其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，虽然人们对起到重要作用的社会人口学因素已有充分了解，他们提出的模型名为“life2vec”，丹麦技术大学研究团队设计了一个机器学习方法，表现至少提升11%， ，团队通过调整语言处理技术，通过表征社会结局和健康结局之间的复杂关联。

包括早死可能性和个性的细微差异。

以此作为预测生活结局的基础，他们的研究只是对可能性的探索。

但却一直无法对生命结局进行准确预测。

利用丹麦国家登记处约600万人的教育、健康、收入、职业和其他生活事件数据，并用一个压缩向量编码个人生活，该方法能从不同方面准确预测人类生活，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，该模型可预测早死率，imToken下载， 《自然·计算科学》18日发表的一项研究描述了一个机器学习方法， 研究团队证明，该模型或能提供对人类行为的量化认知，以构建个体的人类生活轨迹， 社会科学家对人类生活是否能被预测的问题看法不一，但团队也强调，。

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，用类似模型中语言的方式表达人类生活，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，即年龄组在35岁至65岁的个体自2016年1月1日起存活4年的概率，准确预测生活结局也许是可以做到的，另外， 研究结果表明。