Skip to content Skip to footer

Life2Vec 人工智能死亡预测器:它是如何工作的? (公众指南)

image-20231228230454205

人工智能现在可以预测死亡。人工智能在扮演上帝吗?

在我们得出结论之前,不,人工智能死亡预测器,life2vec 不是一个强大的全知生物,它天赋异禀,可以确切地知道你何时以及如何死亡。嘘,人工智能还没有知觉,而且拥有千里眼的超能力。但这是另一个需要处理的话题。

所以你来这里是因为你对这个人工智能是如何工作的感到好奇。我也很好奇,所以我读了他们的科学论文:使用生命事件序列来预测人类生命。这篇内容广泛的论文讨论了方法、结果和伦理问题。

那么,它到底是如何工作的呢?

机器学习模型开发主要集中在两个方面:数据和模型架构。将数据视为知识,而模型架构是一种学习技术。例如,作为一个人,你需要缝纫书来学习如何缝纫,这样你才能修好一件衣服。你决定立即通过阅读和练习来学习。缝纫书是数据,阅读和练习是模型架构。可以想象,知识是人类学习的核心。但是你如何消化知识也很重要。书籍需要阅读,视频需要观看。

现在我们已经解决了这个问题,让我们进入有趣的部分:life2vec。

如果你是一个更有经验的读者,模型名称life2vec对你来说可能已经不言自明了。但是,让我们试着在这里分解它。

模型的作用

Life2vec 可以预测死亡率,这意味着它可以预测某人何时死亡。由于数据的结构,它还可以评估人格特质,我们将在下一节中讨论。

该模型的性能达到79%的预测准确率,比之前的现有模型提高了11%。

数据

“我们数据集的庞大规模使我们能够构建个体人类生命轨迹的序列级表示,其中详细说明了每个人如何穿越时间。

life2vec的论文声称它的成功来自他们拥有的大量数据以及他们如何设计这些数据。基本上,每个人都以我们称之为嵌入的东西来表示。简单地说,嵌入是将数据表示为机器可以理解的东西。因此,嵌入像“嗨,我的名字是Adhella”这样的句子,对于某台机器来说可能看起来像是一连串的数字。

利用一个独特的数据集,该数据集由详细的个人层面的日常记录组成,描述了丹麦的 600 万居民,时间跨度为 10 年,我们表明准确的个人预测确实是可能的。我们的数据集包括许多指标,例如健康、专业职业和隶属关系、收入水平、居住地、工作时间和教育

在life2vec的情况下,个人是什么?个体由研究人员所谓的生命序列表示。生命序列是按时间顺序排列的某人的社会经济和健康数据。

image-20231228230539079

来自生命序列的论文

然后将该序列转换为嵌入,然后将其输入模型进行进一步处理。

通过信息的内容和信息的呈现方式,嵌入也可以用作人格评估,因为生活序列可以代表一个人。

模型架构

Life2Vec使用类似BERT的架构。这对大多数人来说可能毫无意义,但请耐心等待我一秒钟。

您需要了解的有关 BERT 的信息:

  1. 它与 ChatGPT 具有相同的基础,称为转换器
  2. ChatGPT 可以生成文本,而 BERT 用于分类和预测任务。因此,为了预测死亡率,life2vec 使用类似 BERT 的架构。
  3. 它非常庞大
  4. 变形金刚非常酷,你可能想读一些关于它的信息。但是,基于转换器的模型可以做的是,它可以通过理解结构每个部分的上下文来捕获复杂结构中的模式。这意味着,如果给定一个序列,模型可以理解整个序列的含义。这是非常新颖的,因为以前的现有模型架构只能关注序列的一小部分,而不能理解整个序列。

局限性

在稍微了解了技术内容之后,您可能可以模糊地理解该模型的局限性。但主要的局限性是,除非life2vec模型有关于你的具体数据,否则它不能真正预测你的死亡。如果它没有你生命中10年的社会经济和健康数据,它可能无法预测你的死亡。虽然该模型由于其架构而对缺失或不完整的数据非常宽容,但如果它不能生成你的生命序列,它仍然无法预测任何事情。

道德考量

万一你的数据可以变成一个生命序列,想象一下:你是一个普通的平民。突然,你收到一封来自保险公司的电子邮件,告诉你根据他们的机器学习模型,你将在未来 10 年内死亡。感到绝望和紧迫,你终于对过去一年一直在唠叨你买保险的保险代理人说“是”。