研究人员用 Transformer 预测寿命：基于丹麦 600 万人数据

如果把人的一生写成一句话，生老病死、升学跳槽就是里面的词。既然大语言模型能预测下一个词，它能不能预测你什么时候离开这个世界？

来自丹麦科技大学和美国东北大学的研究团队还真这么做了。他们造了一个名叫 life2vec 的 AI 模型，论文发表在《Nature Computational Science》上。这个模型做的事情听起来有点吓人：它能推测一个人的性格特质，甚至能相当准确地预测死亡几率。

把人生经历喂给 Transformer

训练大语言模型用的是海量文本，而 life2vec 用的原料是一个国家的真实人生。

研究团队拿到了丹麦统计局的数据许可，训练集直接覆盖了丹麦全部 600 万人口。这里面记录了极其详尽的个人履历，包括就医记录、诊断信息、受教育程度、职业变动和收入水平。

研究人员把这些按时间发生的事件排成序列，套用了类似 ChatGPT 底层的 Transformer 架构。论文作者、丹麦科技大学教授 Sune Lehmann 打了个比方：人生的整个故事，其实就像一句很长很长的句子。

模型把几百万人的生命历程转换成向量嵌入空间，在不同的人生节点之间建立关联。比如它会去理解某种收入水平、教育背景和特定健康状况之间，到底存在怎样的隐性联系。

在预测死亡概率时，模型生成的高维空间在可视化之后像一个长圆柱体，一头是极低死亡概率，另一头是极高死亡概率。Lehmann 提到，在高概率那一头，很多人确实在统计周期内去世了；而在低概率那一头不幸去世的人，死因往往是模型无法预测的意外，比如车祸。除了寿命，它还能预测标准性格测试里的外向性得分。

别忙着用它给自己算命

虽然预测精度压过了现有的前沿模型，但研究团队反复强调：千万别拿它去预测真实生活里的某个人。

参与该项目的东北大学计算机科学教授 Tina Eliassi-Rad 指出，life2vec 本质上是一个建立在特定群体数据上的相关性模型。丹麦有自己的社会福利体制、法规和文化，换到美国或其他国家，整套规律可能完全不适用。

在她看来，这个工具更像是一台社会观测仪，照出的是现有规则和政策下人群的生活轨迹，而不是个人的宿命。

Lehmann 也挑明了一个行业现实：那些掌握海量数据的大科技公司，关起门来开发这类预测算法恐怕已经有好几年了。他们公开这项研究，很大程度上是想把这种能力摆到台面上，让公众看清算法到底能算到什么地步。

为什么重要

我们认为，这项研究最聪明的地方，在于它把大语言模型的预测逻辑直接平移到了社会科学领域。过去研究人生轨迹靠的是切片式的统计回归，而 Transformer 擅长捕捉漫长生命中相隔数年的因果回响。但读者目前完全不需要、也无法用它来测算自己的命运，它并不是一个面向普通用户的消费级产品，而是一份严密受限的学术样本。

对保险、金融和医疗行业来说，这种模型的想象空间非常大，甚至可以说是潘多拉魔盒。一旦商业机构掌握了这种级别的时序预测能力，它们很可能会拿来做动态保费定价、贷款审批，甚至在招聘时做背景画像。这会把社会层面的统计偏见，直接固化成针对普通人的算法歧视。

从监管角度看，它的隐患显而易见。既然丹麦的公开注册数据能训出生命预测模型，那么手握打车、外卖、搜索和消费记录的互联网巨头，早已具备更细颗粒度的拼图。把这套技术从黑盒里拉出来公开审视，或许是学术界在商业巨头形成垄断之前，给监管和公众敲响的一记关键警钟。