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.
Γενικές ερωτήσεις
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
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.
Το μέλλον…
Πιθανότατα είναι ό,τι πλησιέστερο έχουμε σε μια γυάλινη σφαίρα που λέει το μέλλον: αλγόριθμος τεχνητής νοημοσύνης που εκπαιδεύτηκε με τις βιογραφίες εκατομμυρίων ανθρώπων προβλέπει με ανατριχιαστική ακρίβεια παραμέτρους όπως το εισόδημα και ο κίνδυνος πρόωρου θανάτου, μια τεχνολογία που υπόσχεται οφέλη στην προληπτική ιατρική αλλά παράλληλα γεννά νέα ηθικά ερωτήματα.
Το μοντέλο πέφτει μέσα στο 78% των προβλέψεών του, αναφέρουν οι δανοί δημιουργοί του στην επιθεώρηση Nature Computational Science. Το σύστημα αναγνώρισε διάφορους παράγοντες που αυξάνουν τον κίνδυνο πρόωρου θανάτου, όπως το χαμηλό εισόδημα και οι ψυχιατρικές διαγνώσεις. Οι περιπτώσεις που έπεφτε έξω συχνά αφορούσαν ατυχήματα ή εμφράγματα, συμβάντα που είναι δύσκολο να προβλεφθούν. Ο αλγόριθμος εκπαιδεύτηκε με δεδομένα για το διάστημα 2008-2016 και κλήθηκε να κάνει προβλέψεις για το 2020
Στην τεχνολογία
Η μελέτη βασίστηκε στην τεχνολογία των «μεγάλων γλωσσικών μοντέλων» όπως το διάσημο ChatGPT, τα οποία εκπαιδεύονται με μεγάλους όγκους κειμένου και μαθαίνουν να προβλέπουν ποια λέξη είναι πιθανό να ακολουθεί μια άλλη. Ο Σούνε Λέμαν και οι συνεργάτες του στο Τεχνολογικό Πανεπιστήμιο της Δανίας θέλησαν να εξετάσουν αν τα μοντέλα αυτά μπορούν να εντοπίζουν μοτίβα και σε αλληλουχίες άλλων πραγμάτων εκτός από λέξεις. Για παράδειγμα, η πιθανότητα επιβίωσης από έναν καρκίνο μπορεί να είναι βελτιώνεται αν έχει προηγηθεί σύναψη ασφαλιστηρίου υγείας. «Όπως συμβαίνει και στη γλώσσα, η σειρά με την οποία συμβαίνουν τα γεγονότα της ζωής έχει μεγάλη σημασία» σχολίασε ο Λέμαν στον δικτυακό τόπο του περιοδικού Science.
Οι ζωές των άλλων
Το μοντέλο, με την ονομασία life2vec εκπαιδεύτηκε με δεδομένα από τα πλούσια εθνικά μητρώα της Δανίας, τα οποία περιέχουν ιατρικές και εργασιακές πληροφορίες για το σύνολο του πληθυσμού των 6 εκατ. κατοίκων. Οι ερευνητές κωδικοποιήσουν τα δεδομένα έτσι ώστε το μοντέλο να μπορεί να βάλει τα γεγονότα στη σωστή χρονική σειρά. Ο αλγόριθμος εκπαιδεύτηκε με δεδομένα για το διάστημα 2008-2016 και κλήθηκε να κάνει προβλέψεις για το 2020, να μαντέψει για παράδειγμα αν κάποιος θα είχε πεθάνει στο μεσοδιάστημα.
Οι ερευνητές πιστεύουν ότι τέτοια μοντέλα θα ήταν χρήσιμα στην πρόληψη ασθενειών και πρόωρων θανάτων. Ωστόσο ο αλγόριθμος είναι πιθανό να μη δίνει αξιόπιστες προβλέψεις για πληθυσμούς εκτός Δανίας και δεν αποκλείεται να αναπαράγει προκαταλήψεις και στερεότυπα που κρύβονται στα δεδομένα. Οι ερευνητές αναγνωρίζουν επίσης ότι οι πρακτικές εφαρμογές αυτών των μοντέλων προσκρούουν σε ζητήματα ιδιωτικότητας που παραμένουν ανεπίλυτα. Ποιος θα μπορεί να κάνει τέτοιες προβλέψεις; Και τι γίνεται στην περίπτωση που κάποιος δεν θέλει να ξέρει τα μαντάτα για το μέλλον του;