به گزارش باملین به نقل از خبرآنلاین، سازندگان Life2vec به دور از هرگونه جذابیت بحث برانگیز، هدفشان کشف الگوها و روابطی است که برنامه های یادگیری عمیق می توانند طیف وسیعی از رویدادهای سلامتی و زندگی اجتماعی را پیش بینی کنند.
Sun Lehmann، استاد دانشگاه فنی دانمارک و یکی از نویسندگان مطالعه اخیر منتشر شده در مجله Computational Science می گوید: «این یک چارچوب بسیار کلی برای پیش بینی زندگی انسان است که می تواند هر چیزی را در جایی که داده های آموزشی وجود دارد پیش بینی کند. به گفته لمن، احتمالات بی پایان هستند.
وی ادامه داد: با این روش می توان پیامدهای سلامتی را پیش بینی کرد. بنابراین می‌توانید باروری یا چاقی را پیش‌بینی کنید، یا شاید بتوانید پیش‌بینی کنید چه کسی در آینده به سرطان مبتلا می‌شود و چه کسی نه، و در عین حال می‌توانید پیش‌بینی کنید که چه زمانی ثروتمند خواهید شد.
این الگوریتم از فرآیندی مشابه استفاده می کند ChatGPT موارد استفاده؛ اما متغیرهای مؤثر بر زندگی مانند تولد، تحصیلات، مزایای اجتماعی یا حتی برنامه های کاری را تجزیه و تحلیل می کند.
اعضای تیم در حال کار برای گردآوری نوآوری هایی هستند که به الگوریتم های پردازش زبان اجازه می دهد تا تکامل و قابلیت پیش بینی زندگی انسان را بر اساس توالی دقیق رویدادها کشف کنند.
لمان در این باره می‌گوید: «از یک دیدگاه، زندگی صرفاً دنباله‌ای از رویدادهاست: مردم متولد می‌شوند. آنها پیش پزشک اطفال می روند، به مدرسه می روند، به شهر جدیدی نقل مکان می کنند، ازدواج می کنند و غیره.»
کلاهبرداران از این ایده سوء استفاده می کنند
در همین حال، معرفی اپلیکیشن ادعاهایی مبنی بر «ماشین حساب مرگ» را برانگیخت و برخی از سایت های کلاهبرداری مردم را فریب دادند تا از برنامه هوش مصنوعی برای پیش بینی امید به زندگی (در ازای اطلاعات شخصی افراد) استفاده کنند.
اکنون محققان اشاره می کنند که این نرم افزار کاملاً خصوصی است و در حال حاضر در اینترنت یا حتی جامعه تحقیقاتی گسترده تر در دسترس نیست.
بررسی اطلاعات آماری شش میلیون نفر
اساس ساخت مدل life2vec به دست آوردن داده های بیش از شش میلیون دانمارکی ناشناس است که توسط آژانس آمار رسمی دانمارک جمع آوری شده است و با تجزیه و تحلیل توالی وقایع، می توان نتایج زندگی افراد را تا آخرین نفس پیش بینی کرد.
این الگوریتم در پیش‌بینی مرگ در ۷۸ درصد مواقع درست است. زمانی که پیش بینی می شود فردی برای زندگی به شهر یا کشور دیگری برود، در ۷۳ درصد موارد پیش بینی ها به حقیقت می پیوندند.
لمان توضیح داد: «ما در حال بررسی مرگ و میر زودرس هستیم. ما یک گروه بسیار جوان بین سنین ۳۵ تا ۶۵ را انتخاب می کنیم و سعی می کنیم بر اساس یک دوره هشت ساله بین سال های ۲۰۰۸ و ۲۰۱۶ پیش بینی کنیم که آیا فردی در ۴ سال آینده خواهد مرد یا خیر. این مدل می تواند عملکرد بسیار خوبی داشته باشد. بسیار بهتر از هر الگوریتم دیگری.
به گفته محققان، تمرکز بر این محدوده سنی (جایی که میزان مرگ و میر کمتر است) به آنها اجازه داد تا قابلیت اطمینان الگوریتم را آزمایش کنند. با این حال، این ابزار هنوز برای استفاده در خارج از یک محیط تحقیقاتی آماده نیست.
لیمن در این رابطه گفت: در حال حاضر این یک پروژه تحقیقاتی است که در آن ما در حال بررسی ممکن و غیرممکن هستیم. در عین حال، او و دستیارانش می خواهند نتایج بلندمدت و تأثیر ارتباطات اجتماعی بر زندگی و سلامت مردم را مطالعه کنند.
تقابل کامل
به گفته محققان، این پروژه در واقع یک موازنه علمی برای سرمایه گذاری سنگین در الگوریتم های هوش مصنوعی ارائه شده توسط شرکت های بزرگ فناوری است. لمن در این باره گفت: «آنها همچنین می توانند مدل هایی از این دست بسازند. اما آنها را در دسترس مردم قرار نمی دهند و در مورد آن صحبت نمی کنند. آنها این مدل ها را می سازند تا تبلیغات بیشتری به شما بفروشند یا محصولات بیشتری را از طریق آن تبلیغات به شما بفروشند.
پرنیل ترنبرگ، کارشناس اخلاق داده دانمارکی خاطرنشان کرد که الگوریتم های مشابه قبلاً توسط مشاغلی مانند شرکت های بیمه استفاده شده است. او گفت: «احتمالاً شما را در گروه‌هایی قرار می‌دهند و می‌گویند که یک بیماری مزمن دارید و این خطرات شما را به خطر می‌اندازد. از این ابزار می توان برای تبعیض علیه ما استفاده کرد تا مجبور شوید حق بیمه بیشتری بپردازید. یا نمی توانید از بانک وام دریافت کنید یا نمی توانید از خدمات بهداشت عمومی استفاده کنید. چون به هر حال خواهی مرد.”
اما وقتی نوبت به پیش بینی مرگ می رسد، برخی از توسعه دهندگان قبلاً سعی کرده اند چنین الگوریتم هایی را تجاری کنند. ترانبرگ می گوید: «در اینترنت، ما ساعت هایی با پیش بینی هایی می بینیم که نشان می دهد چند سال خواهیم داشت و برخی از آنها اصلا قابل اعتماد نیستند.