Deep Longevity在Aging-US上发表了一篇论文，其概述了跟哈佛大学医学院的Nancy Etcoff博士合作的人类心理学的机器学习方法。研究人员根据美国中年研究的数据创建了两个人类心理学的数字模型。

第一个模型是一个深度神经网络的集合，其利用心理调查的信息预测受访者的年龄和10年后的心理健康状况。这个模型描述了人类心理随着年龄增长而产生的轨迹。它还表明，形成有意义的联系的能力及心理自主和环境掌握的能力会随年龄的增长而发展。它还表明，对个人进步的重视程度不断下降，但拥有人生目标的感觉在40-50年后才会消失。这些结果增加了在成人人格发展背景下关于社会情感选择性和享乐适应性的越来越多的知识。

第二个模型是一个自组织地图，它被创建为心理健康应用的推荐引擎的基础。这种无监督学习算法将所有受访者根据其患抑郁症的可能性分成几个群组，另外还确定了任何个人走向精神稳定的群组的最短路径。Deep Longevity的首席长寿官Alex Zhavoronkov阐述：“现有的心理健康应用提供适用于所有人的通用建议，但却不适合任何人。我们已经建立了一个有科学依据的系统并提供卓越的个性化服务。”

为了证明这个系统的潜力，Deep Longevity已经发布了一个网络服务FuturSelf，这是一个免费的在线应用，它可以让用户参加原始出版物中描述的心理测试。在评估结束时，用户会收到一份报告，其中包含旨在改善他们长期心理健康的见并可以加入一个指导计划从而为他们提供稳定的人工智能选择的建议。在FuturSelf上获得的数据将被用于进一步开发Deep Longevity的心理健康数字方法。

来自哈佛大学医学院的生物老年学专家--Vadim Gladyshev教授对FuturSelf的潜力进行了评论--“这项研究为心理年龄、未来幸福感和抑郁症风险提供了一个有趣的视角并展示了机器学习方法在心理健康问题上的新颖应用。它还拓宽了我们如何看待衰老和通过生命阶段和情绪状态的过渡。”

据悉，研究人员们计划继续在衰老和长期幸福的背景下研究人类心理学。眼下，他们正在进行一项后续研究--研究幸福对衰老的生理措施的影响。