L’intelligenza artificiale è in grado di prevedere gli eventi della vita personale

L’intelligenza artificiale sviluppata per modellare il linguaggio scritto può essere utilizzata per prevedere eventi nella vita delle persone. Un progetto di ricerca della DTU, dell’Università di Copenaghen, dell’Unione internazionale delle telecomunicazioni e della Northeastern University negli Stati Uniti mostra che se si utilizzano grandi quantità di dati sulla vita delle persone e si addestrano i cosiddetti “modelli di trasformazione”, che (come ChatGPT) vengono utilizzati per l’elaborazione del linguaggio possono organizzare sistematicamente i dati e fare previsioni su cosa accadrà nella vita di una persona e persino una stima del momento della morte.

In un nuovo articolo scientifico, “Using the Sequence of Life Events to Predict Human Life”, pubblicato sulla rivista Nature Computational Science, i ricercatori hanno analizzato i dati sanitari e la connettività del mercato del lavoro per sei milioni di danesi in un modello chiamato life2vec. Dopo che il modello è stato addestrato in una fase iniziale, ovvero i modelli di apprendimento nei dati, è stato dimostrato che supera le altre reti neurali avanzate (vedi riquadro informativo) e prevede risultati come la personalità e l’ora della morte con elevata precisione.

“Abbiamo utilizzato il modello per rispondere alla domanda fondamentale: fino a che punto possiamo prevedere gli eventi del futuro sulla base delle condizioni e degli eventi del passato? Scientificamente, ciò che ci interessa non è la previsione in sé, ma gli aspetti dei dati”, afferma Sonny. Lehmann, professore alla DTU e primo autore dell’articolo: “Permette al modello di fornire risposte così accurate”.

Previsioni dell’ora della morte

Le previsioni di Life2vec sono risposte a domande generali come: “Muori entro quattro anni”? Quando i ricercatori analizzano le risposte del modello, i risultati sono coerenti con i risultati delle scienze sociali; Ad esempio, a parità di condizioni, gli individui in posizioni di leadership o con un reddito elevato hanno maggiori probabilità di sopravvivere, mentre essere maschi, qualificati o avere una diagnosi mentale è associato a un aumento del rischio di morte. Life2vec codifica i dati in un ampio sistema di vettori, una struttura matematica che organizza diversi dati. Il modulo decide dove inserire i dati relativi all’ora di nascita, istruzione, istruzione, stipendio, alloggio e salute.

“Ciò che è interessante è pensare alla vita umana come a una lunga serie di eventi, in modo simile a come una frase in una lingua è composta da una serie di parole. Questo è solitamente il tipo di compito per cui vengono utilizzati i modelli di trasformazione nell’intelligenza artificiale, ma nei nostri esperimenti li usiamo per analizzare quelle che chiamiamo sequenze di vita, cioè eventi accaduti nella vita di una persona”, afferma Sonny Lehman.

Sollevare questioni etiche

I ricercatori dietro l’articolo sottolineano che le questioni etiche circondano il modello life2vec, come la protezione dei dati sensibili, la privacy e il ruolo dei bias nei dati. Queste sfide devono essere comprese più a fondo prima che il modello possa essere utilizzato, ad esempio, per valutare il rischio di un individuo di sviluppare malattie o altri eventi di vita prevenibili.

“Il modello apre importanti punti di vista positivi e negativi da discutere e affrontare a livello politico. Tecniche simili vengono già utilizzate oggi per prevedere eventi della vita e comportamenti umani all’interno di aziende tecnologiche che, ad esempio, tracciano il nostro comportamento sui social network, ci descrivono in modo molto preciso e fornirci informazioni molto precise. “Utilizzare questi profili per prevedere il nostro comportamento e influenzarci. Questa discussione deve essere parte della conversazione democratica in modo da poter vedere dove ci sta portando la tecnologia e se questo è lo sviluppo che vogliamo”, afferma Sonny Lyman.

Secondo i ricercatori, il prossimo passo sarà quello di integrare altri tipi di informazioni, come testi, immagini o informazioni sulle nostre connessioni sociali. Questo utilizzo dei dati apre un’interazione completamente nuova tra le scienze sociali e sanitarie.

fatti:

Progetto di ricerca

Il progetto di ricerca “Utilizzo di sequenze di eventi della vita per prevedere la durata della vita umana” si basa sui dati del mercato del lavoro e sui dati del Registro nazionale dei pazienti (LPR) e dell’Ufficio statistico danese. Il set di dati comprende tutti i 6 milioni di danesi e contiene informazioni su reddito, stipendio, stipendio, tipo di lavoro, industria, prestazioni sociali, ecc. Il set di dati sanitari include registrazioni di visite a operatori sanitari o ospedali, diagnosi, tipo di paziente e urgenza. Il set di dati va dal 2008 al 2020, ma in molte analisi i ricercatori si concentrano sul periodo 2008-2016 e su un sottoinsieme di individui con limiti di età.

Modello di trasformatori

Un modello di trasformazione è una struttura dati di deep learning AI utilizzata per il riconoscimento del linguaggio e altre attività. I modelli possono essere addestrati a comprendere e generare linguaggio. Il modello del trasformatore è progettato per essere più veloce ed efficiente rispetto ai modelli precedenti e viene spesso utilizzato per addestrare modelli linguistici di grandi dimensioni su set di dati di grandi dimensioni.

Reti neurali