Οι επιστήμονες έχουν από καιρό κάνει παραλληλισμούς μεταξύ του τρόπου με τον οποίο ζούμε, τρώμε και κοιμόμαστε και πώς αυτό επηρεάζει τον κίνδυνο να πεθάνουμε νωρίτερα ή να αναπτύξουμε ορισμένες ασθένειες. Με μια τεχνητή νοημοσύνη, όπως αναφέρεται, αυτά τα υπάρχοντα δεδομένα συμπυκνώνονται πιο γρήγορα και πιο ολοκληρωμένα.

Μια ομάδα από το Northeastern University, το Τεχνικό Πανεπιστήμιο της Δανίας και το Πανεπιστήμιο της Κοπεγχάγης στη Δανία εκπαίδευσαν τη μηχανή τεχνητής νοημοσύνης τους στα δεδομένα έξι εκατομμυρίων Δανών ατόμων για να δοκιμάσουν τη σκοπιμότητα αυτού του είδους μηχανής προβλέψεων.

Διαπίστωσαν ότι οι ίδιες τεχνικές εκπαίδευσης που στηρίζουν τα Μεγάλα Γλωσσικά Μοντέλα (LLM), που τροφοδοτούν τα bots όπως το ChatGPT , μπορούν επίσης να εφαρμοστούν σε γεγονότα ζωής.

Αντί να μελετά τις σχέσεις μεταξύ λέξεων και προτάσεων, το AI υπολογίζει τις σχέσεις μεταξύ όλων όσων συμβαίνουν στη ζωή μας.

«Ολόκληρη η ιστορία μιας ανθρώπινης ζωής, κατά κάποιο τρόπο, μπορεί επίσης να θεωρηθεί ως μια γιγάντια μεγάλη πρόταση με τα πολλά πράγματα που μπορεί να συμβούν σε έναν άνθρωπο», λέει η Sune Lehmann, επιστήμονας δεδομένων στο Τεχνικό Πανεπιστήμιο της Δανίας.

“Αυτό το μοντέλο προσφέρει μια πολύ πιο ολοκληρωμένη αντανάκλαση του κόσμου όπως τον ζουν οι άνθρωποι από πολλά άλλα μοντέλα.”

Το νέο μοντέλο, που ονομάστηκε life2vec, χρησιμοποιεί “ενσωμάτωση χώρων” – όπου κάτι στον πραγματικό κόσμο δίνεται με μια μαθηματική μορφή που μπορεί να διαβάσει ένας υπολογιστής – για να βρει συνδέσμους μεταξύ παραγόντων υγείας, μορφωτικού υπόβαθρου, επιπέδων εισοδήματος και οτιδήποτε άλλο επηρεάζει τα ποσοστά θνησιμότητας .

Όταν τέθηκε σε δοκιμασία έναντι γνωστών αιτιών θανάτου, η τεχνητή νοημοσύνη αποδείχθηκε καλύτερη από τις τρέχουσες μεθόδους στην πρόβλεψη του πώς και πότε θα πέθαινε κάποιος – αν και εξακολουθούν να υπάρχουν πολλά γεγονότα, όπως τροχαία ατυχήματα, που το μοντέλο δεν έχει καμία πιθανότητα να προβλέψει .

Το AI ήταν επίσης σε θέση να προβλέψει ορισμένες πτυχές της προσωπικότητας, όπως η εξωστρέφεια.

Προηγμένα εργαλεία τεχνητής νοημοσύνης όπως αυτό δείχνουν πολλές δυνατότητες εντοπισμού μοτίβων που είναι πολύ περίπλοκα για να τα δει ο άνθρωπος, πράγμα που σημαίνει καλύτερη κατανόηση της σχέσης μεταξύ του πώς ζούμε τη ζωή μας και του πόσο υγιείς και καλά είμαστε.

Παρά αυτές τις επιτυχίες, οι ερευνητές προτρέπουν να είστε προσεκτικοί: τα δεδομένα ισχύουν μόνο για τους Δανούς προς το παρόν και έτσι έχουν ενσωματώσει κοινωνικοδημογραφικές προκαταλήψεις.

Η ομάδα θέλει επίσης να αντιμετωπίσει τις ανησυχίες σχετικά με το απόρρητο και τα προσωπικά δεδομένα πριν αυτά χρησιμοποιηθούν σε πραγματικό περιβάλλον.

«Αν και χρησιμοποιούμε πρόβλεψη για να αξιολογήσουμε πόσο καλά είναι αυτά τα μοντέλα, το εργαλείο δεν θα πρέπει να χρησιμοποιείται για πρόβλεψη σε πραγματικούς ανθρώπους», λέει η επιστήμονας υπολογιστών Tina Eliassi-Rad από το Northeastern University.

«Είναι ένα μοντέλο πρόβλεψης που βασίζεται σε ένα συγκεκριμένο σύνολο δεδομένων ενός συγκεκριμένου πληθυσμού».

Η έρευνα δημοσιεύτηκε στο Nature Computational Science.

(photo: pixabay)