto una serie di risultati interessanti, che riguardano anche personaggi morti ma che — stando alla matematica — dovrebbero ancora essere vivi. Una di queste "anomalie" è Margaery Tyrell — la giovane e furba sposa di re Tommen Baratheon che viene fritta viva con mezza King's Landing alla fine della sesta stagione —, la cui morte è sembrata meno probabile al modello perché, da quel che ha imparato studiando le trascrizioni delle puntate, le regine muoiono meno spesso dei re.

"La forza dell'approccio del machine learning," spiega Janosov prima di offrire la lista finale di personaggi più o meno prossimi alla morte in Game of Thrones, "è esattamente quella di trovare relazioni nascoste tra grandi numeri di caratteristiche."

La prima della lista, secondo il modello predittivo di Janosov, è Tayen Sand, una delle figlie di Oberyn Martell e Ellaria Sand che non vediamo comparire o sentiamo nominare da svariate puntate, seguita subito da — strano ma vero — Daenery Targaryen; mentre gli ultimi della lista sarebbero Jorah Mormont — davvero? nonostante sia affetto dall'equivalente westerosi della lebbra? — e Theon Greyjoy, altrimenti noto come il personaggio più sfigato dell'intera saga.

I risultati più interessanti da interpretare sono però quelli centrali, che riguardano personaggi apparentemente disparati tra loro, ma forse accomunati da tipi di interazioni simili sullo schermo e quindi, in un certo senso, nella stessa situazione. Morirà davvero lo scudiero Podrick prima della vecchia stratega Olenna Tyrell? Chi cavolo riuscirebbe a uccidere Jaqen H'ghar, l'assassino senza volto che ha reso Arya Stark una piccola macchina omicida? Perché Petyr Baelish è così in basso nella lista?

Ovviamente, il machine learning applicato alla narrativa — soprattutto una intricata come Game of Thrones —, è un sistema che funziona fino a un certo punto, ma è interessante per evidenziare le regole matematiche che spesso sottendono a una storia elaborata in modo coerente. Se è vero infatti che Game of Thrones è una serie dove la morte sa sorprendere i propri personaggi e, di conseguenza, il pubblico, è anche vero che, a guardare indietro, nessuno dei suoi eventi è gratuito o privo di logica narrativa.

Non ci resta che vedere la nuova stagione della serie per sapere se il modello di Janosov aveva ragione. In tal caso, addio Podrick. Sei stato un personaggio marginale ma assolutamente meraviglioso.