为模拟书面语言而开发的AI，可以用来预测人们生活中的事件。

来自丹麦技术大学（DTU）、哥本哈根大学、国际电信联盟（ITU）和美国东北大学的一个研究项目表明，如果用大量关于人们生活的数据，来训练所谓的“转换器模型”（类似于ChatGPT）来处理语言，它们就能系统地组织数据，预测一个人一生中会发生的事情，甚至估计死亡时间。

在发表于《自然-计算科学》上的一篇名为《利用生命事件序列预测人类寿命》的文章中，研究人员在一个名为life2vec的模型中分析了600万丹麦人的健康数据和劳动力市场依附情况。

在对模型进行初始阶段的训练后，该模型的表现优于其他先进的神经网络，并能以极高的准确率预测性格和死亡时间等。

该文章的第一作者，德国技术大学教授Sune Lehmann表示：“我们用这个模型来解决一个基本问题：在过去条件的基础上，我们有多大可能预测出未来的事件？在科学上，让我们感到兴奋的并不是预测本身，而是能够使模型提供如此精确答案的数据。”

01.

预测死亡时间

Life2vec的预测是对一般问题的回答，例如：“我会在四年内死亡吗？”研究人员对模型回答的结果进行分析后发现，其结果与社会科学领域的现有研究结果一致。

例如，在同等条件下，担任领导职务或拥有高收入的个体拥有更高的存活率，而男性、有技能或患有精神疾病的人死亡率会更高。

Life2vec将数据编码成一个庞大的向量系统，向量系统是一种组织不同数据的数学结构。该模型可以决定将有关出生时间、就学、教育、工资、住房和健康等方面的数据放在何处。

Sune Lehmann还表示：“这件事最令人兴奋的是，像语言中的句子由一系列单词组成一样，可以把人的一生看作是一长串事件。人工智能中的变换器模型通常就是用于这种类型的任务，但在我们的实验中，我们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。”

02.

引发伦理问题

同时文章背后的研究人员指出，围绕life2vec模型存在一些伦理问题，如保护敏感数据、隐私和数据出现偏差等。

在使用该模型评估个人感染疾病或其他生活事件的可预见风险之前，必须更深入地了解这些挑战。

Sune Lehmann对此表示：“该模型为我们提供了积极和消极的重要视角，可以从政治角度进行讨论解决。类似的预测生活事件和人类行为的技术如今已在科技公司内部得到应用，例如，这些公司会追踪我们在社交网络上的行为，极其精确地对我们进行个人资料剖析，并利用这些剖析来预测我们的行为并对我们施加影响。”

教授还提到，“这一讨论需要成为民主对话的一部分，这样我们才能考虑技术将把我们带向何方，以及这是否是我们想要的发展。”

研究人员认为，该模型发展的下一步将是纳入其他类型的信息，如文本和图像或有关我们社会关系的信息。数据的使用为社会科学和健康科学之间开辟了全新的互动途径。