Umjetna Inteligencija: Novo Doba Predviđanja Života
S razvojem umjetne inteligencije (UI), naša sposobnost predviđanja životnih događaja doseže neviđene razine. Znanstvenici s DTU-a, Sveučilišta u Kopenhagenu, ITU-a i Sveučilišta Northeastern u SAD-u, pokazuju kako se moćne UI tehnike mogu primijeniti za predviđanje ključnih događaja u životima pojedinaca. Uz pomoć sofisticiranih 'modela transformatora', sličnih popularnom ChatGPT-u, znanstvenici analiziraju obimne podatke, uključujući zdravstvene podatke, prihode i radne uvjete, kako bi predvidjeli buduće životne ishode.

Nedavno objavljen članak u časopisu Nature Computational Science otkriva model nazvan life2vec, koji se usmjerava na zdravlje i tržište rada. Model je treniran na podacima 6 milijuna Danaca, a njegova sposobnost predviđanja nadmašuje ostale napredne neuronske mreže. Fascinantno je da life2vec može predvidjeti ne samo osnovne životne događaje, već i procijeniti vrijeme smrti osobe s iznenađujućom preciznošću.

Life2vec: Razotkrivanje Šifri Života i Smrti
Nedavna istraživanja u području umjetne inteligencije bacaju novo svjetlo na fascinantnu mogućnost predviđanja životnih događaja, uključujući i vremena smrti. Life2vec, inovativni model razvijen u suradnji s DTU-om, Sveučilištem u Kopenhagenu, ITU-om i Sveučilištem Northeastern, prelazi granice tradicionalnih predviđanja, postavljajući pitanja poput: "Je li smrt unutar četiri godine vjerojatna?"

Model Life2vec koristi napredne algoritme za analizu i kodiranje velike količine podataka u sustavu vektora, pružajući uvide koji se usklađuju s postojećim društvenim znanstvenim nalazima. Na primjer, model ukazuje da osobe na vodećim pozicijama ili s višim prihodima imaju veću vjerojatnost preživljavanja. Nasuprot tome, muškarci, kvalificirani radnici ili osobe s mentalnim dijagnozama suočavaju se s povećanim rizikom od smrti.

Zanimljivo je kako profesorica Sune Lehmann opisuje Life2vec: kao alat koji tretira ljudski život kao dugi slijed događaja, slično strukturi rečenice u jeziku. Ovakav pristup, uobičajen za transformatorske modele u umjetnoj inteligenciji, ovdje se primjenjuje na analizu 'životnih sekvenci' - nizova događaja koji čine ljudski život.

Istraživanje tako postavlja temeljna pitanja o prirodi ljudskog postojanja i granicama etike u AI. Kroz detaljnu analizu životnih događaja, Life2vec ne samo da predviđa budućnost već i potiče duboko razmišljanje o našem odnosu s tehnologijom i njezinim utjecajem na naše najosobnije ishode.

Sune Lehmann, profesorica na DTU-u i glavna autorica studije, naglašava da njihov rad nije samo o predviđanju budućnosti, već o razumijevanju kako podaci iz prošlosti mogu oblikovati našu budućnost. Ovaj pristup otvara mnoga etička pitanja i potiče na razmišljanje o granicama privatnosti i odgovornosti u dobu umjetne inteligencije.

Life2vec: U Križanju Tehnologije i Etike
U srcu rasprave o modelu Life2vec leže duboka etička pitanja koja istraživači ne smiju zanemariti. Ova pitanja uključuju zaštitu osjetljivih podataka, privatnosti i potencijalne pristranosti unutar samih podataka. Prije nego što se ovakav model može koristiti u praksi, na primjer za procjenu zdravstvenih rizika, nužno je razumjeti i riješiti ove izazove.

Sune Lehmann, jedna od vodećih istraživačica projekta, naglašava važnost razmatranja kako pozitivnih, tako i negativnih aspekata ovakvih tehnologija. Primjeri uključuju tehnološke kompanije koje već koriste slične modele za praćenje ponašanja na društvenim mrežama, stvarajući iznimno precizne profile korisnika. Ovi profili se zatim koriste za predviđanje i utjecanje na korisničko ponašanje. Lehmann ističe potrebu za demokratskom raspravom o tome kamo nas vodi tehnologija i da li je to razvojni put koji želimo slijediti.

Daljnji koraci u istraživanju uključivali bi integraciju različitih vrsta informacija, poput tekstova, slika ili podataka o društvenim vezama korisnika. Ovaj pristup bi omogućio stvaranje još složenijih modela koji bi ujedinili društvene i zdravstvene znanosti, otvarajući nove horizonte u razumijevanju ljudskog ponašanja i zdravlja.

S ovim širenjem primjene Life2vec modela dolaze i povećani rizici zloupotrebe podataka, stvarajući imperativ za razvoj etičkih smjernica i regulacija. Istraživanje tako stavlja naglasak ne samo na mogućnosti koje AI pruža, već i na odgovornost društva da usmjerava tehnološki napredak u skladu s našim vrijednostima i principima.

Istraživački projekt
Istraživački projekt 'Korištenje nizova životnih događaja za predviđanje ljudskih života' temelji se na podacima o tržištu rada i podacima iz Nacionalnog registra pacijenata (LPR) i Statistike Danske. Skup podataka uključuje svih 6 milijuna Danaca i sadrži informacije o prihodima, plaći, stipendiji, vrsti posla, industriji, socijalnim naknadama itd. Skup podataka o zdravlju sadrži zapise o posjetima zdravstvenim radnicima ili bolnicama, kao i dijagnozu, vrstu pacijenta i stupanj hitnost. Skup podataka obuhvaća razdoblje od 2008. do 2020., ali u nekoliko analiza istraživači su se usredotočili na razdoblje 2008.-2016. i dobno ograničenu podskupinu pojedinaca.

Model transformatora
Model transformatora vrsta je umjetne inteligencije, podatkovne arhitekture dubokog učenja koja se koristi za učenje o jeziku i drugim zadacima. Modeli se mogu uvježbati da razumiju i generiraju jezik. Transformatorski model dizajniran je da bude brži i učinkovitiji od prethodnih modela i često se koristi za obuku velikih jezičnih modela na velikim skupovima podataka.

Neuronske mreže
Neuronska mreža je računalni model inspiriran mozgom i živčanim sustavom ljudi i životinja. Postoji mnogo različitih vrsta neuronskih mreža (npr. modeli transformatora).
Kao i mozak, neuronska mreža se sastoji od (umjetnih) neurona. Ti su neuroni povezani i mogu slati signale jedni drugima. Svaki neuron prima ulaz od drugih neurona i zatim izračunava izlaz koji se prosljeđuje drugim neuronima.
Neuronska mreža može naučiti rješavati zadatke trenirajući na velikim količinama podataka.
Neuronske mreže oslanjaju se na podatke za obuku kako bi naučile i poboljšale svoju točnost tijekom vremena. Ali nakon što su ti algoritmi učenja fino podešeni za točnost, oni su moćni alati u računalnoj znanosti i umjetnoj inteligenciji koji nam omogućuju klasificiranje i grupiranje podataka velikom brzinom. Jedna od najpoznatijih neuronskih mreža je Googleov algoritam pretraživanja.

Izvor: Technical University of Denmark