コンピューティング：機械学習のアプローチで人間の一生を予測できる可能性

若くして死亡する可能性や性格のニュアンスなど、人間の一生のさまざまな側面を正確に予測できる可能性のある機械学習のアプローチについて記載する論文が、Nature Computational Scienceに掲載される。このモデルは、人間の行動の定量的な理解につながる可能性がある。

社会科学者は以前から、人間の一生は予測可能なのかという問題を巡って議論してきた。人間の一生に重要な役割を果たす社会人口統計学的要因はよく理解されているが、人生の転帰を正確に予測することはできなかった。

今回、Sune Lehmannらは、デンマークの国民登録簿に記録されている約600万人分の教育、健康、収入、職業、およびその他のライフイベントに関するデータを使用し、機械学習のアプローチにより個人の人生の軌跡を構築することを試みた。Lehmannらは、言語処理技術を応用し、言語と同様の方法により、モデル内で人間の一生を表現した。このアプローチにより、言語モデルが単語間の複雑な関係を捉えるのと同様の方法で、ライフイベントの語彙を生成することができた。提案されたモデルは「life2vec」と呼ばれ、健康に関連した診断や居住地から所得水準までの概念の間の複雑な関係を確立し、人生の転帰を予測するための基礎となるコンパクトなベクトル表現によって個人の一生を符号化する。Lehmannらは、このモデルが早期死亡率（具体的には、今回のコホートの35～65歳の人が2016年1月1日からの4年間を生き延びる可能性）を予測したり性格のニュアンスを捉えたりする能力が、最新モデルやベースラインモデルよりも11％以上高いことを実証した。

今回の知見は、社会転帰と健康転帰の間の複雑な関連を表現することで、人生の転帰を正確に予測できることを示している。しかしLehmannらは、この研究はあくまでも可能性を探るものであり、個人の権利を保護する規制の下でのみ現実世界に適用されるべきものであると強調している。

doi:10.1038/s43588-023-00573-5

「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。

「注目のハイライト」記事一覧へ戻る