Deep Longevity在Aging-US上發表了一篇論文，其概述了跟哈佛大學醫學院的Nancy Etcoff博士合作的人類心理學的機器學習方法。研究人員根據美國中年研究的數據創建了兩個人類心理學的數字模型。

第一個模型是一個深度神經網絡的集合，其利用心理調查的信息預測受訪者的年齡和10年後的心理健康狀況。這個模型描述了人類心理隨著年齡增長而產生的軌跡。它還表明，形成有意義的聯繫的能力及心理自主和環境掌握的能力會隨年齡的增長而發展。它還表明，對個人進步的重視程度不斷下降，但擁有人生目標的感覺在40-50年後才會消失。這些結果增加了在成人人格發展背景下關於社會情感選擇性和享樂適應性的越來越多的知識。

第二個模型是一個自組織地圖，它被創建為心理健康應用的推薦引擎的基礎。這種無監督學習算法將所有受訪者根據其患抑鬱症的可能性分成幾個群組，另外還確定了任何個人走向精神穩定的群組的最短路徑。Deep Longevity的首席長壽官Alex Zhavoronkov闡述：“現有的心理健康應用提供適用於所有人的通用建議，但卻不適合任何人。我們已經建立了一個有科學依據的系統並提供卓越的個性化服務。”

為了證明這個系統的潛力，Deep Longevity已經發布了一個網絡服務FuturSelf，這是一個免費的在線應用，它可以讓用戶參加原始出版物中描述的心理測試。在評估結束時，用戶會收到一份報告，其中包含旨在改善他們長期心理健康的見並可以加入一個指導計劃從而為他們提供穩定的人工智能選擇的建議。在FuturSelf上獲得的數據將被用於進一步開發Deep Longevity的心理健康數字方法。

來自哈佛大學醫學院的生物老年學專家–Vadim Gladyshev教授對FuturSelf的潛力進行了評論–“這項研究為心理年齡、未來幸福感和抑鬱症風險提供了一個有趣的視角並展示了機器學習方法在心理健康問題上的新穎應用。它還拓寬了我們如何看待衰老和通過生命階段和情緒狀態的過渡。”

據悉，研究人員們計劃繼續在衰老和長期幸福的背景下研究人類心理學。眼下，他們正在進行一項後續研究–研究幸福對衰老的生理措施的影響。