# 人工智能预测生活事件 [译]

- Link: https://paooo.com/ai-study/7153/
- Published: 2024-03-23T12:16:51+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * life2vec 将人生事件序列化建模，借助 Transformer 预测人格特质与死亡时间。
 * 基于 600 万丹麦人健康与劳动数据，模型在多项预测任务上优于其他先进神经网络。
 * 研究同时提醒：敏感数据、隐私保护与算法偏见，必须先于实际应用被严肃处理。

为模拟书面语言而开发的人工智能，也可以用于预测人们生活中的事件。来自 DTU、哥本哈根
大学、ITU 和美国东北大学的研究项目发现，通过使用大量关于人们生活的数据，并训练所谓的“
Transformer”模型（类似于 [ChatGPT](https://paooo.com/tag/chatgpt/)），这些模型不仅
可以处理语言，还能系统地整理数据，预测人生事件，甚至估算死亡时间。

阅读目录

 * [死亡时间预测](https://paooo.com/ai-study/7153/#%e6%ad%bb%e4%ba%a1%e6%97%b6%e9%97%b4%e9%a2%84%e6%b5%8b)
 * [引发伦理问题](https://paooo.com/ai-study/7153/#%e5%bc%95%e5%8f%91%e4%bc%a6%e7%90%86%e9%97%ae%e9%a2%98)
 * [研究项目](https://paooo.com/ai-study/7153/#%e7%a0%94%e7%a9%b6%e9%a1%b9%e7%9b%ae)
 * [Transformer 模型](https://paooo.com/ai-study/7153/#transformer-%e6%a8%a1%e5%9e%8b)
 * [神经网络](https://paooo.com/ai-study/7153/#%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9c)

在《自然计算科学》杂志发表的一篇新科学文章《使用生活事件序列来预测人类生活》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，这些数据被整合到一个名为 life2vec
的模型中。

经过初期训练，即学习数据模式之后，该模型在预测如人格特质和死亡时间方面，已被证实
超越其他先进的神经网络，并表现出高度的准确性。

“我们利用这个模型探讨了一个基本问题：基于过去的条件和事件，我们能在多大程度上预测
你未来的生活事件？对我们来说，科学上激动人心的不仅是预测本身，而是那些使模型能提供
精确答案的数据方面，”DTU 教授 Sune Lehmann 表示，他是该文章的首席作者。

##  死亡时间预测

Life2vec 的预测是对诸如“四年内死亡？”这样的常见问题的回答。

当研究人员分析模型的响应时，发现其结果与社会科学领域现有的研究成果一致；比如，在
其他条件相同的情况下，领导职位或高收入的人生存几率更高，而男性、技术工人或有心理
诊断者的死亡风险更高。

Life2vec 通过一个庞大的向量系统对数据进行编码，这是一种组织不同数据的数学结构。模型
根据

出生时间、教育、薪资、住房和健康等因素，决定数据的位置。

Sune Lehmann 说：“令人兴奋的是，我们将人生看作是一连串事件的长序列，就像句子由一系列
词汇构成一样。虽然这通常是 AI 中 Transformer 模型处理的任务类型，但在我们的实验中，
我们使用它们分析被称为生活序列的事件，即人生中发生的事件。”

##  引发伦理问题

文章的作者指出，围绕 life2vec 模型的道德问题包括保护敏感数据、隐私以及数据偏见等
问题。

在模型被用来评估个人患病或其他可预防生活事件的风险之前，必须更深入地了解这些挑战。

“这个模型为讨论和处理正面和负面影响打开了大门。今天，类似的技术已被科技公司用于预测
生活事件和人类行为，例如追踪我们在社交网络上的行为，极其精确地分析我们的行为特征，
预测并影响我们的行为。这种讨论应成为民主对话的一部分，以便我们考虑技术发展的方向
和是否符合我们的期望，”Sune Lehmann 表示。

研究人员表示，下一步将结合文本、图像或社交联系等其他类型的信息，这种数据的使用为
社会科学与健康科学之间的交流开辟了新的途径。

##  研究项目

该研究项目《使用生活事件序列来预测人类生活》基于劳动市场数据、国家病人登记处（LPR）
和丹麦统计局的数据。

这些数据包括所有 600 万丹麦人，并包含收入、薪水、奖学金、工作类型、行业、社会福利
等信息。

健康数据集包含医疗专业人员或医院的访问记录、诊断、病人类型和紧急程度等信息。

数据集涵盖 2008 年至 2020 年，但在多个分析中，研究人员专注于 2008-2016 年期间及特定
年龄群体的子集。

##  Transformer 模型

Transformer 模型是一种 AI 深度学习数据架构，用于学习语言和其他任务。

这些模型可以经过训练以理解和产生语言。

Transformer 模型旨在比以前的模型更快、更高效，通常用于在大型数据集上训练大语言模型。

##  神经网络

神经网络是一种受人类和动物的大脑和神经系统启发的计算机模型。神经网络有多种类型（
例如 Transformer 模型）。与大脑类似，神经网络由人工神经元组成，这些神经元相互连接
并能互相发送信号。每个神经元接收来自其他神经元的输入，并计算出一个输出传递给其他
神经元。神经网络可以通过在大量数据上训练来学习解决任务。它们依赖于训练数据来提高
学习和准确性。一旦这些学习算法被精确调整，它们就成为了计算机科学和人工智能中的强大
工具，能够快速对数据进行分类和分组。其中最知名的神经网络之一是谷歌的搜索算法。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**ChatGPT ↗**

OpenAI 研发的通用人工智能对话大模型，支持多模态交互与深度推理。

🔬 语宙深潜追问 · 进阶实操拆解

这类模型为何会引发伦理争议？

因为它把敏感人生信息转化为可预测标签，可能被保险、雇佣或社会管理滥用。即便研究目的
正当，也要严格匿名化、最小化数据使用，并限制结果的外部可见性。

如何判断预测模型是否可靠？

不能只看准确率，要看校准度、跨人群泛化和偏差来源。尤其要检查模型是否依赖社会经济
变量、医疗接触频率等代理特征，否则容易把结构性不平等误判成“个人命运”。

🗳️ 读者观点微投票 · 您的实战立场是？

AI 预测死亡时间，边界该放在哪？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[⚡ 所属权威专题：OpenAI GPT 与 Sora 生态 →](https://paooo.com/topics/openai-gpt-sora/)

 * [死亡或成自主选择？OpenAI总裁预警生命科学奇点：未来18个月迎来爆发、从Evo到GPT-Rosalind破解遗传密码全景深度拆解](https://paooo.com/trends/41518/)
 * [Ilya——塑造世界的人工智能科学家 [译]](https://paooo.com/ai-study/8709/)
 * [告别刷题考试向实用Agent彻底跃迁！OpenAI正式公布日常生活任务评测基准LifeVal：3995人真实调研驱动、端到端办成事指标与GPT-6 Astra成绩翻倍全景架构深度拆解](https://paooo.com/trends/41619/)
 * [AI 并非你的职场竞争对手 [译]](https://paooo.com/ai-study/8503/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/7153/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)