デンマーク工科大学、コペンハーゲン大学、イスタンブール工科大学、米国のノースイースタン大学の研究者らは、AIモデルを利用する事で、大まかな死期を含め、人々の人生の結果を予測することが可能になると、新たに『Nature Nature Computational Science』誌に発表した論文で報告している。

「我々はこのモデルを使って、あなたの過去の状況や出来事から、あなたの未来に起こる出来事をどの程度予測できるのか、という根本的な問いに取り組んだ」と、デンマーク工科大学の教授であり、論文の著者でもあるSune Lehmann氏は、プレスリリースの中で述べている。

デンマークの人口約600万人の健康データと労働データを使って、Lehmann氏と彼女のチームは「life2vec」と呼ばれる新たなモデルを構築した。このモデルはいわゆる「Transformerモデル」であり、連続したデータの関係を追跡することによってある形式の入力を別の出力に変換することができる。life2vecの場合、最初の入力は、生まれた時間や場所、学歴、健康状態、職業、給与などである。

Lehmann氏は人間の人生を“出来事の連続”と考え、これをTransformerモデルに当てはめることを実行したのだ。

「ある意味で、人間の生活は言語と似ているという事実を利用しています。文章で単語が互いに続いていくように、人間の生活でも出来事が互いに続いていくのです」と、Lehmann氏はNew York Post紙に語っている。

人々の感情という要素を無視すれば、実際に、彼女の指摘は的を射ている。私たちの人生には漸進的で直線的な流れがある。

このモデルは、初期段階で学習された後、つまり上記のデータパターンを学習した後、他の高度なニューラルネットワークを凌駕し、性格や死亡時刻などの結果を78%という高い精度で予測することが示されたという。

「私たちはこのモデルを使って、過去に起こった状況や出来事から、未来に起こる出来事をどの程度予測できるのか、という基本的な問いに取り組みました。科学的にエキサイティングなのは、予測そのものよりも、モデルがこのような正確な答えを出すことを可能にするデータの側面です」と、Lehmann氏は述べている。

Life2vecの予測は、次のような一般的な質問に対する答えである：4年以内に死亡するか？研究者がモデルの回答を分析すると、その結果は社会科学の既存の知見と一致している。例えば、すべての条件が同じであれば、指導的立場にある人や高収入の人は生き残る可能性が高く、男性であること、熟練していること、精神的な診断を受けていることは、死亡リスクが高いことと関連している。

Life2vecは、さまざまなデータを整理する数学的構造であるベクトルの大きなシステムにデータをエンコードする。このモデルは、出生時刻、学校教育、教育、給与、住居、健康に関するデータをどこに配置するかを決定する。

これは何かに似ていると気付かれるかも知れない。そう保険だ。保険会社はこうしたデータを元に自社の商品を設計している。「私たちが死を予測したのは、（たとえば保険会社など）人々が長年取り組んできたことだからです」と、Lehmann氏は語る。

だが、研究者らはlife2vecモデルには、機密データの保護、プライバシー、データのバイアスの役割など、倫理的な問題がつきまとうことも指摘している。例えば、このモデルを個人の病気やその他の予防可能なライフイベントへの罹患リスクの評価に使用するには、これらの課題をより深く理解する必要がある。

ライフイベントや人間の行動を予測する同様のテクノロジーは、今日すでにハイテク企業の内部で使われている。例えば、ソーシャルネットワーク上でのわれわれの行動を追跡し、われわれを極めて正確にプロファイリングし、そのプロファイリングを使ってわれわれの行動を予測し、われわれに影響を与えている。

「このモデルは、政治的に議論し対処するための重要な肯定的・否定的観点を切り開くものです」と、Lehmann氏は指摘する。

AIがデータ入力に基づいて人間の死亡情報を実際に予測できるかどうかを解明するには、さらに多くの研究が必要だろう。しかし、もしそれが実現した場合、Lehmann氏が示唆するように、私たちは「（この）テクノロジーが私たちをどこに連れて行こうとしているのか、そしてこれが私たちが望む発展なのかどうか」を決定する必要があるだろう。

研究者らによれば、次のステップは、テキストや画像、社会的つながりに関する情報など、他のタイプの情報を取り入れることだという。このようなデータの利用によって、社会科学と健康科学の間にまったく新しい相互作用が生まれることになる。

論文

• Nature Computational Science: Using sequences of life-events to predict human lives

参考文献

• DTU: Artificial intelligence can predict events in people’s lives
• New York Post: AI death calculator predicts when you’ll die — it’s ‘extremely’ accurate

研究の要旨

この類似性を利用して、自然言語処理技術を適応させ、詳細なイベントシーケンスに基づく人間の人生の進化と予測可能性を検証する。これは、デンマークで数年にわたって利用可能な、健康、教育、職業、収入、住所、労働時間に関連するライフイベントに関する情報を含む包括的な登録データセットを利用することによって行う。我々は、ライフイベントの埋め込みを単一のベクトル空間に作成し、この埋め込み空間が頑健で高度に構造化されていることを示す。我々のモデルは、早期の死亡率から性格のニュアンスに至るまで、多様な結果を予測することを可能にし、最先端のモデルを大きく上回っている。ディープラーニングモデルを解釈するための手法を用いて、アルゴリズムを調査し、予測を可能にする要因を理解する。我々のフレームワークにより、研究者は人生の転帰に影響を与える潜在的なメカニズムや、それに関連する個別化介入の可能性を発見することができる。