泰坦尼克号沉没（méi）已经（jīng）过去107年，这（zhè）场（chǎng）悲（bēi）剧（jù）与可持续农业、人口迁移问题或者健康保险费率等现代问题能有什么关系？这里给大（dà）家一（yī）点提示：数据证明。

无（wú）论是好是坏，现代世界正越来越多地（dì）利用算法识别数据中的（de）模式，并根据这些模式做出预测（cè）。人们希望回（huí）答的问题是，“某个人能否（fǒu）在泰（tài）坦尼克号的沉没中幸存下（xià）来？”而这个问题（tí）的基本分析方法，与“最有可能的人口迁移途径是什么？”完全一致。

历史悠久的问题

基于泰坦尼克号数据集，以预测海上（shàng）生存（cún）概率，一直是（shì）众多胸怀抱负的数据科学家以及程序员的（de）标准实践（jiàn）问题（tí）。

这是一个（gè）基本的挑战（zhàn）：将一（yī）部分泰坦尼克号乘客名单添加至（zhì）算法（fǎ），其中描述每（měi）位乘客及其特性的一些（xiē）基（jī）本变量。根据这些数据，算（suàn）法应能够提（tí）出相关结（jié）论，说明哪些变量决定某个人在1912年4月那个寒冷的夜晚拥有（yǒu）更高的生存或者（zhě）死亡机率。为（wéi）了测试结果是否正确（què），你（nǐ）需要利用训（xùn）练完成（chéng）的算法处理名单中（zhōng）的其余乘（chéng）客信息，而后与实（shí）际结（jié）果进行（háng）比（bǐ）较。

Kaggle.com等在线社区曾（céng）经（jīng）进行过这样的（de）竞赛，看谁能够开发（fā）出准确率最高的生存预测算法。此外，这也是大学课（kè）程（chéng）当中的常（cháng）见问题。乘客名单（dān）大（dà）到足够能反映（yìng）出明确（què）的趋（qū）势，同时又小到能够被初学者（zhě）掌握。其结果也相（xiàng）对简单——决定生（shēng）死的变量可（kě）能（néng）只有十（shí）几项，所（suǒ）以问题并不复（fù）杂，初学者也能够解（jiě）决；但其中（zhōng）的交互关系又（yòu）足（zú）够（gòu）复杂（zá），能吸引到技术（shù）人员的关注。另外，由于（yú）泰坦尼克号的故事非常有名，因此（cǐ）即使过去一个（gè）多世纪，仍能引发共鸣（míng）。

SparkBeyond公司正在将（jiāng）泰（tài）坦尼克号问题作为其（qí）AI平（píng）台的早期（qī）测（cè）试素材，并希望将其作为向潜在客户展示技术能力的方式之一。该公司（sī）联（lián）合创始人兼CEO Sagie Davidovich表（biǎo）示，“有（yǒu）趣（qù）的是，即（jí）使是在像（xiàng）泰坦尼克号这样简单的问题当中（zhōng），我（wǒ）们仍（réng）能（néng）够发掘出大（dà）量（liàng）有价值的（de）结论。”

生存结（jié）果（guǒ）可归结为变量（liàng）

如果大家对泰坦尼（ní）克（kè）号的故事比较熟悉，完（wán）全可以通过（guò）简单的数字计（jì）算对乘客的命运做出合理的猜测。

其中女性的生存机率几乎达到男性的两（liǎng）倍，儿童的生存（cún）机率（lǜ）则为成人（rén）的1.4倍。一等舱乘客的（de）生存机率为其他乘客的1.9倍。事实证明，中年女性与年轻女性之间，舱位等（děng）级对生存（cún）率（lǜ）的影响最大；而在中年（nián）男（nán）性与年轻（qīng）男性之间，年龄差异则是（shì）决定生（shēng）存率的关键。

虽然这些结果基本在人们的意料之中，但确（què）实能够做出非常（cháng）准确的预测。除此（cǐ）之外，算（suàn）法也需要考虑到其它（tā）变量对（duì）于生存名单的影响，例（lì）如一个人的父母、孩子（zǐ）或者（zhě）兄弟姐妹（mèi）是否同在船（chuán）上。正（zhèng）因为这些复杂性因素的存在，泰坦尼克号乘客名（míng）单才有长久以来一直（zhí）成为数据科学家们（men）关注的经典问题（tí）。

事实证明（míng），以不同（tóng）的（de）方式查看数据有（yǒu）时也能（néng）带（dài）来更快捷的分析结果。Davidovich指出，SparkBeyond的AI方案就通过查看船（chuán）票上列出的（de）乘客姓名前（qián）缀，发现了这样（yàng）一条分析“捷径”。

Davidovich解释道，“从数据当中可以看出，最简单的高生存率预测指标就是，乘客（kè）的名字中不包含“先生”这一表述。这显然涉及（jí）到乘客的性别成分，但深入解读，这种现象实际上包含了上面谈到的（de）全部三种生存指标。”因为“先生”这一前缀（zhuì），能够（gòu）快速（sù）确（què）定最（zuì）有可能在沉船事故中死亡的群（qún）体（tǐ）：中产阶级及资产阶（jiē）级成年（nián）男性，这一（yī）群更（gèng）有（yǒu）能（néng）力购买（mǎi）头等舱船票的群体（tǐ），往（wǎng）往(虽（suī）然并非全部)拥有“阁（gé）下（xià）”这类头（tóu）衔，而（ér）年轻的（de）男孩则被称为“少爷”(主（zhǔ）要来自（zì）贵族阶层)或者并无特别（bié）的称谓。

现代应用

SparkBeyond公司的AI方案目前已（yǐ）经开始研究监狱（yù）暴力行为的原因、半导体制造质（zhì）量控（kòng）制以及人口迁移模（mó）式等问（wèn）题（tí）。

Davidovich介（jiè）绍称（chēng），“机器智能可以确定（dìng）的一项基本事实，在于自然（rán）灾害（hài）与人口迁移之（zhī）间的联系。美（měi）国人口迁移的（de）大（dà）幅飙升与飓风哈维有（yǒu）关，这一点在某些（xiē）高（gāo）速公（gōng）路及主要道路上体现得（dé）尤为明（míng）显。”

当（dāng）然，除了（le）数据模（mó）式（shì）这一共同本质之外，泰坦尼克号数（shù）据集还有着另一大共通的特性——尽管人（rén）们在分析时很容易（yì）迷（mí）失在（zài）具体（tǐ）数据（jù）当中，但这（zhè）些纷（fēn）繁复杂（zá）的数字（zì）与变量背后（hòu）仍是真实人生的反映。