Τεχνητή Νοημοσύνη: Ο αλγόριθμος που μπορεί να προβλέψει τον θάνατό σου

Facebook Twitter Viber Messenger WhatsApp E-mail

Ερευνητές στη Δανία ανακοίνωσαν ότι χρησιμοποίησαν  ισχυρούς αλγόριθμους μηχανικής μάθησης για να προβλέψουν με ακρίβεια ορισμένες πτυχές της ανθρώπινης ζωής, συμπεριλαμβανομένου του πόσο νωρίς είναι πιθανό να πεθάνει κάποιος.

Σημειώνεται ότι οι αλγόριθμοι μηχανικής μάθησης επιτρέπουν στην τεχνητή νοημοσύνη όχι μόνο να επεξεργάζεται  δεδομένα, αλλά να τα χρησιμοποιεί για να μάθει και να γίνει εξυπνότερη, χωρίς να χρειάζεται πρόσθετο προγραμματισμό.

 

Η μελέτη των Δανών ερευνητών, που δημοσιεύτηκε αυτή την εβδομάδα στο περιοδικό Nature Computational Science, περιγράφει λεπτομερώς πώς ένα μοντέλο αλγορίθμου μηχανικής μάθησης που ονομάζεται life2vec προέβλεψε τη διάρκεια της ζωής ενός ατόμου και τις πράξεις του όταν του παρουσιαζόταν πολύ συγκεκριμένα δεδομένα.

Με αυτά τα δεδομένα, «μπορούμε να κάνουμε κάθε είδους πρόβλεψη», δήλωσε η Sune Lehmann, επικεφαλής συγγραφέας της μελέτης και καθηγήτρια στο Τεχνικό Πανεπιστήμιο της Δανίας.

 

Η Lehmann και οι συν-συγγραφείς της μελέτης χρησιμοποίησαν δεδομένα από ένα εθνικό μητρώο στη Δανία το οποίο περιγράφει λεπτομερώς μια συγκεκριμένη ομάδα 6 εκατομμυρίων ανθρώπων. Περιλαμβάνει πληροφορίες από το 2008 έως το 2016 που σχετίζονται με σημαντικές πτυχές της ζωής, όπως η εκπαίδευση, η υγεία, το εισόδημα και το επάγγελμα.

 

Οι ερευνητές προσάρμοσαν τεχνικές γλωσσικής επεξεργασίας και δημιούργησαν ένα λεξιλόγιο για γεγονότα της ζωής, ώστε το life2vec να μπορεί να ερμηνεύει προτάσεις με βάση τα δεδομένα, όπως «Τον Σεπτέμβριο του 2012, ο Φρανσίσκο έλαβε είκοσι χιλιάδες δανικές κορώνες ως φύλακας σε ένα κάστρο στην Ελσινόρη» ή «Κατά τη διάρκεια του τρίτου έτους στο γυμνάσιο , η Ερμιόνη ακολούθησε πέντε μαθήματα επιλογής.

Στη συνέχεια, ο αλγόριθμος έμαθε από αυτά τα δεδομένα, λέει η Lehmann, και ήταν σε θέση να κάνει προβλέψεις για ορισμένες πτυχές της ζωής των ανθρώπων, συμπεριλαμβανομένου του τρόπου σκέψης, αισθήματος και συμπεριφοράς, ακόμη και κατά πόσον το συγκεκριμένο άτομο  θα μπορούσε να πεθάνει τα επόμενα χρόνια.

 

Ο υπολογισμός του προσδόκιμου ζωής

Για να προβλέψει πόσο νωρίς μπορεί να πεθάνει κάποιος, η ομάδα χρησιμοποίησε δεδομένα από την 1η Ιανουαρίου 2008 έως τις 31 Δεκεμβρίου 2015 σε μια ομάδα 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 η  Lehmann.

 

Το Life2vec χρησιμοποίησε τα δεδομένα για να συμπεράνει την πιθανότητα ενός ατόμου να επιβιώσει τέσσερα χρόνια μετά το 2016.

«Για να ελέγξουμε πόσο καλό είναι το [life2vec], επιλέγουμε μια ομάδα 100.000 ατόμων από τα οποία τα μισά επιβίωσαν και τα μισά πέθαναν», είπε η Lehmann. Οι ερευνητές γνώριζαν ποιοι άνθρωποι είχαν πεθάνει μετά το 2016, αλλά ο αλγόριθμος όχι.

Μετά, το έβαλαν σε δοκιμή. Έβαλαν τον αλγόριθμο να κάνει ατομικές προβλέψεις σχετικά με το αν κάποιος έζησε ή όχι μετά το 2016. Τα αποτελέσματα ήταν εντυπωσιακά: ο αλγόριθμος ήταν σωστός στο 78% των περιπτώσεων.

 

Το Life2vec ξεπέρασε επίσης άλλα τελευταίας τεχνολογίας μοντέλα και βασικές γραμμές κατά τουλάχιστον 11% προβλέποντας τα αποτελέσματα θνησιμότητας με μεγαλύτερη ακρίβεια, αναφέρει η μελέτη.

Οι άνδρες είχαν περισσότερες πιθανότητες να πεθάνουν μετά το 2016. Το να είναι κάποιος εξειδικευμένος εργάτης, όπως μηχανικός,  ή η διάγνωση ενός προβλήματος ψυχικής υγείας όπως η κατάθλιψη ή το άγχος, οδήγησε επίσης σε πρόωρο θάνατο, διαπίστωσαν οι ερευνητές. Εν τω μεταξύ, το να είναι κανείς σε διευθυντική θέση ή να έχει υψηλό εισόδημα συχνά ωθούσε τους ανθρώπους προς την κατηγορία «επιβίωσης».

 

Ωστόσο, η έρευνα είχε αρκετούς περιορισμούς. «Σημειώνουμε ότι τα πειράματα δεν ήταν τυχαιοποιημένα και οι ερευνητές δεν πήγαιναν στα τυφλά στην κατανομή κατά τη διάρκεια των πειραμάτων και της αξιολόγησης των αποτελεσμάτων», σημειώνει η έκθεση.

Οι ερευνητές εξέτασαν μόνο δεδομένα για μια περίοδο οκτώ ετών και μπορεί να υπάρχουν κοινωνικοδημογραφικές προκαταλήψεις στη δειγματοληψία, παρόλο που κάθε άτομο στη Δανία εμφανίζεται στο εθνικό μητρώο.

 

«Εάν κάποιος δεν έχει μισθό – ή επιλέξει να μην ασχοληθεί με τα συστήματα υγειονομικής περίθαλψης – δεν έχουμε πρόσβαση στα δεδομένα του», είπαν.

Η μελέτη διεξήχθη σε μια πλούσια χώρα που διαθέτει ισχυρή υποδομή και σύστημα υγειονομικής περίθαλψης, σημειώνουν επίσης οι συγγραφείς. 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.

 

Η Lehmann δηλώνει ότι γνωρίζει πως 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, συμφωνεί 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 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 σήμερα.

 

«Θα έχουμε καλύτερες δυνατότητες με 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 αποφασίζουν 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».