غزال زیاری: سازندگان Life۲vec به دور از هرگونه جذابیت جنجالی، به دنبال آن هستند تا الگوها و روابطی را کشف کنند که برنامههای یادگیری عمیق بتوانند به پیش بینی طیف وسیعی از رویدادهای زندگی سالم و اجتماعی بپردازند.
سان لمن، استاد دانشگاه فنی دانمارک و یکی از نویسندگان مطالعه اخیری که در مجله Computational Science منتشر شده در این رابطه گفت:« این یک چارچوب بسیار کلی برای پیشبینی زندگی انسان است که میتواند هر چیزی را در جایی که دادههای آموزشی وجود دارد پیشبینی کند.» از نظر لمن، امکانات در این زمینه بیپایان هستند.
او ادامه داد:« با این روش میتوان نتایج سلامت را پیشبینی کرد. بنابراین میتوان باروری یا چاقی را پیشبینی کرد و یا شاید بتوان پیشبینی کرد که چه کسی در آینده سرطان خواهد گرفت و یا چه فردی سرطان نخواهد گرفت و در عین حال میتوان پیشبینی کرد که شما چه زمانی ثروتمند خواهید شد.»
این الگوریتم از فرآیندی مشابه با ChatGPT استفاده میکند؛ اما به تحلیل متغیرهای موثر بر زندگی، مثل تولد، تحصیلات، مزایای اجتماعی یا حتی برنامههای کاری میپردازد.
اعضای این تیم در تلاشند تا نوآوریهایی که الگوریتمهای پردازش زبان را قادر میسازد تا تکامل و پیشبینیپذیری زندگی انسانها را براساس توالی رویدادهای دقیق بررسی میکند، با هم تطبیق دهند.
لمن در این باره گفت:« از یک منظر، زندگی صرفا دنبالهای از رویدادهاست: انسانها به دنیا میآیند؛ به پزشک اطفال مراجعه میکنند، به مدرسه میروند، به شهر جدیدی نقل مکان میکنند، ازدواج میکنند و همینگونه روند زندگی ادامه دارد.»
سوءاستفاده فریبکاران از این ایده
در این میان، معرفی این برنامه، ادعاهایی درباره ساخت “ماشین حساب مرگ” را ایجاد کرد و برخی از سایتهای فریبکار، مردم را به استفاده از برنامه هوش مصنوعی برای پیشبینی امید به زندگی ( در ازای دریافت اطلاعات شخصی افراد) فریب دادند.
حالا محققان به این نکته اشاره کردهاند که این نرمافزار، کاملا خصوصی است و در حال حاضر در اینترنت و یا حتی جوامع تحقیقاتی گستردهتر در دسترس نیست.
بررسی اطلاعات آماری شش میلیون نفر
مبنای ساخت مدل life۲vec، دریافت دادههای بیش از شش میلیون فرد ناشناس دانمارکی است که توسط آژانس رسمی آمار دانمارک جمعآوری شده و با تجزیه و تحلیل توالی رویدادها، میتوان نتایج زندگی افراد را تا آخرین نفس پیشبینی کرد.
این الگوریتم در ۷۸% موارد، در پیشبینی مرگ درست عمل کرد. در پیشبینی اینکه فردی برای زندگی به شهر یا کشور دیگری میرود، در ۷۳% مواقع پیشبینیها درست از آب درآمد.
لمن در این باره توضیح داد:« ما به مرگ و میر زودرس نگاه میکنیم. یک گروه بسیار جوان بین ۳۵ تا ۶۵ سال را در نظر میگیریم و سعی میکنیم تا براساس یک دوره هشت ساله بین سالهای ۲۰۰۸ تا ۲۰۱۶ پیشبینی کنیم که آیا فردی در ۴ سال بعد میمیرد یا خیر. این مدل میتواند عملکرد خیلی خوبی داشته باشد؛ خیلی بهتر از هر الگوریتم دیگری.»
به گفته محققان، تمرکز بر روی این بازه سنی (که آمار مرگ و میر در آن کمتر است)، به آنها اجازه میدهد تا قابلیت مورد اطمینان بودن الگوریتم را بررسی نمایند. البته این ابزار هنوز برای استفاده در خارج از یک محیط تحقیقاتی آماده نیست.
لمن در این رابطه گفت:« در حال حاضر این یک پروژه تحقیقاتی است که در آن در حال بررسی چیزهای ممکن و غیرممکن هستیم.» او و دستیارانش در عین حال میخواهند نتایج بلندمدت و تاثیر ارتباطات اجتماعی بر زندگی و سلامتی افراد را بررسی کنند.
مقابله عمومی
از نظر محققان، این پروژه، در حقیقت وزنهای علمی در برابر سرمایهگذاریهای سنگین روی الگوریتمهای هوشمصنوعی است که توسط شرکتهای فناوری بزرگ ارائه میشود. لمن در این باره گفت:« آنها هم میتوانند مدلهایی مثل این بسازند. اما آنها را به صورت عمومی در اختیار افراد قرار نمیدهند و در این باره حرفی نمیزنند. آنها این مدلها را میسازند تا تبلیغات بیشتری را به شما بفروشند و یا از طریق این تبلیغات، محصولات بیشتری به شما بفروشند.»
پرنیل ترانبرگ دانمارکی که کارشناس اخلاق دادههاست به این نکته اشاره کرده که الگوریتمهای مشابهی قبلا توسط مشاغلی مثل شرکتهای بیمه مورد استفاده قرار میگرفت. او گفت:« احتمالا آنها شما را در گروههایی قرار میدهند و میگویند که شما یک بیماری مزمن دارید و این خطرات شما را تهدید میکند. میتوان از این ابزار برای تبعیض علیه ما استفاده شود تا مجبور شوید حق بیمه بیشتری بپردارید. یا نتوانید از بانک وام بگیرید یا نتوانید از خدمات بهداشتی عمومی استفاده کنید؛ چون در هر حال قرار است که بمیرید.»
اما زمانی که بحث پیشبینی مرگ میرسد، برخی توسعهدهندگان قبلا سعی کردهاند تا چنین الگوریتمهایی را تجاریسازی کنند. ترانبرگ در این باره گفت:« در اینترنت، ما ساعتهای پیشبینی را میبینیم که نشان میدهند که ما چقدر پیر میشویم و برخی از آنها، اصلا قابل اعتماد نیستند.»
منبع: sciencealert
۵۸۵۸
