Ερευνητές από την Δανία ανέπτυξαν ισχυρούς αλγόριθμους μηχανικής μάθησης για να προβλέψουν με ακρίβεια σημαντικές πτυχές της ανθρώπινης ζωής ενός ανθρώπου, συμπεριλαμβανομένου το πότε είναι πιθανό να πεθάνει κάποιος.
Η μελέτη τους αυτή δημοσιεύτηκε αυτή την εβδομάδα στο περιοδικό Nature Computational Science, και περιγράφει λεπτομερώς πώς ένα μοντέλο αλγορίθμων μηχανικής μάθησης που ονομάστηκε life2vec μπορεί να προβλέψει το αποτέλεσμα της ζωής ενός ανθρώπου αφού το μοντέλο τροφοδοτηθεί με συγκεκριμένα δεδομένα που αφορούν τον συγκεκριμένο άτομο.
Με αυτά τα δεδομένα, «μπορούμε να κάνουμε κάθε είδους πρόβλεψη», δήλωσε ο Sune Lehmann, επικεφαλής της μελέτης και καθηγητής στο Τεχνικό Πανεπιστήμιο της Δανίας. Ωστόσο οι ερευνητές σημειώνουν ότι είναι ένα «πρωτότυπο ερευνητικό μοντέλο» και δεν μπορεί στη παρούσα φάση να εφαρμοστή στον πραγματικό κόσμο.
Ο Lehmann και η υπόλοιπη ομάδα που συμμετείχε στην έρευνα χρησιμοποίησαν δεδομένα από ένα εθνικό μητρώο στη Δανία που περιγράφει λεπτομερώς μια ομάδα 6 εκατομμυρίων ανθρώπων. Συγκέντρωσαν πληροφορίες για αυτούς τους ανθρώπους από το 2008 έως το 2016 που σχετίζονται με σημαντικές πτυχές της ζωής τους, όπως η εκπαίδευση τους, η υγεία τους, το εισόδημα τους και το επάγγελμα.
Οι ερευνητές δημιούργησαν ένα λεξιλόγιο για τα γεγονότα της ζωής χρησιμοποιώντας τεχνικές γλωσσικής επεξεργασίας, ώστε το life2vec να μπορεί να ερμηνεύει τις προτάσεις με βάση αυτά τα δεδομένα. ‘Όταν το μοντέλο αλγορίθμων εκπαιδεύτηκε μπόρεσε να προβλέψει ορισμένες πτυχές της ζωής των ανθρώπων, όπως για παράδειγμα το πώς σκέφτονται, πώς αισθάνονται, πώς συμπεριφέρονται και αν πρόκειται να πεθάνουν τα επόμενα χρόνια.
Στη συνέχεια ο αλγόριθμος έμαθε-εκπαιδεύτηκε από αυτά τα δεδομένα, λέει ο Lehmann, και ήταν σε θέση να κάνει σωστές προβλέψεις για ορισμένες πτυχές της ανθρώπινης ζωής ενός ατόμου, συμπεριλαμβανομένου του τρόπου σκέψης, τον τρόπο έκφρασης συναισθημάτων και συμπεριφοράς, ακόμη και αν το άτομο θα μπορούσε να πεθάνει τα επόμενα χρόνια.
Για να προβλέψει ο αλγόριθμος πόσο νωρίς μπορεί να πεθάνει κάποιος, η ερευνητική ομάδα χρησιμοποίησε δεδομένα από την 1η Ιανουαρίου 2008 έως τις 31 Δεκεμβρίου 2015 σε πλήθος άνω των 2,3 εκατομμυρίων ατόμων ηλικίας μεταξύ 35 και 65 ετών. Αυτή η ομάδα επιλέχθηκε επειδή η θνησιμότητα σε αυτό το ηλικιακό εύρος είναι πιο δύσκολο να προβλεφθεί, είπε ο Lehmann.
Το Life2vec χρησιμοποίησε τα δεδομένα για να συμπεράνει την πιθανότητα επιβίωσης ενός ατόμου τέσσερα χρόνια μετά το 2016.
«Για να ελέγξουμε πόσο καλός και αξιόπιστος είναι το μοντέλο life2vec, επιλέξαμε μια ομάδα 100.000 ατόμων όπου οι μισοί επιβίωσαν και οι άλλοι μισοί πέθαναν, δήλωσε ο Lehmann. Να σημειώσουμε πως οι ερευνητές ήξεραν ποια άτομα είχαν πεθάνει μετά το 2016, ο αλγόριθμος όχι.
Στην συνέχεια έβαλαν τον αλγόριθμο να κάνει ατομικές προβλέψεις σχετικά με το αν κάποιος έζησε ή μετά το 2016 ή όχι. Τα αποτελέσματα ήταν εντυπωσιακά: ο αλγόριθμος ήταν σωστός στο 78% των περιπτώσεων. Ο αλγόριθμος ξεπέρασε όλα τα σύγχρονα μoντέλα πρόβλεψες κατά 11%, προβλέποντας με μεγαλύτερη ακρίβεια τα ποσοτά θνησιμότητας σύμφωνα με την μελέτη.
Σύμφωνα με τα ευρήματα, οι άνδρες είχαν περισσότερες πιθανότητες να πεθάνουν μετά το 2016. Ορισμένα επαγγέλματα, όπως οι μηχανικοί, καθώς και τα άτομα που είχαν διαγνωσθεί με κάποιο πρόβλημα ψυχικής υγείας, όπως κατάθλιψη ή άγχος, διέτρεχαν κίνδυνο πρόωρου θανάτου. Αντίθετα, οι διευθυντές ή τα υψηλά αμειβόμενα στελέχη ζούσαν περισσότερο.
Ωστόσο η έρευνα είχε αρκετούς περιορισμούς. Οι ερευνητές σημειώνουν ότι τα πειράματα δεν ήταν τυχαιοποιημένα και τονίζουν ότι η διάρκεια της έρευνας ήταν μικρή σχετικά, καθώς και άτομα που ζουν στην Δανία ενδέχεται να μην είναι καταγεγραμμένα στο εθνικό μητρώο.
Η μελέτη διεξήχθη σε μια πλούσια χώρα που διαθέτει ισχυρή υποδομή και σύστημα υγειονομικής περίθαλψης, σημειώνουν επίσης οι ερευνητές. Δεν είναι σαφές εάν τα ευρήματα του life2vec μπορούν να εφαρμοστούν σε άλλες χώρες όπως οι Ηνωμένες Πολιτείες, δεδομένης της οικονομικής και κοινωνικής διαφοράς τους.
Ο Lehmann λέει ότι ξέρει ότι ο αλγόριθμος ακούγεται «δυσοίωνος και τρελός, αλλά στην πραγματικότητα είναι κάτι για το οποίο έχει γίνει πολύ δουλειά, ειδικά από τις ασφαλιστικές εταιρείες».
Ο Δρ. Arthur Caplan, επικεφαλής του Τμήματος Ιατρικής Ηθικής στην Ιατρική Σχολή Grossman του Πανεπιστημίου της Νέας Υόρκης, αναφέρει ότι οι ασφαλιστικές εταιρείες θα είναι πρόθυμες να προηγηθούν των καταναλωτών όταν μοντέλα όπως το life2vec γίνουν πιο εμπορικά.
«Αυτό θα κάνει πιο δύσκολο τον δρόμο για την πώληση ασφάλισης», είπε. «Δεν μπορείς να κάνεις ασφάλιση έναντι κινδύνου αν όλοι γνωρίζουν ακριβώς ποιοι είναι αυτοί οι κίνδυνοι».
Ωστόσο ο Caplan, ο οποίος δεν συμμετείχε στη νέα έρευνα, σημειώνει ότι το life2vec δεν προβλέπει σε ποια ηλικία ή πώς θα πεθάνει ένα άτομο. Για παράδειγμα, ένας αλγόριθμος δεν μπορεί να προβλέψει εάν ένα άτομο πρόκειται να σκοτωθεί σε τροχαίο ατύχημα.
Ο Caplan αναμένει ότι θα εμφανιστούν πιο προηγμένα μοντέλα πρόβλεψης σε μόλις πέντε χρόνια από τώρα. «Θα έχουμε καλύτερες και μεγαλύτερες βάσεις δεδομένων που θα δίνουν προτάσεις για το τι να κάνετε για να παρατείνετε τη ζωή σας», είπε.
Τελικά, λέει ο Caplan, η χρήση τεχνητής νοημοσύνης για να προβλέψουμε πότε μπορεί να πεθάνουμε αφαιρεί τη μία πτυχή από τη ζωή μας που την κρατά ενδιαφέρουσα: το μυστήριο.
«Ανησυχούμε μήπως τα ρομπότ κυριεύσουν τον κόσμο και αποφασίσουν ότι δεν μας χρειάζονται», είπε. «Αυτό για το οποίο πρέπει να ανησυχούμε είναι τα ρομπότ να χειρίζονται πληροφορίες και να μπορούν να προβλέψουν πολλά για τη συμπεριφορά μας, με αποτέλεσμα να έχουμε ζωές που είναι τόσο προβλέψιμες που αφαιρούν μέρος της αξίας της ζωής».
Πηγή άρθρου : CNN