内容简介：

生成式人工智能，例如ChatGPT、文心一言等等，很多人都已了解。

预测式的人工智能，我是第一次听到这个概念。

它的作用是：利用AI来预测未来人类的健康、职业发展、生活事件等多方面的可能性。

目前已经成功的预测式AI，来自于丹麦哥本哈根的一个团队。它们根据600万丹麦用户的10年数据，做成了这个基于人口的预测AI模型。

这个AI可以猜测用户未来的健康、工作类型、及现在的工作对未来的影响等等。

乍一听，有点夸张。 但是，一年多以前，谁能想到现在很多普通人用AI来规划旅行计划呢！

推荐原因：观点新颖

原作者：Wayne Stelk博士。叶赛文编译。原文链接： https://medium.com/illumination-curated/prediction-ai-is-coming-are-you-and-the-world-ready-93da983994b8

---

正文：

你愿意知道自己未来会发生什么吗？这可能取决于，是谁在关注你的过去。

几乎每个人都会思考未来，你有多频繁地想象你的生活会如何展开？你是否对自己的健康、子女的成就，或者工作的成果充满好奇？这些私人问题反映了我们对未来的自然好奇心。

预测是人类生存的基础。有条不紊的生活需要对未来有所预见。如果你不能对生活中即将发生的事情有所估计，就无法为未来做规划。

因为预测是你生活中不可或缺的一部分，你可能没意识到自己多么渴望了解未来。有些人出于各种合理或强迫性的理由，对未来的担忧超过了其他人。然而，我们所有人至少对未来充满了好奇，这正是新 AI 产品巨大市场机遇的所在。

虽然具体推出时间尚不确定，但 AI 行业正迅速迈向一个不可避免的未来。如果你认为生成型 AI（如 OpenSource 的 ChatGPT 和 Google 的 Gemini）已经很厉害，那么你可能需要准备好迎接一个能告诉你未来可能发生什么的智能 AI 机器人。

生成型 AI 与预测型 AI

生成型 AI（GenAI）和预测型 AI（PredAI）是两种不同的人工智能，它们各自有不同的目的和应用场景。

生成型 AI：基于深度学习，GenAI 运用了擅长自然语言处理（NLP）的变换模型。这使得 GenAI 能够全面分析输入的各个部分（比如从互联网爬取的数据）。这些大型语言模型能够快速分析文本，同时在生成输出时优先考虑相关内容。

不同于基于预设规则或模式的传统 AI 系统，GenAI 能够“想象”并创造出新的内容，这些内容可以是文本、图像、音乐甚至代码，富有创造性且引人入胜。

预测型 AI：PredAI 专注于根据历史数据、模式和趋势来预测未来的结果。这种方式利用机器学习算法、统计模型和数据分析来进行预测和推荐。

PredAI 利用预测分析，结合当前事件和历史数据，对特定领域（如医疗、市场、体育等）的未来结果做出有根据的推测。机器学习通过分析大量数据集中的模式来增强预测分析的能力。数据与感兴趣领域的相关性越强，数据量越大，模式历史越稳定，预测就越准确。

预测型 AI 能否为你个人的未来量身定制？

你可能已经注意到，PredAI 需要大量的历史信息来进行预测。如果你想要一个能告诉你未来的个性化 PredAI，那么你本身就得成为预测的领域——这就意味着 PredAI 需要大量关于你的信息。

为什么 PredAI 需要这么多历史信息来进行预测？从统计概率的角度来看，你是习惯的产物，你的习惯决定了你的未来。PredAI 想要了解你的日常生活。

十年前，技术记者和未来学家 Patrick Tucker 在他的著作《赤裸的未来》（2014）中提出了一个观点：人脑是一个预测机器。凭借我们的本性，我们总是在预测下一步会发生什么。

预测不是大脑偶尔进行的活动；它是大脑的固有属性，永不停歇，对于学习至关重要。当大脑的预测得到验证，这意味着它对世界的理解是准确的。预测失误则会让你关注错误并修正你的模型。

正如 Tucker 所说，我们通过构建对现实的心理模型来学习如何应对未来。基于我们丰富的经验，我们的大脑存储了无数关于事物运作方式的模型。

这里有一个简单的例子。作为孩子，你学会了叉子和勺子的不同用途，你的大脑为每一个用途构建了模型。成年后，你在摆放餐具时，不假思索地就会使用这些模型，比如在提供汤时选择勺子而不是叉子。

你还为生活中的非物质方面建立了模型，比如个人关系或政府这样的实体。根据多年的友谊，你对你最好的朋友形成了一个模型，这成为了你预测下次见面时朋友反应的规则集。我们构建的模型帮助我们预测未来。你预测叉子不能用来喝汤。你预测你的朋友下周见到你时会很高兴。

为你和你的生活个性化预测 AI

你储存在大脑中的心理模型帮助你预测日常事件。你为专业执照考试努力学习，参加了模拟考试，这些经历帮你建立了一个关于考试的心理模型。通过将你的学习习惯与模拟考试的模型相匹配，你预测自己在考试中会表现良好。

但是，当你开始从事你选择的职业时，你的表现会如何？你将面临巨大的时间和精力压力。你有能力全天候响应老板的需求吗？在这个高压的角色中，你会感到满足吗？

为了预测远离你日常习惯的领域的未来，你需要在大脑中存储更多关于你生活的信息。尽管人类的大脑功能最为高级，但我们也有局限，比如可能忘记你曾经因为个人时间太紧张而退出高中田径队。你的历史显示，你更重视个人时间而不是竞争。

那么，在一个不留给你个人时间的工作中，你会表现如何呢？

你所有的过去经历都与你的未来经历相关。但如果有一个神奇的实体能够捕捉到所有这些关于你过去的信息，用来预测你的未来会怎样呢？

有人了解你的一切并预测你的未来可能听起来既激动人心又令人恐惧——但请放心，这已经在发生了。你对未来的兴趣为行业领袖创造了动力，使他们更快地提供个性化的预测 AI 模型。

哥本哈根的基于人口的预测 AI 模型

在丹麦哥本哈根，一个研究团队开发了一个基于庞大个人信息数据库的实验性预测模型。

哥本哈根团队采用了一个新颖的逻辑——“你的生活就像一句话”——来研究人类生活的演变和可预测性，这基于详细的事件序列。这个逻辑将生活比作一句话。比如，句子中的单词越多，你就越能猜到它的结尾。

比如，“我是……”可能意味着很多不同的结局，而“我将要……”则大大缩小了可能的结局范围。如果某个实体知道你的日常（比如你通常在周五工作结束后去某个地方），那么这个实体就可能预测你的未来是“我将要……下班后去 Jake’s Bar 和朋友见面”。这样，你的生活就像一句话，因为更多的信息使你的未来更容易被预测。

很明显，PredAI 对你了解得越多，它就能对你做出越好的预测。这个前提促使哥本哈根团队获得了丹麦国家登记处的独特而全面的数据集的访问权限，该数据集包含了大约600万丹麦公民在10年间的详细日常生活事件记录。

研究人员从这个国家登记处收集了与丹麦公民的健康、教育、职业、收入、地址和工作时间相关的信息，这些信息都以日常分辨率记录下来。使用这个数据集在他们的大型语言模型中，研究人员展示了人类生活可以被表示为类似于语言表达的事件序列。这些序列可以用来预测从早期死亡到性格细微差别等各种结果。

让我们在这里暂停一下。

这项研究是不是开始让你感到不安了？想想 Patrick Tucker 书中的副标题：在一个预测你每一步的世界里会发生什么。如果你住在丹麦，你的国家登记处已经记录了你的每一步。在道德和隐私限制内，该数据集允许哥本哈根团队创建了一个个性化的、基于人口的预测 AI 模型。

然而，在评价这个模型的优缺点之前，让我们先来看看它的核心功能。

哥本哈根模型的能力

研究人员介绍了他们的 AI 模型执行的三个“预测任务”，并给它起了一个极客风格的名字“life2vec”。（我认为这是他们的简称，意为“从生活到向量”，也就是“从生活到快照”。）

1. 死亡预测：通过分析生活事件的序列，模型能够预测在特定时间框架内早期死亡的可能性。它通过学习将某些事件序列与早死风险相关联的模式来实现这一点。例如，多个不利健康相关事件的序列可能表明更高的风险。
2. 性格细微差别预测：该模型还预测人类生活中更微妙的方面，如性格特征。它通过学习生活事件序列与自我报告的性格问卷反应之间的关联来实现这一点。例如，频繁的社交互动可能与外向的性格特征相关联。
3. 人物摘要：通过深入研究一个人生活事件的丰富图案——健康记录、教育里程碑、职业进展等等——life2vec 将这些信息提炼成一个“人物摘要”——一个紧凑、全面的快照（向量），捕捉了一个特定人的生活旅程的本质。

让我们更深入地了解这个人物摘要功能。

想象一下，你保留了一份详细的生活日记，记录了每一个重要事件，从健康检查和工作变动到主要里程碑和财务决策。现在，假设你订阅了这个 life2vec 应用程序，它会阅读你的日记，并将它所知道的关于你的一切总结成一个简单易懂的快照。这个快照就像一个特殊的代码，捕捉了你故事的本质。该应用程序在你的个人摘要空间中创建了一个“向量”。

当 life2vec 尝试猜测你的未来的某些事情时，比如你将来的健康状况或你可能拥有的工作类型，它会查看你在这个向量（快照）中的数据概况。它会注意到明显的事情，比如你的年龄、你对自己的照顾程度或你挣多少钱。它还足够聪明，能注意到不那么明显的细节，比如你一直在做的工作类型以及这可能如何影响你的未来。

根据你想了解你的未来的哪些方面，关于你的具体细节（你的快照）可以调整，以便为关于生活中特定领域未来的不同问题提供最准确的预测。

例如，life2vec 可能会帮助你看到你的工作选择如何影响你未来的健康。这些见解可以激发新的问题，并引导你探索你以前没有想过的领域，帮助你理解这些 AI 关于你未来的预测背后的“为什么”。

除了个人预测之外，life2vec 的三个预测任务（死亡、性格细微差别和人物摘要）可以根据你居住的地方、教育水平、年龄段、政治隶属关系——或者你能想象的任何人口类别——为你预测未来的场景。

预测 AI 的风险

虽然有一个个人 AI 助手帮助你做出关于你未来行动可能结果的决策，但这一好处的代价是一个了解你的一切的 AI 实体。你告诉它的关于你自己的信息越多，它对你的好处就越大。

你的隐私损失值得吗？

在了解了预测 AI 的力量之后，你可能可以自己列出一个与你的数字化历史相关的风险清单。这是我的清单：

预测模型的所有权：虽然北欧国家和其他一些国家有全面和规范的公民登记系统，但其他国家很少有。如果基于人口的预测 AI 普及，那么关于谁将是你生活事件信息的保管者的问题就会出现。你会信任一个由亿万富翁拥有的私人公司拥有这些信息吗？你会信任你的政府拥有这些信息吗？

隐私和伦理问题：使用详细的个人数据进行个人或人口预测引发了重大的隐私和伦理问题，特别是关于同意、数据保护和潜在滥用敏感信息的问题。

偏见和公平：生成型 AI 已知会产生错误信息。预测型 AI 的预测可能会受到你历史数据集中固有偏见的影响，可能导致不准确或误导的未来场景。这显然可能导致基于错误建议的糟糕计划或潜在的灾难性结果。

对预测建模的过度依赖：有些人比其他人更需要对未来的确定性。一个人对确定性的迫切需求可能导致过度依赖这些模型进行关键健康决策的风险，而不考虑人类健康的复杂多面性和 PredAI 的局限性。

一旦到来，预测型 AI 将不会消失

预测型 AI 在许多行业中都得到了积极的应用，并且只会变得更加普遍。在医疗保健领域，预测型 AI 与生成型 AI 一起，可能会成为早期检测和疾病诊断、创建个性化治疗计划和预测疾病进展的核心组成部分，所有这些都可能导致提高患者安全性、效率和成本削减。

现在轮到我预测未来了

生成型 AI 的传播速度超出了任何人或机器的预期。GenAI 现在几乎在个人生活的所有领域和大多数行业中普及。18个月前，谁能想到我会使用一个 AI 机器人来规划我的欧洲假期？

预测型 AI 的未来是否也是这样？像 GenAI 一样，PredAI 也需要大数据。然而，PredAI 需要历史和趋势数据来建立可以导致预测的模式。就个人历史而言，很少有国家拥有像哥本哈根模型那样的国家登记系统。

除非我们愿意允许以利润为驱动的大型科技公司收集我们过去生活的每一个细节的信息，否则 PredAI 行业可能无法获得它需要成为一个可行行业的深度和广度的以人为中心的数据。

更有可能的是，PredAI 将以更加隐蔽的方式渗透到我们的生活中。例如，医疗保健计划跟踪医疗历史，这些历史在需要时与系统中的专业从业者共享。一个 PredAI 模型可以通过帮助医生预测你最近诊断的疾病轨迹来提供帮助。

最终，预测型 AI 的发展可能取决于我们愿意提供多少数据。无论是天使还是恶魔，一个个性化的 PredAI 将在得到所需的营养——你的生活历史——时成长。

为迎接预测型 AI 的未来做好准备的最佳建议是什么？正如经验丰富的牛仔对即将首次挑战骑公牛的新手所说：“了解这头公牛，并准备好迎接它的挑战！”

好工具推荐

一个集美剧、音乐和AI工具为一体的服务商：

http://mrw.so/5xEJfZ