Yazılı dili modellemek için geliştirilen yapay zeka, insanların hayatlarındaki olayları tahmin etmek için kullanılabilir.
DTU, Kopenhag Üniversitesi, İTÜ ve ABD’deki Northeastern Üniversitesi tarafından yürütülen bir araştırma projesi, insanların yaşamları hakkında büyük miktarda veri kullanmanız ve (ChatGPT gibi) dili işlemek için kullanılan ‘dönüştürücü modelleri’ eğitmeniz durumunda, verileri sistematik olarak düzenleyebileceklerini ve bir kişinin hayatında neler olacağını ve hatta ölüm zamanını tahmin edebileceklerini gösteriyor.
Nature Computational Science dergisinde yayınlanan “Using Sequences of Life-events to Predict Human Lives” başlıklı yeni bir makalede araştırmacılar, life2vec adını verdikleri bir modelde 6 milyon Danimarkalının sağlık verilerini ve işgücü piyasasına katılımlarını analiz ettiler.
Model ilk aşamada eğitildikten, yani verilerdeki örüntüleri öğrendikten sonra, diğer gelişmiş sinir ağlarından daha iyi performans gösterdiği ve kişilik ve ölüm zamanı gibi sonuçları yüksek doğrulukla tahmin ettiği gösterildi.
DTU’da profesör ve makalenin ilk yazarı Sune Lehmann, “Modeli şu temel soruyu ele almak için kullandık: Geçmişinizdeki koşullara ve olaylara dayanarak geleceğinizdeki olayları ne ölçüde tahmin edebiliriz? Bilimsel olarak bizim için heyecan verici olan, tahminin kendisi değil, modelin bu kadar kesin yanıtlar vermesini sağlayan verilerin yönleri” dedi.
Ölüm zamanı tahminleri
Life2vec’in tahminleri, aşağıdaki gibi genel sorulara verilen yanıtlardır: ‘dört yıl içinde ölüm’? Araştırmacılar modelin yanıtlarını analiz ettiklerinde, sonuçlar sosyal bilimlerdeki mevcut bulgularla tutarlı; örneğin, her şey eşit olduğunda, liderlik pozisyonundaki veya yüksek gelirli bireylerin hayatta kalma olasılığı daha yüksekken, erkek olmak, yetenekli olmak veya zihinsel bir tanıya sahip olmak daha yüksek ölüm riski ile ilişkili.
Life2vec verileri, farklı verileri organize eden matematiksel bir yapı olan vektörlerden oluşan geniş bir sistemde kodlar. Model, doğum zamanı, okullaşma, eğitim, maaş, konut ve sağlık verilerinin nereye yerleştirileceğine karar veriyor.
Sune Lehmann, “İnsan hayatını, dildeki bir cümlenin bir dizi kelimeden oluşmasına benzer şekilde, uzun bir olaylar dizisi olarak düşünmek heyecan verici. Bu genellikle yapay zekadaki dönüştürücü modellerin kullanıldığı görev türüdür, ancak deneylerimizde bunları yaşam dizileri dediğimiz şeyi, yani insan hayatında meydana gelen olayları analiz etmek için kullanıyoruz” dedi.
Makalenin arkasındaki araştırmacılar, life2vec modelini çevreleyen hassas verilerin korunması, mahremiyet ve verilerdeki yanlılığın rolü gibi etik soruların olduğuna dikkat çekiyor. Modelin, örneğin bir bireyin bir hastalığa yakalanma riskini veya diğer önlenebilir yaşam olaylarını değerlendirmek için kullanılabilmesi için bu zorlukların daha derinlemesine anlaşılması gerekiyor.
Sune Lehmann, şunları söyledi:
“Model, politik olarak tartışmak ve ele almak için önemli olumlu ve olumsuz perspektifler açıyor. Yaşam olaylarını ve insan davranışlarını tahmin etmeye yönelik benzer teknolojiler bugün, örneğin sosyal ağlardaki davranışlarımızı takip eden, son derece doğru bir şekilde profilimizi çıkaran ve bu profilleri davranışlarımızı tahmin etmek ve bizi etkilemek için kullanan teknoloji şirketlerinde zaten kullanılıyor. Teknolojinin bizi nereye götürdüğünü ve bunun istediğimiz bir gelişme olup olmadığını düşünebilmemiz için bu tartışmanın demokratik tartışmanın bir parçası olması gerekiyor.”
Araştırmacılara göre bir sonraki adım, metin ve görüntüler ya da sosyal bağlantılarımızla ilgili bilgiler gibi diğer bilgi türlerini de dahil etmek olacaktır. Bu veri kullanımı, sosyal bilimler ve sağlık bilimleri arasında yepyeni bir etkileşimin önünü açıyor.
Yapayzeka.news’in hiçbir güncellemesini kaçırmamak için bizi Facebook, Twitter, LinkedIn, Instagram‘ ve Whatsapp Kanalımız‘dan takip edin.
