Η τεχνητή νοημοσύνη (AI) που αναπτύχθηκε για τη μοντελοποίηση του γραπτού λόγου φαίνεται ότι μπορεί να χρησιμοποιηθεί και για την πρόβλεψη γεγονότων στη ζωή των ανθρώπων.

Τουλάχιστον αυτό δείχνει το νέο ερευνητικό πρόγραμμα από μια διεθνή ομάδα επιστημόνων από το Technical University of Denmark, το University of Copenhagen και το Northeastern University.

Σύμφωνα με τους ερευνητές, είναι δυνατό να χρησιμοποιηθεί ένας μεγάλος όγκος δεδομένων (για τη ζωή των ανθρώπων) προκειμένου να εκπαιδευτούν οι λεγόμενοι «παραγωγικοί προ εκπαιδευμένοι μετασχηματιστές» (όπως το ChatGPT) να οργανώνουν συστηματικά τα δεδομένα και να προβλέπουν τι θα συμβεί στη ζωή ενός ατόμου, εκτιμώντας ακόμα και τον χρόνο θανάτου του.

Η AI εκπαιδεύεται

Στο νέο επιστημονικό τους άρθρο με τίτλο “Using Sequences of Life-events to Predict Human Lives”, που δημοσιεύθηκε στο Nature Computational Science, οι ερευνητές ανέλυσαν δεδομένα υγείας και εργασίας για 6 εκατομμύρια Δανούς σε ένα μοντέλο που ονομάστηκε life2vec.

Αφού το μοντέλο εκπαιδεύτηκε σε μια αρχική φάση, δηλαδή αφού έμαθε να αναγνωρίζει τα διάφορα μοτίβα στα δεδομένα, αποδείχθηκε ότι μπορεί να ξεπεράσει αλλά προηγμένα νευρωνικά δίκτυα, προβλέποντας εκβάσεις που σχετίζονται με την προσωπικότητα και τον χρόνο θανάτου με υψηλή ακρίβεια.

«Χρησιμοποιήσαμε το μοντέλο για να απαντήσουμε στο θεμελιώδες ερώτημα: σε ποιο βαθμό μπορούμε να προβλέψουμε γεγονότα στο μέλλον με βάση τις συνθήκες και τα γεγονότα του παρελθόντος;

Επιστημονικά, αυτό που είναι συναρπαστικό για εμάς δεν είναι τόσο η ίδια η πρόβλεψη, αλλά οι πτυχές των δεδομένων που επιτρέπουν στο μοντέλο να παρέχει τόσο ακριβείς απαντήσεις», αναφέρει χαρακτηριστικά η Δρ. Σουν Λίμαν, καθηγήτρια στο DTU και επικεφαλής της μελέτης.

Πώς προβλέπει τον χρόνο θανάτου;

Οι προβλέψεις του μοντέλου Life2vec πρόκειται για απαντήσεις σε γενικές ερωτήσεις, όπως: «Είναι πιθανός ο θάνατος μέσα στα επόμενα τέσσερα χρόνια;».

Όταν οι ερευνητές ανέλυσαν τις απαντήσεις του μοντέλου, τα αποτελέσματα ταίριαζαν με τα υπάρχοντα ευρήματα από τις κοινωνικές επιστήμες.

Για παράδειγμα, όταν όλοι οι παράγοντες ήταν ίδιοι, τα άτομα σε ηγετική θέση ή με υψηλό εισόδημα φάνηκαν να έχουν περισσότερες πιθανότητες να ζήσουν περισσότερο, ενώ το να είναι κανείς άνδρας με διάγνωση ψυχικής νόσου συνδέθηκε με υψηλότερο κίνδυνο θανάτου.

Τα μαθηματικά πίσω από τις απαντήσεις

Το Life2vec κωδικοποιεί τα δεδομένα σε ένα μεγάλο σύστημα διανυσμάτων, μια μαθηματική δομή για την οργάνωση των διαφορετικών δεδομένων.

Το μοντέλο αποφασίζει πού θα τοποθετήσει δεδομένα σχετικά με την ώρα γέννησης, το σχολείο, την εκπαίδευση, τον μισθό, τη κατάσταση στέγασης και την υγεία.

«Αυτό που είναι συναρπαστικό είναι ότι βλέπουμε την ανθρώπινη ζωή ως μια μακρά ακολουθία γεγονότων, παρόμοια με το πώς μια πρόταση σε μια γλώσσα αποτελείται από μια σειρά λέξεων.

Αυτός είναι συνήθως ο τύπος εργασίας για την οποία χρησιμοποιούνται μοντέλα μετασχηματιστών στην τεχνητή νοημοσύνη, αλλά στα πειράματά μας τα χρησιμοποιούμε για να αναλύσουμε αυτό που ονομάζουμε ακολουθίες ζωής, δηλαδή γεγονότα που έχουν συμβεί στην ανθρώπινη ζωή», καταλήγει η Δρ. Σουν Λίμαν.