第 91 屆奧斯卡金像獎頒獎典禮將於北京時間 2 月 25 日上午 7:30 在美國洛杉磯舉行。作為最為重要的年度電影盛會，每年的奧斯卡獎都會吸引全世界的目光。喜歡電影的人總會在結果揭曉前給出自己的預測，不過主觀評價並不靠譜，我們應該用上人工智慧等新技術。

前不久，官方公布了所有大獎的提名影片，今年的獎項將在這些電影里揭曉：

2019 年奧斯卡獎最重要獎項的提名，圖片來自豆瓣。

今年的最大看點似乎就是歷史上首次出現在最佳影片提名中的超級英雄電影《黑豹》了，另一個打破慣例的則是由在線內容供應商 Netflix 支持的《羅馬》，後者一口氣獲得了包括最佳電影、最佳導演等大獎在內的 10 個提名。眾所周知，Netflix 通過網路提供視頻節目，但這種形式對於傳統產業造成了一定衝擊，不少電影院一直以來都拒絕與其合作，《羅馬》當初在美國上映，也是 Netflix 專門租了一些電影院，而這些電影院甚至沒有提供票房數據。

BigML：最佳影片難以預測

去年成功預測奧斯卡獲獎者後，BigML 決定用機器學習預測今年的奧斯卡獎獲得者。不過，今年的結果不太明顯。對於一些頂級獎項，機器學習的預測結果顯示了誰能拿到夢寐以求的小金人。

Davidlohr Bueso/Flickr.com (http://flickr.com/)

在預測中，技術人員再次應用了標準的機器學習流程：先收集和準備數據集，然後構建和評估模型，最終做出預測。使用 BigML 上的 1-click OptiML 找出最佳模型，我們輕鬆處理了 100 多個變數，並根據過去獲獎的電影確定了模式，然後估計今年的提名。

數據

本周早些時候，BigML 發布了電影數據集，並鼓勵用戶構建他們自己的模型來預測 2019 年的奧斯卡獎。機器學習模型通常會隨著數據實例的增多而獲得改進，因此我們保留了前一年為了預測所收集的所有以前的數據和特徵，又添加了 2018 年收集到的新數據，總計有 1235 部電影（從 2000 年到 2018 年），其中每部電影有 100 多個特徵，包括：

• 如電影時長、預算和類型這樣的特性。
• IMDB 中的電影評價指標，如投票數量、評分和 Metascore。
• 今年 20 個主要業內獎項的提名者和獲獎者，包括金球獎、英國電影學院獎（BAFTA）、美國演員工會獎（Screen Actors Guild）和評論家選擇獎（Critics Choice）。

模型

除了使用 2018 年用過的 deepnet，BigML 今年還用上了 OptiML 和 Fusions。OptiML 是 BigML 上的優化過程，會自動尋找最佳監督模型，而 Fusions 會融合多個監督模型以提高性能。因此對於每個獎項類別，研究者們訓練了兩個獨立的模型，看看預測結果會如何比較，哪種方法會給出最好的結果。

今年，我們的流程是先構建 OptiML，它返回了一系列性能最好的模型，包括 deepnets、ensembles、logistic 回歸和決策樹。這個強大的方法節省了你手動調整多個監督演算法的精力和時間。輕輕點擊一下滑鼠，我們就可以自動構建和評估數百個模型。從以下截圖可以發現，僅用了 16 分鐘，OptiML 就評估了 126 個模型。

OptiML 結束後，我們把最好的模型融合在了一起，然後做了批量預測。我們的模型確定了哪些方面對於預測「最佳影片獎（Best Picture）」來說最為重要，如下所示。「Critics Choice won categories」似乎是最重要的指標，佔了模型預測的 27%。

獎項預測

最後一步，我們開始預測 2019 年的獲獎者。對於每個獎項，我們會預測獲獎者和其他提名者的分數。

對於「最佳影片獎」，我們的模型選定的是影片《寵兒》（The Favourite）和《羅馬》（Roma）。deepnet 模型選擇的是《寵兒》，給出的分數是 37 分。OptiML + Fusion 模型選擇的是《羅馬》，但其給出的分數是 24，因此 BigML 傾向於 deepnet 模型所做的預測。

對於「最佳導演獎」，機器學習模型給出的預測就更加自信了。它選擇了《羅馬》的導演 Alfonso Cuarón，給出的預測分數是 70，遙遙領先於其他提名者。

對於「最佳女演員獎」，模型選擇的是《賢妻》中的格倫·克洛斯，得分高達 93。

對於「最佳男演員獎」，所有模型的預測結果都指向了《波西米亞狂想曲》中的拉米·馬雷克，得分為 96。

對於「最佳女配獎」，機器學習模型也拿不準。雖然選擇了艾瑪·斯通，但得分僅有 23。看來機器也不是萬能的，這個時候準不準就得看運氣了。

不過對於「最佳男配獎」，模型就有信心多了。其一致選擇是《綠皮書》中的 Mahershala Ali，得分 64。

至於「最佳原創劇本獎」，模型選擇的是《First Reformed》，得分 46。緊隨其後的是《羅馬》和《寵兒》，得分分別是 17 和 16。

最後，模型認為影片《BlacKkKlansman》應獲得「最佳改編劇本獎」。

以上就是 BigML 人工智慧對於 2019 年奧斯卡部分獎項的預測，在 25 日獎項揭曉時我們可以它看看到底準不準。

微軟必應：《羅馬》將是最大贏家

即使是人工智慧，我們也不要聽信一家之言，微軟小冰曾經成功預測了萊昂納多·迪卡普里奧獲得奧斯卡獎，讓我們看看同屬微軟的必應今年是怎樣預測的。本月初，Bing 放出了根據智能演算法預測的 2019 奧斯卡獲獎者名單。

與 BigML 有所不同的是，必應預測《羅馬》將是今年獎項的領跑者，有 23% 的可能性獲得最佳影片獎，而其指導者阿方索·卡隆則有 79% 的可能性獲得最佳導演獎。必應還預測今年「羅馬」將贏得最多的奧斯卡獎項——它是四大類別的有力競爭者，其中包括最佳影片（23％）、最佳導演（79％）、最佳外語片（83％）和最佳攝影（51％）。

由歐格斯·蘭斯莫斯執導的《寵兒》預計將獲得三項奧斯卡獎，包括最佳原創劇本（35％）、最佳服裝設計（42％）和最佳製作設計（36％）。

拉米·馬雷克在電影《波西米亞狂想曲》中扮演傳奇樂隊 Queen 主唱 Freddie Mercury，與 BigML 的預測相同，他成為了最佳男主角的最有潛力獲獎者，獲獎幾率為 42%。

Lady Gaga 和布萊德利·庫珀在電影《一個明星的誕生》中的歌曲《Shallow》最有可能獲得今年的奧斯卡原創歌曲，其幾率高達 73%。

值得一提的是去年，微軟必應預測奧斯卡獎項的準確率為 87.5%，在 24 個獎項中有 21 個預測正確。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！