هوش مصنوعی چگونه پایان زندگی افراد را پیش‌بینی می‌کند؟

تصور کنید که بتوانید جزئیات زندگی خود را به یک هوش مصنوعی بگویید – مثلاٌ شغلتان، عادات غذایی‌تان، زمانی که در 4 سالگی دستتان شکست – و از آن بخواهید محتمل‌ترین خطراتی که برای سلامتی افرادی مانند شما وجود دارد پیش‌بینی کند. چنین انتظاری علمی-تخیلی محض به نظر می‌رسد است، اما یک مطالعه جدید نشان می‌دهد که چگونه این فناوری خیلی دور نیست.
 
 دانشمندان مدت‌هاست که بین نحوه زندگی، خوردن و خوابیدن ما و اینکه چگونه بر خطر مرگ زودرس یا ابتلا به برخی بیماری‌ها تأثیر می‌گذارد تشابهاتی را یافته‌اند. با یک ابزار هوش مصنوعی، داده‌های موجود سریع‌تر و جامع‌تر تجزیه و تحلیل می‌شوند.
 
تیمی از دانشگاه نورث ایسترن، دانشگاه فنی دانمارک و دانشگاه کپنهاگ در دانمارک موتور هوش مصنوعی خود را با استفاده از داده‌های شش میلیون فرد دانمارکی آموزش دادند تا امکان ایجاد چنین نوعی از موتور پیش‌بینی‌گر را آزمایش کنند.

آنها دریافتند که همان تکنیک‌های آموزشی که زیربنای مدل‌های زبان بزرگ (LLMها) هستند، و ربات‌هایی مانند ChatGPT را بر آنها مبتنی هستند، می‌توانند برای رویدادهای زندگی نیز اعمال شوند.
 
این هوش مصنوعی به جای مطالعه روابط بین کلمات و جملات، تلاش می‌کند تا روابط بین هر چیزی که در زندگی ما اتفاق می‌افتد را بفهمد و پیدا کند.
 
این مدل جدید که life2vec نام دارد، از «فضاهای تعبیه‌شده» استفاده می‌کند – که در این فضاها به هر چیزی در دنیای واقعی یک شکل ریاضی داده می‌شود که یک کامپیوتر بتواند آن را بخواند – تا پیوندها و ارتباطاتی بین عوامل سلامت، پیشینه تحصیلی، سطح درآمد و هر چیز دیگری که بر میزان مرگ و میر تأثیر می‌گذارد ترسیم شود.
 
هنگامی که این هوش مصنوعی در مورد علل شناخته‌شده مرگ مورد آزمایش قرار گرفت، کارائی بهتری نسبت به روش‌های فعلی در پیش‌بینی چگونگی و زمان مرگ یک فرد از خود نشان داد – اگرچه هنوز رویدادهای زیادی مانند تصادفات رانندگی وجود دارد که این مدل هیچ شانسی برای پیش‌بینی آنها ندارد.
 

این هوش مصنوعی همچنین قادر به پیش‌بینی جنبه‌های خاصی از شخصیت مانند برون‌گرایی بود.
 
ابزارهای هوش مصنوعی پیشرفته مانند این پتانسیل زیادی برای تشخیص الگوهایی که برای انسان بسیار پیچیده است نشان می‌دهند، که به معنای درک بهتر رابطه بین نحوه زندگی و میزان سلامتی ماست.
 
علیرغم این موفقیت‌ها، محققان احتیاط را توصیه می‌کنند: این داده‌ها در حال حاضر فقط برای مردم دانمارک اعمال می‌شود و بنابراین سوگیری اجتماعی و جمعیت‌شناختی را در خود جای داده است.
 
این تیم همچنین می‌خواهد نگرانی‌های مربوط به حریم خصوصی و داده‌های شخصی را قبل از استفاده در یک محیط واقعی بررسی کند.
 
تینا الیاسی راد، دانشمند کامپیوتر از دانشگاه نورث ایسترن، می گوید: «اگرچه ما از پیش بینی برای ارزیابی میزان خوب بودن این مدل‌ها استفاده می‌کنیم، اما این ابزار نباید برای پیشبینی افراد واقعی استفاده شود. این یک مدل پیش بینی است که بر اساس دیتاست خاصی از یک جمعیت خاص است».
 
این تحقیق در نشریه نیچر منتشر شده است.