به گفته دانشمندان دانشگاه فنی دانمارک (DTU)، به این نمونه هوش مصنوعی بر اساس داده‌های شخصی جمعیت دانمارک آموزش دادند و این ابزار نشان داد که احتمال مرگ افراد را با دقتی بیشتر از هر سیستم موجود پیش‌بینی می‌کند.
در این پژوهش، محققان داده‌های سلامت و بازار کار شش میلیون دانمارکی را که از سال ۲۰۰۸ تا ۲۰۲۰ جمع‌آوری شده بود، از جمله اطلاعات مربوط به تحصیل افراد، مراجعه آن‌ها به پزشک و بیمارستان، نتیجه تشخیص‌ها، درآمد، و شغل را، بررسی و تحلیل کردند.
دانشمندان این مجموعه داده‌ها را به واژه‌ها تبدیل کردند تا الگوی زبانی بزرگی به نام «لایف‌تو‌وک» (life2vec) را آموزش دهند که شبیه به فناوری مورد استفاده در برنامه‌های هوش مصنوعی مانند چت جی‌پی‌تی است.
بر اساس این پژوهش، که گزارش آن روز سه‌شنبه در مجله «نیچر کامپیوتیشنال ساینس» (Nature Computational Science) منتشر شد، زمانی که این الگوی هوش مصنوعی ترتیب موجود در داده‌ها را یاد گرفت، می‌توانست از دیگر سیستم‌های پیشرفته هوش مصنوعی بهتر عمل کند و خروجی‌هایی مانند شخصیت و زمان مرگ را با دقت زیادی پیش‌بینی کند.
محققان با استفاده از داده‌های گروهی از افراد ۳۵ تا ۶۵ ساله که نیمی از آن‌ها بین سال‌های ۲۰۱۶ تا ۲۰۲۰ فوت کرده بودند، از سیستم هوش مصنوعی خواستند پیش‌بینی کند که چه کسی زنده است و چه کسی مرده است.
آن‌ها دریافتند که پیش‌بینی این سیستم ۱۱ درصد دقیق‌تر از هر الگوی هوش مصنوعی موجود یا هر روشی است که شرکت‌های بیمه برای قیمت‌‌گذاری بیمه‌نامه‌هایشان به کار می‌برند.
سون لیمن، نویسندهٔ نخست این پژوهش از دانشگاه فنی دانمارک، گفت: «نکته هیجان‌انگیز این است که زندگی انسان را توالی طولانی‌ای از رخدادها در نظر بگیریم؛ شبیه به اینکه چگونه جمله در زبان از مجموعه‌ای از واژه‌ها تشکیل می‌شود.»
دکتر لیمن گفت: «معمولا برای این کار از الگوهای مبدل در هوش مصنوعی استفاده می‌شود، اما ما در آزمایش‌هایمان از آن‌ها برای بررسی و تحلیل آن چیزی استفاده میکنیم که توالی‌های زندگی- یعنی رخدادهایی که در زندگی انسان رخ داده است- می‌نامیم.»
محققان با استفاده از این الگو به جست‌وجوی پاسخ‌هایی برای پرسش‌هایی عمومی مانند احتمال مرگ یک فرد در چهار سال برآمدند.
آن‌ها دریافتند که پاسخ‌های این الگو با یافته‌های موجود مطابقت دارد، به‌طوری که وقتی همه عوامل دیگر در نظر گرفته شود، احتمال زنده ماندن افرادی که در موقعیت‌های رهبری قرار دارند یا درآمد زیادی دارند بیشتر است، و مرد بودن، مهارت داشتن، یا داشتن مشکلات روحی با احتمال بیشتر مرگ مرتبط است.
دکتر لیمن می‌گوید: «ما از این الگو برای یافتن پاسخی برای این سوال بنیادی استفاده کردیم: تا چه حد می‌توانیم رخدادهای آینده‌‌تان را با توجه به شرایط و رخدادهای گذشته‌تان پیش بینی کنیم؟»
او افزود: «از نظر علمی، آنچه برای ما هیجان‌انگیز است خود پیش‌بینی نیست، بلکه جنبه‌هایی از داده‌ها است که این الگو را قادر می‌سازد چنین پاسخ‌های دقیقی بدهد.»
همچنین، این الگو قادر است نتایج آزمون شخصیت در بخشی از جمعیت را بهتر از سیستم‌های هوش مصنوعی موجود پیش‌بینی کند.
محققان در این گزارش پژوهشی نوشتند: «چارچوب کار ما به محققان اجازه می‌دهد سازوکارهای احتمالی جدیدی را شناسایی کنند که روی برآمدهای زندگی و احتمالات مرتبط با مداخلات شخصی اثر می‌گذارد.»
با این حال، دانشمندان هشدار میدهند که با توجه به ملاحظات اخلاقی، این الگو نباید مورد استفاده شرکت‌های بیمه قرار بگیرد.
دکتر لیمن به نیوساینتیست گفت: «واضح است که الگوی ما نباید مورد استفاده شرکت‌های بیمه قرار بگیرد، زیرا کل ایده بیمه این است که با سهیم شدن در بی‌خبری از اینکه فرد بدشانس، که با حادثه‌ای یا با مرگ یا گم شدن کوله‌پشتی‌اش مواجه شده است، چه کسی است، این بار [بی‌خبری] را به نوعی تقسیم میکنیم.»
محققان همچنین هشدار میدهند که مسائل اخلاقی دیگری در مورد استفاده از لایف‌تو‌وک (life2vec) وجود دارد، مانند حفاظت از داده‌های حساس، حریم خصوصی، و نقش سوگیری در داده‌ها.
آن‌ها گفتند: «تاکید میکنیم که کار ما کاوش در چیزی است که محتمل است، اما از آن فقط در کاربردهای دنیای واقعی، بر طبق مقررات حمایت از حقوق افراد، باید استفاده شود.»
در این باره مطلب زیر می توانید بریتان جالب باشد :
سایت محاسبه زمان مرگ