Hemmeligheder bag Game of Thrones afsløret af datavidenskab og netværksteori

Hvad er hemmelighederne bag en af ​​de mest succesrige fantasy-serier nogensinde? Hvordan har en historie så kompleks som "Game of Thrones" betaget verden, og hvordan er den sammenlignet med andre fortællinger?

Forskere fra fem universiteter over hele Storbritannien og Irland gik sammen for at optrevle "A Song of Ice and Fire", bøgerne, som tv-serien er baseret på.

I et papir, der netop er udgivet af Proceedings of the National Academy of Sciences , et hold fysikere, matematikere og psykologer fra Coventry, Warwick, Limerick, Cambridge og Oxford universiteter har brugt datavidenskab og netværksteori til at analysere den roste bogserie af George R.R. Martin.

Undersøgelsen viser, hvordan interaktionerne mellem karaktererne er arrangeret, ligner hvordan mennesker opretholder relationer og interagerer i den virkelige verden. I øvrigt, selvom vigtige karakterer berømt bliver dræbt tilfældigt, mens historien fortælles, den underliggende kronologi er slet ikke så uforudsigelig.

Holdet fandt ud af, at trods over 2, 000 navngivne karakterer i "A Song of Ice and Fire" og over 41, 000 interaktioner mellem dem, på kapitel-for-kapitel-niveau er disse tal gennemsnittet for at matche, hvad vi kan håndtere i det virkelige liv. Selv de mest fremherskende karakterer - dem, der fortæller historien - har i gennemsnit kun 150 andre at holde styr på. Dette er det samme tal, som den gennemsnitlige menneskelige hjerne har udviklet sig til at håndtere.

Mens matchende matematiske motiver kunne have forventet at føre til et ret snævert skrift, forfatteren, George R.R. Martin, holder fortællingen boblende ved at få dødsfald til at fremstå tilfældige, mens historien udfolder sig. Men, som holdet viser, når den kronologiske rækkefølge rekonstrueres, er dødsfaldene slet ikke tilfældige:snarere, de afspejler, hvordan almindelige begivenheder er spredt for ikke-voldelige menneskelige aktiviteter i den virkelige verden.

'Game of Thrones' har inviteret til alle mulige sammenligninger med historie og myter, og ægteskabet mellem videnskab og humaniora åbner i dette papir nye veje til komparative litteraturstudier. Det viser, for eksempel, at det er mere beslægtet med de islandske sagaer end med mytologiske historier som Englands Beowulf eller Irlands Táin Bó Cúailnge. Tricket i Game of Thrones, det ser ud til, er at blande realisme og uforudsigelighed på en kognitivt engagerende måde.

Thomas Gessey-Jones, fra University of Cambridge, kommenterede:"De metoder, der er udviklet i papiret, giver os spændende mulighed for at teste mange af de observationer, som læsere af serien har gjort, på en kvantitativ måde, såsom bogens berømte vane med tilsyneladende at dræbe karakterer tilfældigt."

Professor Colm Connaughton, fra University of Warwick, bemærkede:"Folk giver i vid udstrækning mening om verden gennem fortællinger, men vi har ingen videnskabelig forståelse af, hvad der gør komplekse fortællinger relaterbare og forståelige. Ideerne, der ligger til grund for dette papir, er skridt til at besvare dette spørgsmål."

Professor Ralph Kenna, fra Coventry University, sagde:"Denne form for undersøgelse åbner spændende nye muligheder for at undersøge strukturen og designet af epos i alle mulige sammenhænge; virkningen af ​​beslægtet arbejde omfatter ramaskrig over uretmæssig tilegnelse af mytologi i Irland og fejl i de processer, der førte til det."

Professor Robin Dunbar, fra University of Oxford, bemærkede:"Denne undersøgelse giver overbevisende beviser på, at gode forfattere arbejder meget omhyggeligt inden for læserens psykologiske grænser."

Dr. Pádraig MacCarron, fra University of Limerick kommenterede:"Disse bøger er kendt for uventede drejninger, ofte i form af en hovedpersons død, det er interessant at se, hvordan forfatteren arrangerer kapitlerne i en rækkefølge, der får dette til at fremstå endnu mere tilfældigt, end det ville være, hvis det blev fortalt kronologisk."

Dr. Joseph Yose, fra Coventry University sagde:"Jeg er spændt på at se brugen af ​​netværksanalyse vokse i fremtiden, og forhåbentlig, kombineret med maskinlæring, vi vil være i stand til at forudsige, hvordan en kommende serie kan se ud."