爲模擬書面語言而开發的AI，可以用來預測人們生活中的事件。

來自丹麥技術大學（DTU）、哥本哈根大學、國際電信聯盟（ITU）和美國東北大學的一個研究項目表明，如果用大量關於人們生活的數據，來訓練所謂的“轉換器模型”（類似於ChatGPT）來處理語言，它們就能系統地組織數據，預測一個人一生中會發生的事情，甚至估計死亡時間。

在發表於《自然-計算科學》上的一篇名爲《利用生命事件序列預測人類壽命》的文章中，研究人員在一個名爲life2vec的模型中分析了600萬丹麥人的健康數據和勞動力市場依附情況。

在對模型進行初始階段的訓練後，該模型的表現優於其他先進的神經網絡，並能以極高的准確率預測性格和死亡時間等。

該文章的第一作者，德國技術大學教授Sune Lehmann表示：“我們用這個模型來解決一個基本問題：在過去條件的基礎上，我們有多大可能預測出未來的事件？在科學上，讓我們感到興奮的並不是預測本身，而是能夠使模型提供如此精確答案的數據。”

01.預測死亡時間

Life2vec的預測是對一般問題的回答，例如：“我會在四年內死亡嗎？”研究人員對模型回答的結果進行分析後發現，其結果與社會科學領域的現有研究結果一致。

例如，在同等條件下，擔任領導職務或擁有高收入的個體擁有更高的存活率，而男性、有技能或患有精神疾病的人死亡率會更高。

Life2vec將數據編碼成一個龐大的向量系統，向量系統是一種組織不同數據的數學結構。該模型可以決定將有關出生時間、就學、教育、工資、住房和健康等方面的數據放在何處。

Sune Lehmann還表示：“這件事最令人興奮的是，像語言中的句子由一系列單詞組成一樣，可以把人的一生看作是一長串事件。人工智能中的變換器模型通常就是用於這種類型的任務，但在我們的實驗中，我們用它們來分析我們所說的生活序列，即人類生活中發生的事件。”

02.引發倫理問題

同時文章背後的研究人員指出，圍繞life2vec模型存在一些倫理問題，如保護敏感數據、隱私和數據出現偏差等。

在使用該模型評估個人感染疾病或其他生活事件的可預見風險之前，必須更深入地了解這些挑战。

Sune Lehmann對此表示：“該模型爲我們提供了積極和消極的重要視角，可以從政治角度進行討論解決。類似的預測生活事件和人類行爲的技術如今已在科技公司內部得到應用，例如，這些公司會追蹤我們在社交網絡上的行爲，極其精確地對我們進行個人資料剖析，並利用這些剖析來預測我們的行爲並對我們施加影響。”

教授還提到，“這一討論需要成爲民主對話的一部分，這樣我們才能考慮技術將把我們帶向何方，以及這是否是我們想要的發展。”

研究人員認爲，該模型發展的下一步將是納入其他類型的信息，如文本和圖像或有關我們社會關系的信息。數據的使用爲社會科學和健康科學之間开闢了全新的互動途徑。

原文由Technical University of Denmark撰寫，中文內容由元宇宙之心（MetaverseHub）團隊編譯，如需轉載請聯系我們。