Araştırmacılar, bireyin kişiliğinden yaşam süresine kadar her şeyi tahmin etmek için sağlık geçmişi, eğitim, iş ve gelir gibi yaşam olaylarını kullanan bir yapay zeka (AI) aracı geliştirdi.
ChatGPT gibi büyük dil modellerini (LLM’ler) destekleyen transformatör modelleri kullanılarak oluşturulan life2vec adı verilen araç, Danimarka’nın tüm nüfusundan alınan bir veri seti üzerinde eğitiliyor.
Araştırmacılar, Life2vec’in, bireylerin ömrü de dahil olmak üzere geleceği, en son teknolojiye sahip modelleri aşan bir doğrulukla tahmin edebildiğini söyledi.
Bununla birlikte, öngörü gücüne rağmen araştırma ekibi, bunun başlı başına bir amaç değil, gelecekteki çalışmalar için temel olarak kullanılmasının daha iyi olduğunu söyledi.
ABD’deki Northeastern Üniversitesi’nden profesör Tina Eliassi-Rad, “Bu modellerin ne kadar iyi olduğunu değerlendirmek için tahmin kullanıyor olsak da, araç gerçek insanlar üzerinde tahmin yapmak için kullanılmamalıdır” diyor.
Eliassi-Rad, “Bu, belirli bir popülasyonun belirli bir veri setine dayanan bir tahmin modelidir” dedi.
Ekip, sosyal bilimcileri bu aracı oluşturma sürecine dahil ederek, araçlarının üzerinde eğitim aldığı devasa veri kümesinde insanları gözden kaçırmayan, yapay zeka gelişimine insan merkezli bir yaklaşım getirmeyi umuyor.
Nature Computational Science dergisinde yayınlanan çalışmanın yazarı Sune Lehmann, “Bu model, insanların yaşadığı dünyanın diğer birçok modele göre çok daha kapsamlı bir yansımasını sunuyor” dedi.
Life2vec’in kalbinde araştırmacıların modellerini eğitmek için kullandıkları devasa veri seti yer alıyor.
Araştırmacılar bu verileri, modellerini beslemek üzere yinelenen yaşam olaylarından oluşan uzun kalıplar oluşturmak için kullandılar; yüksek lisans eğitimini dil konusunda eğitmek için kullanılan dönüştürücü model yaklaşımını benimsediler ve bunu bir olaylar dizisi olarak temsil edilen bir insan yaşamına uyarladılar.
Danimarka Teknik Üniversitesi’nden profesör Lehmann, “Bir insanın hayatının tüm hikayesi, bir bakıma, bir insanın başına gelebilecek birçok şeyin devasa, uzun bir cümlesi olarak da düşünülebilir” dedi.
Model, milyonlarca yaşam olayı dizisini gözlemleyerek öğrendiği bilgileri, gelir, eğitim veya sağlık faktörleri gibi yaşam olaylarını kategorilere ayırmaya ve aralarında bağlantılar kurmaya başladığı yerleştirme alanlarında vektör temsilleri adı verilen şeyi oluşturmak için kullanır.
Araştırmacılar, bu yerleştirme alanlarının, modelin sonunda yapacağı tahminler için bir temel oluşturduğunu söyledi.
Araştırmacıların öngördüğü yaşam olaylarından biri, bir kişinin ölüm olasılığıydı.
Lehmann, “Modelin tahminlerde bulunmak için kullandığı alanı görselleştirdiğimizde, sizi düşük ölüm olasılığından yüksek ölüm olasılığına götüren uzun bir silindir gibi görünüyor” dedi.
“O zaman ölüm olasılığının yüksek olduğu durumlarda bu insanların çoğunun gerçekten öldüğünü ve ölüm olasılığının düşük olduğu durumlarda ölüm nedenlerinin tahmin edemediğimiz bir şey olduğunu gösterebiliriz. araba kazaları,” diye ekledi araştırmacı.