AI在预测生活大事件方面的飞跃，简直就像是科幻小说变成现实！

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

丹麦技术大学（DTU）、哥本哈根大学、ITU以及美国东北大学的一个研究项目表明，如果使用大量有关人们生活的数据，并训练所谓的“变压器模型”（例如ChatGPT这样用于处理语言的模型），这些模型可以系统地组织数据并预测一个人生活中将会发生的事情，甚至估计死亡时间。

该项目展示了一个机器化的女性形象。研究人员指出，下一步将是结合其他类型的信息，如文本和图像，或我们的社交联系信息。图片来源：神经科学新闻。

在新发表在《自然计算科学》杂志上的科学文章《使用生活事件序列预测人类生活》中，研究人员分析了600万丹麦人的健康数据和劳动市场联系情况，使用了一个名为life2vec的模型。在模型经过初期训练，即学习了数据中的模式之后，它已被证明比其他先进的神经网络（见事实框）表现更好，并能高精度预测个性和死亡时间等结果。

“我们使用这个模型来解决一个基本问题：我们能在多大程度上根据你过去的条件和事件预测你未来的事件？对我们科学上来说令人兴奋的不仅是预测本身，而是那些使模型能够提供如此精确答案的数据方面，”DTU教授、文章的第一作者Sune Lehmann说。

死亡时间的预测

Life2vec的预测是对诸如“四年内死亡”等普遍问题的回答。

当研究人员分析模型的响应时，结果与社会科学领域现有的发现一致；例如，在其他条件相同的情况下，领导职位或高收入的个体更有可能存活，而男性、熟练工人或有精神诊断的人则与较高的死亡风险相关。

Life2vec以大型向量系统的形式对数据进行编码，这是一种组织不同数据的数学结构。该模型决定如何在出生时间、教育、工资、住房和健康等方面放置数据。

“令人兴奋的是，将人类生活视为一长串事件的方式，类似于语言中的句子是由一系列词组成的。这通常是AI中变压器模型用来处理的任务类型，但在我们的实验中，我们使用它们来分析我们所说的生活序列，即人类生活中发生的事件，”Sune Lehmann说。

提出伦理问题

该文章的研究人员指出，life2vec模型围绕着伦理问题，如保护敏感数据、隐私和数据偏见的角色。在可以用该模型来评估个人患病风险或其他可预防的生活事件之前，必须更深入地了解这些挑战。

“这个模型开辟了重要的积极和消极观点，需要在政治上讨论和解决。类似的用于预测生活事件和人类行为的技术今天已在科技公司内部使用，例如，追踪我们在社交网络上的行为，极其准确地对我们进行画像，利用这些画像来预测我们的行为并影响我们。

“这个讨论需要成为民主对话的一部分，以便我们考虑技术带领我们走向何方，以及这是否是我们想要的发展方向，”Sune Lehmann说。

根据研究人员的说法，下一步将是结合其他类型的信息，如文本和图像或我们的社交联系信息。这种数据的使用开辟了社会和健康科学之间全新的互动。