Πιθανότατα είναι ό,τι πλησιέστερο έχουμε σε μια γυάλινη σφαίρα που λέει το μέλλον: αλγόριθμος τεχνητής νοημοσύνης που εκπαιδεύτηκε με τις βιογραφίες εκατομμυρίων ανθρώπων προβλέπει με ανατριχιαστική ακρίβεια παραμέτρους όπως το εισόδημα και ο κίνδυνος πρόωρου θανάτου, μια τεχνολογία που υπόσχεται οφέλη στην προληπτική ιατρική αλλά παράλληλα γεννά νέα ηθικά ερωτήματα.

Το μοντέλο πέφτει μέσα στο 78% των προβλέψεών του, αναφέρουν οι δανοί δημιουργοί του στην επιθεώρηση Nature Computational Science. Το σύστημα αναγνώρισε διάφορους παράγοντες που αυξάνουν τον κίνδυνο πρόωρου θανάτου, όπως το χαμηλό εισόδημα και οι ψυχιατρικές διαγνώσεις. Οι περιπτώσεις που έπεφτε έξω συχνά αφορούσαν  ατυχήματα ή εμφράγματα, συμβάντα που είναι δύσκολο να προβλεφθούν.

Ο αλγόριθμος εκπαιδεύτηκε με δεδομένα για το διάστημα 2008-2016 και κλήθηκε να κάνει προβλέψεις για το 2020

Η μελέτη βασίστηκε στην τεχνολογία των «μεγάλων γλωσσικών μοντέλων» όπως το διάσημο ChatGPT, τα οποία εκπαιδεύονται με μεγάλους όγκους κειμένου και μαθαίνουν να προβλέπουν ποια λέξη είναι πιθανό να ακολουθεί μια άλλη.

Ο Σούνε Λέμαν και οι συνεργάτες του στο Τεχνολογικό Πανεπιστήμιο της Δανίας θέλησαν να εξετάσουν αν τα μοντέλα αυτά μπορούν να εντοπίζουν μοτίβα και σε αλληλουχίες άλλων πραγμάτων εκτός από λέξεις. Για παράδειγμα, η πιθανότητα επιβίωσης από έναν καρκίνο μπορεί να είναι βελτιώνεται αν έχει προηγηθεί σύναψη ασφαλιστηρίου υγείας.

«Όπως συμβαίνει και στη γλώσσα, η σειρά με την οποία συμβαίνουν τα γεγονότα της ζωής έχει μεγάλη σημασία» σχολίασε ο Λέμαν στον δικτυακό τόπο του περιοδικού Science.

Οι ζωές των άλλων

Το μοντέλο, με την ονομασία life2vec εκπαιδεύτηκε με δεδομένα από τα πλούσια εθνικά μητρώα της Δανίας, τα οποία περιέχουν ιατρικές και εργασιακές πληροφορίες για το σύνολο του πληθυσμού των 6 εκατ. κατοίκων. Οι ερευνητές κωδικοποιήσουν τα δεδομένα έτσι ώστε το μοντέλο να μπορεί να βάλει τα γεγονότα στη σωστή χρονική σειρά.

Δείτε επίσης:Δ. ΠΑΠΑΣΤΕΡΓΙΟΥ: Οι εξελίξεις στην Τεχνητή Νοημοσύνη

Ο αλγόριθμος εκπαιδεύτηκε με δεδομένα για το διάστημα 2008-2016 και κλήθηκε να κάνει προβλέψεις για το 2020, να μαντέψει για παράδειγμα αν κάποιος θα είχε πεθάνει στο μεσοδιάστημα.

Οι ερευνητές πιστεύουν ότι τέτοια μοντέλα θα ήταν χρήσιμα στην πρόληψη ασθενειών και πρόωρων θανάτων.

Ωστόσο ο αλγόριθμος είναι πιθανό να μη δίνει αξιόπιστες προβλέψεις για πληθυσμούς εκτός Δανίας και δεν αποκλείεται να αναπαράγει προκαταλήψεις και στερεότυπα που κρύβονται στα δεδομένα.

Αυτό θα μπορούσε να έχει σημαντικές συνέπειες αν τέτοιοι αλγόριθμοι χρησιμοποιηθούν για τη λήψη αποφάσεων σε ασφαλιστικά ταμεία, προειδοποίησε η Γιουγιου Γου, ψυχολόγος του University College του Λονδίνου. Για παράδειγμα, η υπερδιάγνωση σχιζοφρένειας μεταξύ των μαύρων ίσως οδηγεί σε εσφαλμένες εκτιμήσεις για κίνδυνο πρόωρου θανάτου.

Οι ερευνητές αναγνωρίζουν επίσης ότι οι πρακτικές εφαρμογές αυτών των μοντέλων προσκρούουν σε ζητήματα ιδιωτικότητας που παραμένουν ανεπίλυτα.