把丹麦 600 万人的人生喂给 Transformer：它能预测谁会在四年内去世吗？

配图：AI 生成的概念示意图，非论文原图或实验数据。

TL;DR：丹麦和美国的研究者把约 600 万丹麦人的登记数据变成"人生事件序列"，训练了一个叫 life2vec 的 Transformer 模型，用来预测早逝和性格倾向等结果。论文称它在这些任务上明显优于现有基线。但它是一个不对外开放的研究原型，作者自己强调只是探索"可能性"，并不是能算出你哪天去世的工具。

这篇论文 2023 年 6 月上传到 arXiv（arXiv:2306.03009），2024 年正式发表在《Nature Computational Science》第 4 卷。这不是今天的新闻，是一项已经发表两年多的研究。

他们做了什么

想法很直白：既然语言模型能把句子里的词排成序列、预测下一个词，那把一个人的一生也写成"句子"会怎样？

研究者使用丹麦统计局的全国登记数据，覆盖约 600 万人，内容包括健康、教育、职业、收入、居住地和工作时间等，时间精度到天。一次就医、一份新工作、一次搬家，都被当成序列里的一个"词"。模型名字 life2vec 就是在致敬 word2vec：把人生事件映射到同一个向量空间里。

预测了什么

最受关注的任务是早逝预测：对象是 35 到 65 岁的人，这个年龄段死亡本来就少见，便于检验模型是否靠谱。多家报道的描述是，用早年的记录去预测之后约四年内是否死亡。具体时间窗口细节以论文为准，我没有核对到论文正文里的原始表述，这里不下定论。

论文称，life2vec 在早逝和性格相关任务上超过了现有的最先进模型与基线，报道中提到领先幅度至少约 11%。这些数字来自媒体转述，不同报道对"准确率"的说法也不统一，读的时候别当成"它有 X% 的把握判你死刑"。

为什么有意思，又为什么要小心

有意思在于：同一套"人生语言"，既能预测死亡，也能触及性格这类看似很软的东西，而且作者还用可解释性方法去看模型到底依据了什么，希望借此发现影响人生走向的新机制。

要小心的地方更多。模型依赖的是丹麦这样高度完整的全民登记制度，换个国家未必有这样的数据。论文本身定位为探索性研究，作者明确表示，若真要用到现实中，必须有保护个人权利的监管。研究团队也没有把软件公开，媒体曾因此给它起过"死亡计算器"之类夸张的标题，这并不符合论文的原意。

一句话总结：它证明了"人生可以被当作语言来建模"，但离"预知你的死期"还很远，也不该被拿去那样用。

论文地址：arXiv:2306.03009