还记得《复仇者联盟：终局之战》上映时，全球掀起的反爆雷活动吗？圣地牙哥大学研究出一套演算法，可以让你在被雷到之前，就提前避开这些危险的文章与留言。
“雷”是近年来常见的网路用语，意指“提前泄漏剧情”，为了避免不小心雷到别人，许多网友在讨论漫画、电影、电视剧的时候，都会在贴文和留言加上“防雷分隔线”或是长串空白，以免意外炸伤。但也有些可恶的网友以此为乐，特别喜欢在知名影评人的文章下留言爆雷，让许多人气得牙痒痒。
圣地牙哥大学（UC San Diego）的研究团队，发现《终局之战》和《冰与火之歌》引发的这个现象后，开发出这套 SpoilerNet，解决这个讨人厌的麻烦。
他们利用亚马逊旗下的阅读社群网站 Goodreads，收集超过百万篇评论，这个网站的评论有个特点，每一篇评论都有标注防雷警语的习惯，对读者来说非常友善，对开发者来说更是一个宝藏。这就像一个完美的资料库，充满大量已经下好标记的数据，也是“深度学习”模型最好的学习材料。开发团队将 130 万篇评论喂给这个深度学习模型，并让机器分析“一般字句”跟“爆雷字句”的不同。
以人类直觉来说，很难想像这两种字句有什么不同，但机器还真的分辨出来了。SpoilerNet 完成训练后，开发团队使用 Google 与 TV tropes（一个大型文化资料维基网站）测试，获得 92% 正确率。也就是说，它已能帮你避开九成以上的爆雷文，剩下 8% 还有待更多数据帮忙。
开发团队表示，类似的防雷预警系统，以前也曾出现，但资料库太小，只有几千笔，因此不够精准。深度学习模型加上巨量资料，让机器更贴近人类用语，并找出人类也无法说明白的差异点。然而深度学习依然有侷限，在文字分析，一些双关用语常常让机器混淆，比如说：
（以下有雷，若你还没看过终局之战，且预计要看，请快速跳过）
“钢铁人死定了”大概不是爆雷，“钢铁人死了”就是爆雷。像这样的判断力还有待提升，但站在防雷的立场，宁可误*不可错放，未来或许可以加入这样的敏感度判断，将可疑字句先当成雷，以免误伤。
下一个问题就是，一般大众要怎么使用这套系统呢？开发团队表示，这个系统完全可在个人电脑运作，但要贴近使用者习惯的话，他们认为浏览器扩充套件比较有机会。尽管他们还没有想商业化，但他们还是很希望帮助更多人“防雷”，因为团队成员都是吃过爆雷之苦的过来人。
这套工具未来很可能会落入亚马逊手里，并成为旗下网站的好帮手。试想，当下一部神片上映时，有个网站能跟你保证绝不爆雷，让你不用再关机 3 天直到走出电影院，是不是好棒棒呢？
