研究描述机器学习方法能从不同方面预测人类生活

社会科学家对于人类生命是否可以预测的问题存在分歧。 尽管重要的社会人口因素已广为人知，但对生活结果的准确预测却一直难以实现。

丹麦技术大学的一个研究团队利用丹麦国家登记册中约 600 万人的教育、健康、收入、职业和其他生活事件数据，设计了一种机器学习方法来构建个体人类生活轨迹。 该团队采用了语言处理技术，以类似于模型中语言的方式表达人类生活。 这种方法生成生活事件的词汇表，其方式类似于语言模型捕获单词之间复杂关系的方式。 他们提出的模型称为“life2vec”，识别健康相关诊断、居住地和收入水平等概念之间的复杂关系，并将个人生活编码在压缩向量中，作为预测生活结果的基础。

研究小组证明，该模型可以预测过早死亡，即 35 至 65 岁年龄段个体自 2016 年 1 月 1 日起存活四年的概率。 此外，其捕捉细微个性差异的能力超过了当前的先进模型和基线标准，将性能提高了至少 11%。

研究结果表明，通过描述社会和健康结果之间复杂的关联，准确预测生活结果是可能的。 但该团队也强调，他们的研究只是对可能性的探索，只能在现实世界中使用，并有确保个人权利受到保护的监管。