研究人員用 Transformer 預測壽命：基於丹麥 600 萬人資料

如果把人的一生寫成一句話，生老病死、升學跳槽就是裡面的詞。既然大語言模型能預測下一個詞，它能不能預測你什麼時候離開這個世界？

來自丹麥科技大學和美國東北大學的研究團隊還真這麼做了。他們造了一個名叫 life2vec 的 AI 模型，論文發表在《Nature Computational Science》上。這個模型做的事情聽起來有點嚇人：它能推測一個人的性格特質，甚至能相當準確地預測死亡機率。

把人生經歷餵給 Transformer

訓練大語言模型用的是海量文本，而 life2vec 用的原料是一個國家的真實人生。

研究團隊拿到了丹麥統計局的資料許可，訓練集直接覆蓋了丹麥全部 600 萬人口。這裡面記錄了極其詳盡的個人履歷，包括就醫記錄、診斷資訊、受教育程度、職業變動和收入水平。

研究人員把這些按時間發生的事件排成序列，套用了類似 ChatGPT 底層的 Transformer 架構。論文作者、丹麥科技大學教授 Sune Lehmann 打了個比方：人生的整個故事，其實就像一句很長很長的句子。

模型把幾百萬人的生命歷程轉換成向量嵌入空間，在不同的人生節點之間建立關聯。比如它會去理解某種收入水平、教育背景和特定健康狀況之間，到底存在怎樣的隱性聯絡。

在預測死亡機率時，模型生成的高維空間在視覺化之後像一個長圓柱體，一頭是極低死亡機率，另一頭是極高死亡機率。Lehmann 提到，在高機率那一頭，很多人確實在統計週期內去世了；而在低機率那一頭不幸去世的人，死因往往是模型無法預測的意外，比如車禍。除了壽命，它還能預測標準性格測試裡的外向性得分。

別忙著用它給自己算命

雖然預測精度壓過了現有的前沿模型，但研究團隊反覆強調：千萬別拿它去預測真實生活裡的某個人。

參與該專案的東北大學電腦科學教授 Tina Eliassi-Rad 指出，life2vec 本質上是一個建立在特定群體資料上的相關性模型。丹麥有自己的社會福利體制、法規和文化，換到美國或其他國家，整套規律可能完全不適用。

在她看來，這個工具更像是一臺社會觀測儀，照出的是現有規則和政策下人群的生活軌跡，而不是個人的宿命。

Lehmann 也挑明瞭一個行業現實：那些掌握海量資料的大科技公司，關起門來開發這類預測演算法恐怕已經有好幾年了。他們公開這項研究，很大程度上是想把這種能力擺到檯面上，讓公眾看清演算法到底能算到什麼地步。

為什麼重要

我們認為，這項研究最聰明的地方，在於它把大語言模型的預測邏輯直接平移到了社會科學領域。過去研究人生軌跡靠的是切片式的統計迴歸，而 Transformer 擅長捕捉漫長生命中相隔數年的因果迴響。但讀者目前完全不需要、也無法用它來測算自己的命運，它並不是一個面向普通使用者的消費級產品，而是一份嚴密受限的學術樣本。

對保險、金融和醫療行業來說，這種模型的想像空間非常大，甚至可以說是潘多拉魔盒。一旦商業機構掌握了這種級別的時序預測能力，它們很可能會拿來做動態保費定價、貸款審批，甚至在招聘時做背景畫像。這會把社會層面的統計偏見，直接固化成針對普通人的演算法歧視。

從監管角度看，它的隱患顯而易見。既然丹麥的公開註冊資料能訓出生命預測模型，那麼手握打車、外賣、搜尋和消費記錄的網際網路巨頭，早已具備更細顆粒度的拼圖。把這套技術從黑盒裡拉出來公開審視，或許是學術界在商業巨頭形成壟斷之前，給監管和公眾敲響的一記關鍵警鐘。