Principal Cloud Computing Ce que Watson d'IBM a trouvé après avoir analysé les personnages de 'Game of Thrones'

Ce que Watson d'IBM a trouvé après avoir analysé les personnages de 'Game of Thrones'

Votre Horoscope Pour Demain

La sixième saison du programme HBO Jeu des trônes commence le 24 avril.

maîtres de la valeur nette

Et si vous êtes un fan des livres sur lesquels le programme est basé, vous ne savez pas trop à quoi vous attendre. L'auteur George R. R. Martin n'a pas encore annoncé de date de sortie pour le sixième livre de la série. Ce qui signifie que l'émission de télévision est sur le point de prendre de l'avance sur les livres, en termes de direction de l'intrigue.

Le résultat? Les fans du livre se préparent à des alertes spoiler aux proportions épiques. Dans un marketing au bon moment, le chercheur d'IBM Vinith Misra a utilisé un programme Watson appelé Personality Insights pour analyser comment Jeu des trônes les personnages ont évolué dans les cinq premiers livres et anticipent ce à quoi les lecteurs pourraient s'attendre dans le sixième livre. Voici ce que les données ont révélé :

  • Alors que Daenerys Targaryen embrasse son Khaleesi intérieur et sa reine, elle perd lentement son ouverture et son libéralisme, et devient à la fois plus inquiète, en colère, affirmée et dévouée.
  • L'extraversion et la gaieté originales de Sansa Stark ont ​​été remplacées par la conscience de soi, une vie interne imaginative et le devoir.
  • Sa sœur, Arya Stark, s'est endurcie au fil des livres. Elle est maintenant moins vulnérable et moins sujette à s'inquiéter.
  • Le personnage initialement plus confiant et discipliné de Tyrion Lannister a cédé la place à un alcoolique vulnérable et émotif.
  • Jon Snow est passé d'un jeune en colère, vulnérable et en quête d'aventure à un leader discipliné, intelligent et prudent.

Si vous avez regardé la série ou lu les livres, votre première réaction à tout ce qui précède pourrait être : Duh. Je n'avais pas besoin de Watson's Personality Insights pour me le dire. Quel est le problème ?

Le gros problème est que 'Watson ne lit pas les actions de ces personnages comme un humain le ferait', explique Misra. Watson est parvenu à ces lectures précises des personnages strictement grâce à une analyse des choix de mots utilisés par les personnages dans les cinq premiers livres.

Par exemple, lorsque Watson détermine le score d'altruisme d'un personnage, il choisit des pluriels à la première personne (« nous », « nous », « nos », « nos ») et des mots comme courage, bravoure, audace, certain, défini, confiant , facile, et la foi. Les jurons ont un impact négatif sur le score d'altruisme d'un personnage. Le personnage le plus altruiste, selon Watson, est Bran. Le moins altruiste est Tyrion.

De même, lors de la détermination du score d'affirmation de soi d'un personnage, Watson recherche des mots tels que combattre, pardonner, donner, rencontrer, négocier, expliquer et persuader. Les personnages les plus affirmés, selon l'analyse de Watson, sont Arya et Brienne. Les moins affirmés sont Barristan et Davos. Lorsque Watson détermine le score d'émotivité d'un personnage - un trait combinant la conscience de soi, l'empathie et la passion - il recherche des mots comme étreindre, tenir, souffrir, alcool, affection, admirer, adorer et sourire. Les personnages les plus émotifs sont Cersei et Daenerys. Les personnages les moins bien notés - on pourrait les appeler les plus stoïques - sont Davos et Ned.

Imaginez maintenant que vous ayez cette capacité - d'évaluer des personnalités par la fréquence des choix de mots - dans une grande organisation. Si vous deviez trier des milliers de candidats pour un poste particulier, vous pourriez utiliser un outil tel que Personality Insights pour vous fournir des données précises sur les candidats ayant le plus (ou le moins) d'altruisme et d'émotivité dans leurs CV et lettres de motivation.

De même, si vous formiez une équipe d'innovation et que vous souhaitiez que les participants aient des scores d'affirmation de soi élevés, vous pouvez utiliser Personality Insights pour analyser les documents internes (e-mails, messages Slack) pour les données. Comme dans tous les cas avec l'analyse, que ce soit pour le baseball ou les affaires, vous ne voudriez pas vous fier uniquement aux données. Mais les informations tirées des données, dit Misra, fourniraient un « composant de vérification de l'intégrité ». Et vous empêchera sûrement de faire confiance à un Lannister pour des questions de sensibilité émotionnelle.