图源 Pexels
乔根森团队利用了涵盖丹麦 600 万人（2008-2020 年）教诲、就医、诊断、收入和职业等丰富数据集，将其转化为可用于演习大型措辞模型的文本。这种模型类似于 ChatGPT，ChatGPT 通过剖析大量文本数据，预测下一个最可能的词，以此推断未来事宜发生的可能性。同理，研究职员开拓的“Life2vec”模型可以剖析个人生命进程中的事宜序列，预测接下来最有可能发生的事情。
在实验中，Life2vec 模型仅用 2008-2016 年的数据进行演习，2016-2020 年的数据则用于测试。研究职员将 35-65 岁的人群分为两组，个中一半在 2016-2020 年间去世，另一半则存活。Life2vec 模型预测他们的存亡结果，其准确率比现有 AI 模型和保险业常用的去世亡率统计表赶过 11%。
IT之家把稳到，该模型还可以比专门用于性情测试的 AI 模型更准确地预测人口子集的性情测试结果。乔根森认为，Life2vec 模型已经接管了足够多的数据，可以运用于广泛的康健和社会议题，例如预测和早期干预康健问题，或帮助政府缩小贫富差距。然而，他也强调，该模型如果被企业滥用可能会造成危害。
“Life2vec 模型不应该被保险公司利用，”乔根森说，“保险的实质在于分担风险，预测谁会遭遇不幸事宜或去世亡，违背了保险互助的理念。”但他表示，类似的技能已经存在，并可能被拥有大量用户数据的科技巨子用于预测和影响用户行为。
英国精算师协会的马修・爱德华兹表示，保险公司对新的预测方法确实感兴趣，但目前决策紧张依赖一种被称为广义线性模型的大略 AI 技能。
“保险公司几百年来一贯通过剖析现有数据来预测寿命，”爱德华兹说，“但由于保单可能长达 20-30 年，我们对新方法的采取非常谨慎，由于任何重大缺点都可能造成巨大丢失。虽然统统都在变革，但保险业的步伐会放慢，由于没有人想要犯错。”
Life2vec 模型的涌现凸显了人工智能技能在预测未来方面的强大潜力，但也引发了主要的伦理问题。如何确保这项技能用于改进人们的生活，而非加剧社会不公，是亟需办理的难题。