بر اساس یک مطالعه جدید، مدل life2vec در حدود 78 درصد مواقع دقیق است که آن را با سایر الگوریتمهای طراحی شده برای پیشبینی نتایج مشابه زندگی برابر میکند. اما بر خلاف مدلهای دیگر، مانند یک چت بات کار میکند و از جزئیات موجود برای پیشبینی اتفاقات بعدی استفاده میکند.
به گزارش روزیاتو، این مدل توسط دانشمندانی در دانمارک و ایالات متحده ساخته شده است که یک الگوریتم ماشین لرنینگ را بر روی مجموعه عظیمی از دادههای دانمارکی آموزش دادهاند و همه انواع اطلاعات را در مورد بیش از شش میلیون فرد واقعی از جمله درآمد، حرفه، محل زندگی، جراحات و بارداری به آن دادند.
نتیجه نهایی آنها مدلی بود که میتواند اطلاعات را به زبان ساده پردازش کند و پیشبینیهایی درباره احتمال مرگ زودهنگام یک فرد یا درآمد او در طول عمر را بیان کند.
برخی از عواملی که منجر به مرگ زودرس می شوند عبارتند از: مرد بودن، تشخیص مشکلات سلامت روان، داشتن یک شغل حرفه ای. چیزهایی که به زندگی طولانی تر مربوط می شود شامل درآمد بالا یا قرار گرفتن در نقش های رهبری است.
با در نظر گرفتن هر بخش از زندگی شما به عنوان کلماتی در یک جمله، life2vec بر اساس آنچه نوشته شده است، پیش بینی می کند که داستان زندگی شما به کجا ختم می شود. درست همانطور که کاربران ChatGPT از آن میخواهند آهنگ، شعر یا مقاله بنویسد، دانشمندان میتوانند از life2vec درباره احتمال مرگ یک فرد خاص در 4 سال آینده بپرسند.
این مدل از سال 2008 تا 2016 آموزش داده شد. بر اساس داده های جمعیتی، بیش از سه چهارم موارد به درستی پیش بینی کرد که چه کسی تا سال 2020 می میرد.
محقق ارشد این مقاله گفت: «برای محافظت از اطلاعات شخصی افرادی که از داده های آنها برای آموزش سیستم استفاده شده است، این اطلاعات برای استفاده عموم یا شرکت ها، در دسترس نیست.»
یک استاد شبکه و سیستمهای پیچیده که از محققان این پروژه است، میگوید: «ما فعالانه روی راههایی کار میکنیم تا برخی از نتایج را بهطور آشکارتر به اشتراک بگذاریم، اما این امر مستلزم انجام تحقیقات بیشتر به روشی است که بتواند حریم خصوصی افراد در حال مطالعه را تضمین کند. حتی زمانی که این مدل در نهایت در دسترس عموم قرار گیرد، قوانین حفظ حریم خصوصی دانمارک استفاده از life2vec را برای تصمیم گیری در مواردی مانند قرارداد بیمه یا استخدام، غیرقانونی می کند.»
همانطور که ChatGPT و دیگر مدلهای زبانی بزرگ آموزش داده شدهاند، life2vec با دادههای زندگی افراد آموزش داده شده است که به صورت مجموعهای از جملات غنی از داده نوشته شده است.
جملاتی مانند: «در سپتامبر 2012، فرانسیسکو بیست هزار کرون دانمارک به عنوان نگهبان در قلعه ای در السینور دریافت کرد» یا «در طول سال سوم تحصیل در مدرسه شبانه روزی متوسطه، هرمیون در پنج کلاس انتخابی شرکت کرد.»
این دانشمندان توکنهای مختلفی را برای هر یک از اطلاعات اختصاص دادند و این دادهها همگی در ارتباط با یکدیگر ترسیم شدند. مقولههای داستانهای زندگی مردم طیف وسیعی از تجربیات انسانی را شامل میشوند: شکستگی ساعد به صورت S52 نشان داده میشود. کار در یک مغازه دخانیات با کد IND4726، درآمد با 100 توکن دیجیتال مختلف نشان داده می شود و خونریزی پس از زایمان، O72 است.
اما کاری که life2vec انجام میدهد این است که مجموعه عظیمی از عواملی را که زندگی یک فرد را تشکیل میدهند را ترسیم میکند و به افراد اجازه می دهد تا بر اساس داده های زندگی میلیونها نفر و عوامل دیگر، پیش بینی وضعیت زندگی خود را ببینند.
این مدل همچنین می تواند در مورد شخصیت افراد پیش بینی کند. برای انجام این کار، دانشمندان این مدل را براساس پاسخ افراد به سؤالات در آزمون شخصیت شناسی آموزش دادند.
این آزمون از پاسخدهندگان میخواهد بر اساس میزان موافقتشان امتیاز دهند، مواردی مانند «اولین کاری که من همیشه در یک مکان جدید انجام میدهم این است که دوست پیدا کنم» یا «به ندرت نظرات خود را در جلسات گروهی بیان میکنم.» از افراد پرسیده می شود.
توجه به این نکته مهم است که دادهها همه از دانمارک هستند، بنابراین این پیشبینیها ممکن است برای افرادی که در مکانهای دیگر زندگی میکنند درست نباشد. علاوه بر این واقعیت که بیشتر مردم احتمالاً واقعاً نمیخواهند بدانند چه زمانی خواهند مرد.
امروزه از فناوریهای مشابه برای پیشبینی رویدادهای زندگی و رفتار انسان در شرکتهای فناوری استفاده میشود که برای مثال، رفتار ما را در شبکههای اجتماعی ردیابی میکنند، ما را با دقت بسیار بالا معرفی میکنند و از این پروفایلها برای پیشبینی رفتار و تأثیرگذاری بر ما استفاده میکنند.
این دانشمندان معتقدند: «این مبحث باید بخشی از گفتگوهای دموکراتیک باشد تا در نظر بگیریم که فناوری ما را به کجا می برد؟ و آیا این مسیری است که می خواهیم بر آن قدم بگذاریم؟»