一個算命準确度高達78%的AI，讓網友都當上了賽博閻王
咱中國人愛算命這事，是刻在骨子裡的執念。
出門前要看看黃曆、辦公室要講風水、就連談戀愛換工作也要算算領導和對象的星座和八字合不合适。
算命姿勢也是無奇不有，用八字星座塔羅牌已屬過去式，寺廟求簽不夠潮。
這不，有位中國人就在上訓練了一個“算命專用AI”——然後迅速成為GPTs中文榜排名第一的應用。
它可以根據你的生日提供命理分析，預測你未來3到5年的人生趨勢，作者對它的定義是：“傳統與科技融合、趣味與理性結合的命理推測工具，準确到可怕。”
實際上就是在GPTs裡上傳了這些PDF，然後用告訴應用去深入學習這些文檔，融會貫通掌握中國古代命理八字算命技術，然後根據用戶輸入的生日，按照固定的格式輸出結果。
然後就得到了當今網絡三大邪術之一：賽博算命。
附上鍊接，感興趣的矽友們可以自己試試：
。
不過這還不算什麼，丹麥一研究團隊做了個大模型，名為“”，字面意思是“人生變向量”，可以直接預測人的死亡率，準确率高達78%，據稱是市面上準确度最高的預測方式。
這誰敢試？
（圖源：微博）
之前團隊就曾經嘗試過用機器學習模型，結合健康、家庭、教育因素來預測一個孩子未來生活的走向，結果準确率很低。
感謝算法，現在他們能夠将上述這些因素形成一個完整的時間序列軸，從而大幅提升了預測的準确度。
于是團隊找來了600萬丹麥人12年裡生活的點點滴滴，從住哪兒、在哪個學校上學、現在在哪裡工作、一個月賺多少錢等等一應俱全。
乍一看很像過年回家接受七大姑八大姨查戶口，這個還更費勁，盤問一年隻來一次，而他們是365天不間斷記錄。
數據要用在大語言模型上，那就要變成語言模型能讀懂的句子。
所以團隊把這些雞毛蒜皮的事兒整理成了一條條人生軌迹，比如：在2010年8月，艾格尼斯女士的工作是助産護士，月入3萬丹麥克朗。再輔以這個人的出生日期和地址等信息，就形成了一個完整的鍊條。
從下圖來看，這個模型預測生死的主要指标分為七個：健康水平、出生年份、住址、行業、工作崗位、收入水平、勞動能力。
這些彩色的小點就是語料庫裡的token，每種顔色代表一個種類。
那高達78%準确率的死亡率預測又是怎麼來呢？研究人員還是用了最傳統的方式，把數據庫分兩半，用前8年的數據訓練模型，預測剩下4年裡的死亡率，下圖圓點是預測出來的死亡率，從黃到綠代表死亡率從低到高。
簡單來說，綠色點代表模型預測中後面四年死亡率極高的人，而紅點則是真實世界中确認死亡的人。
據此得出結論，模型說“你的死亡率極高”，那有78%的概率代表他說的沒錯。
話又說回來，這模型發現的英年早逝的風險因素過于平平無奇了——比如收入低、比如身體不好、比如接受過心理治療。
有意思的是，在丹麥，男性、且具有高級職業技能的人群死亡風險更高一些，難道是因為過勞？
不過倒也不用擔心到自己頭上，模型是根據丹麥人真實的生活數據訓練出來的，預測出來的結果也是僅丹麥适用。
按照團隊的設想，這個模型可以在早期預測到還沒發生的健康或社會問題，幫助政府對症下藥，盡早消滅不平等問題。不過要是保險公司用上這套模型，那你就可以根據保費的漲幅來推測自己剩餘的年限了。
團隊成員也早想到了這點，強烈不建議這個大模型商業化，尤其提防保險行業。
科技總是一把雙刃劍，具體看往哪個方向揮。其實類似的預測模型之前也出現過，澳大利亞一個團隊可以通過數據預測青少年的自殘和自殺企圖，準确率比專業心理醫生還高。
所以建模和預測這件事本身沒有問題，主要還看模型的用途是什麼。
說到用途，的用途還不止能預測死亡率這麼簡單，它還能根據你的人生軌迹來反推你的性格。
團隊從性格測試方面比較權威的模型裡挑了一些題目，然後找了一些信息在他們數據庫中的人來做性格測試。
比如在“我更喜歡跟别人一起工作而不是一個人埋頭苦幹”這道題上得分更高的人，更喜歡交際。
然後把人做的結果跟模型預測相比較，發現預測的準确度比盲猜和神經網絡算法高得多。
看起來還挺眼熟，這不就是MBTI性格測試嘛！
比如自己選擇當理發師的人，大多不會是I人；身體不好需要長期卧床休養的人，性格上大緻不會太活潑。
但比起現在性格測試界主流的做題，相對來說用大模型其實更能真實的反映一個人的性格。畢竟做題憑借的是測試者對自己的主觀評價，而模型用的直接是生活中的行為。
不保證沒有一些人嘴上說着“一旦确定了目标，我會堅持努力低實現它”，然後一年兩年三年過去了體重還是沒有變化。
相比較之前社會科學界常用出現的“我們發現收入越高的人群預期壽命越長”這種類似廢話的研究，第一次真正站在個人的角度上，提供了一個可以從今天的選擇，窺探未來人生樣貌的可能。
不管怎麼說，這種靠數據算命的方式總比互聯網玄學大師要強太多。
比如下面這位，先選幾個功成名就的大哥出來，然後找他們臉上有什麼共同點，這就叫面相大師了？
那我也來一個：都說姓馬的人容易成大事，不少知名企業家都姓馬，比如........。
我來說兩句