Jį sukūrė Danijos ir JAV mokslininkai, kurie algoritmą mokė pasitelkdami didžiulį Danijos duomenų masyvą, pateikdami jam įvairią informaciją apie daugiau nei šešis milijonus realių žmonių, įskaitant pajamas, profesiją, gyvenamąją vietą, traumas ir nėštumo istorijas.
Galutinis rezultatas – modelis, galintis apdoroti paprastą kalbą ir generuoti prognozes apie tikimybę, kada žmogus mirs, arba apie jo numatomas pajamas, skelbia portalas „Daily Mail“.
Numato, kada mirsite
Kai kurie iš veiksnių, kuriais vadovaujasi sukurtas algoritmas, galinčių lemti ankstyvesnę mirtį, yra šie: vyriškos lyties asmuo, psichikos sveikatos diagnozė arba kvalifikuota profesija.
Su ilgesniu gyvenimu siejami tokie dalykai kaip didesnės pajamos arba vadovavimas.
Atsižvelgdamas į kiekvieną jūsų gyvenimo dalį kaip į sakinio žodžius, „life2vec“ algoritmas, remdamasi tuo, kas iki šiol buvo parašyta, numato, kaip jūsų gyvenimo istorija klostysis toliau.
Panašiai kaip „ChatGPT“, kurio naudotojai prašo parašyti dainą, eilėraštį ar esė, mokslininkai gali užduoti „life2vec“ paprastus klausimus, pavyzdžiui, „mirtis per ketverius metus?“ apie tam tikrą asmenį.
Modelis buvo apmokytas naudojant 2008–2016 m. duomenis
Remdamasis gyventojų duomenimis, jis teisingai numatė daugiau nei tris ketvirtadalius mirties atvejų (mirusių iki 2020 m.).
Tyrimas paskelbtas žurnale „Nature Computational Science“.
Tačiau siekiant apsaugoti žmonių, kurių duomenys buvo naudojami sistemai apmokyti, asmeninę informaciją, ja negali naudotis plačioji visuomenė bei įmonės, „DailyMail“ sakė pagrindinė tyrėja Sune Lehmann.
AI Algorithm Aims to Predict Life and Death: Understanding the Possibilities and Perilshttps://t.co/AMgdoHz2Nl pic.twitter.com/9iq3Kuw5nx
— Tech Tales (@TechTalesHQ) March 21, 2024
„Aktyviai ieškome būdų, kaip kai kuriais rezultatais dalytis atviriau, tačiau tam reikia atlikti tolesnius tyrimus, kurie užtikrintų tyrime dalyvavusių žmonių privatumą“, – sakė Danijos technikos universiteto tinklų ir sudėtingų sistemų profesorė S. Lehmann.
Net ir tada, kai modelis pagaliau bus viešai prieinamas, Danijos privatumo įstatymai neleistų naudoti „life2vec“ priimant sprendimus apie asmenis, pavyzdžiui, draudimo ar įdarbinimo klausimais.
Numatomų veiksnių žemėlapis
Žmonių gyvenimo istorijose esančios kategorijos apima visą žmogiškųjų patirčių spektrą:
- Dilbio lūžis žymimas kaip S52;
- Darbas tabako parduotuvėje koduojamas kaip IND4726;
- Pajamos žymimos 100 skirtingų skaitmeninių žetonų;
- Kraujavimas po gimdymo – O72.
Daugelis algoritme tiriamų žymenų yra kintantys, pavyzdžiui, profesija ir pajamos – už tam tikrus darbus gaunama daugiau pinigų.
A new machine learning algorithm is able to predict patient risk of death, using ECG data. #ECG #PatientData #AI #Death #Prediction #MachineLearning https://t.co/FohviapTZE via @NeuroscienceNew pic.twitter.com/TiTtffgmHd
— Cara Santa Maria (@CaraSantaMaria) March 29, 2023
Tačiau „life2vec“ sudaro didžiulį asmens gyvenimą sudarančių veiksnių žemėlapį, todėl galima paprašyti, kad jis pateiktų prognozę, pagrįstą milijonais kitų žmonių ir daugybe kitų veiksnių.
Gali prognozuoti žmonių asmenybę
Kad tai padarytų, S. Lehmann ir jos komanda išmokė modelį prognozuoti žmonių atsakymus į asmenybės testo klausimus.
Teste respondentų prašoma įvertinti 10 punktų pagal tai, kiek jie sutinka su tokiais teiginiais: „Pirmas dalykas, kurį visada darau naujoje vietoje, yra susirasti draugų“ arba „Grupės susirinkimuose retai reiškiu savo nuomonę“.
Pasak S. Lehmann, svarbu pažymėti, kad visi duomenys buvo gauti Danijoje, todėl šios prognozės gali netikti kitose šalyse gyvenantiems žmonėms, be to, dauguma žmonių tikriausiai nenori žinoti, kada jie mirs.
#study reveals #AI can #Prediction of #Time of #Death rather #accurately. link https://t.co/ICUlTIs4tC. #MachineLearning #science #computing #technology #futureofwork pic.twitter.com/FmJLexsT0i
— Arvind Mahindru (@AMahindru) March 4, 2018
„Šis modelis atveria svarbias teigiamas ir neigiamas perspektyvas, kurias reikia aptarti ir spręsti politiniu požiūriu“, – sakė S. Lehmann.
Panašios gyvenimo įvykių ir žmonių elgesio prognozavimo technologijos jau šiandien naudojamos technologijų bendrovėse, kurios, pavyzdžiui, seka mūsų elgesį socialiniuose tinkluose, itin tiksliai sudaro mūsų profilius ir naudoja šiuos profilius, kad nuspėtų mūsų elgesį ir darytų mums įtaką.
