中新网北京12月19日电 (记者 孙自法)施普林格·自然旗下专业学术期刊《自然-计算科学》最新发表一篇论文称，研究人员开展的一项研究描述了一个机器学习方法，该方法或能从不同方面准确预测人类生活，包括生命结局可能性和个性的细微差异。论文作者认为，这一机器学习预测模型或能提供对人类行为的量化认知。

　　该论文介绍，社会科学家对人类生活是否能被预测的问题看法不一，虽然人们对在人类生活中起到重要作用的社会人口学因素已有充分了解，但却一直无法对生命结局进行准确预测。

　　论文通讯作者、丹麦技术大学Sune Lehmann和同事及合作者一起，利用丹麦一个国家登记处上约600万人的教育、健康、收入、职业和其他生活事件数据，设计了一个机器学习方法，来构建个体的人类生活轨迹。他们通过调整语言处理技术，用类似模型中语言的方式表示人类生活。本次研究的这种方法能以类似语言模型捕捉词语间复杂关系的方式生成一个生活事件的术语表。他们提出的模型名为life2vec，能确定健康相关诊断、居住地、收入水平等概念之间的复杂关系，并用一个压缩向量表示来编码个人生活，以此作为预测生活结局的基础。

　　论文作者指出，该模型预测生命结局的早死率——具体而言是年龄组35-65岁的个体自2016年1月1日起存活4年的概率，以及捕捉细微个性差异的能力，超过了当下先进的模型和基线标准，表现至少提升11%。

　　这项研究结果表明，通过表征社会结局和健康结局之间的复杂关联，准确预测生活结局也许可以做到。不过，论文作者也特别强调，他们的研究只是对可能性的探索，而且只应在确保个人权利受到保护的监管下才可用于现实世界。(完)