ปัญญาประดิษฐ์ที่พัฒนาขึ้นเพื่อใช้จำลองภาษาเขียนสามารถใช้เพื่อทำนายเหตุการณ์ในชีวิตของผู้คนได้ โครงการวิจัยจาก DTU, มหาวิทยาลัยโคเปนเฮเกน, ITU และมหาวิทยาลัย Northeastern ในสหรัฐอเมริกาแสดงให้เห็นว่าหากคุณใช้ข้อมูลจำนวนมากเกี่ยวกับชีวิตของผู้คนและฝึกอบรมสิ่งที่เรียกว่า ‘transformer models’ ซึ่ง (เช่น ChatGPT) จะถูกใช้ในการประมวลผลภาษา พวกเขาสามารถจัดระเบียบข้อมูลอย่างเป็นระบบและคาดการณ์สิ่งที่จะเกิดขึ้นในชีวิตของบุคคลและแม้กระทั่งประมาณเวลาที่คุณจะมีชีวิตอยู่
Artificial intelligence developed to model written language can be utilized to predict events in people’s lives. A research project from DTU, University of Copenhagen, ITU, and Northeastern University in the US shows that if you use large amounts of data about people’s lives and train so-called ‘transformer models’, which (like ChatGPT) are used to process language, they can systematically organize the data and predict what will happen in a person’s life and even estimate the time of death.
นักวิจัยเผยปัญญาประดิษฐ์สามารถทำนายเหตุการณ์ในชีวิตผู้คนได้
ปัญญาประดิษฐ์ที่พัฒนาขึ้นเพื่อใช้จำลองภาษาเขียนสามารถใช้เพื่อทำนายเหตุการณ์ในชีวิตของผู้คนได้ โครงการวิจัยจาก DTU, มหาวิทยาลัยโคเปนเฮเกน, ITU และมหาวิทยาลัย Northeastern ในสหรัฐอเมริกาแสดงให้เห็นว่าหากคุณใช้ข้อมูลจำนวนมากเกี่ยวกับชีวิตของผู้คนและฝึกอบรมสิ่งที่เรียกว่า ‘transformer models’ ซึ่ง (เช่น ChatGPT) จะถูกใช้ในการประมวลผลภาษา พวกเขาสามารถจัดระเบียบข้อมูลอย่างเป็นระบบและคาดการณ์สิ่งที่จะเกิดขึ้นในชีวิตของบุคคลและแม้กระทั่งประมาณเวลาที่คุณจะมีชีวิตอยู่
ในบทความผลงานวิจัยใหม่เรื่อง “Using Sequences of Life-events to Predict Human Lives,” การใช้ลำดับเหตุการณ์ในชีวิตเพื่อทำนายชีวิตมนุษย์ ที่ตีพิมพ์ในวารสาร Nature Computational Science นักวิจัยได้วิเคราะห์ข้อมูลด้านสุขภาพและความผูกพันกับตลาดแรงงานของชาวเดนมาร์ก 6 ล้านคนในโมเดลที่เรียกว่า life2vec
หลังจากที่โมเดลได้รับการฝึกฝนในระยะเริ่มแรก เช่น เรียนรู้รูปแบบในข้อมูล ก็แสดงให้เห็นว่าโมเดลมีประสิทธิภาพเหนือกว่าโครงข่ายประสาทเทียมขั้นสูงอื่นๆ และทำนายผลลัพธ์ เช่น บุคลิกภาพและเวลาเสียชีวิตด้วยความแม่นยำสูง
“เราใช้โมเดลเพื่อตอบคำถามพื้นฐาน: เราสามารถคาดการณ์เหตุการณ์ในอนาคตของคุณตามเงื่อนไขและเหตุการณ์ในอดีตของคุณได้มากน้อยเพียงใด ในทางวิทยาศาสตร์ สิ่งที่น่าตื่นเต้นสำหรับเราไม่ใช่การทำนายมากนัก แต่เป็นแง่มุมของข้อมูล ที่ช่วยให้โมเดลสามารถให้คำตอบที่แม่นยำเช่นนี้ได้” Sune Lehmann ศาสตราจารย์จาก DTU และผู้เขียนบทความคนแรกกล่าว
AI พยากรณ์เวลาตายได้
คำทำนายจาก Life2vec เป็นคำตอบสำหรับคำถามทั่วไป เช่น ‘เสียชีวิตภายในสี่ปี’? เมื่อนักวิจัยวิเคราะห์การตอบสนองของโมเดล ผลลัพธ์จะสอดคล้องกับข้อค้นพบที่มีอยู่ในสังคมศาสตร์ ตัวอย่างเช่น ทุกสิ่งเท่าเทียมกัน บุคคลที่มีตำแหน่งผู้นำหรือมีรายได้สูงมีแนวโน้มที่จะมีชีวิตรอด ในขณะที่การเป็นผู้ชาย มีทักษะ หรือได้รับการวินิจฉัยทางจิตสัมพันธ์กับความเสี่ยงที่สูงขึ้นในการเสียชีวิต
Life2vec เข้ารหัสข้อมูลในระบบเวกเตอร์ขนาดใหญ่ ซึ่งเป็นโครงสร้างทางคณิตศาสตร์ที่จัดระเบียบข้อมูลต่างๆ โมเดลนี้จะตัดสินใจว่าจะใส่ข้อมูลเวลาเกิด การศึกษา การศึกษา เงินเดือน ที่อยู่อาศัย และสุขภาพไว้ที่ใด
“สิ่งที่น่าตื่นเต้นคือการพิจารณาว่าชีวิตมนุษย์เป็นเหตุการณ์ที่ต่อเนื่องกันยาวนาน คล้ายกับการที่ประโยคในภาษาประกอบด้วยชุดคำ ซึ่งโดยปกติจะเป็นประเภทของงานที่ใช้ transformer models ใน AI แต่ในการทดลองของเรา เราใช้มันเพื่อวิเคราะห์สิ่งที่เราเรียกว่าลำดับชีวิต เช่น เหตุการณ์ที่เกิดขึ้นในชีวิตมนุษย์” Sune Lehmann กล่าว
คำถามด้านจริยธรรม
นักวิจัยที่อยู่เบื้องหลังบทความชี้ให้เห็นว่าคำถามเชิงจริยธรรมเกี่ยวกับโมเดล life2vec เช่น การปกป้องข้อมูลที่ละเอียดอ่อน ความเป็นส่วนตัว และบทบาทของอคติในข้อมูล ความท้าทายเหล่านี้ต้องเข้าใจให้ลึกซึ้งยิ่งขึ้นก่อนจึงจะสามารถใช้โมเดลได้ เช่น เพื่อประเมินความเสี่ยงของแต่ละบุคคลในการติดโรคหรือเหตุการณ์ในชีวิตอื่น ๆ ที่สามารถป้องกันได้
“โมเดลนี้เปิดมุมมองเชิงบวกและเชิงลบที่สำคัญเพื่อหารือและจัดการเรื่องการเมือง เทคโนโลยีที่คล้ายกันสำหรับการทำนายเหตุการณ์ในชีวิตและพฤติกรรมของมนุษย์มีการใช้กันอยู่แล้วในบริษัทเทคโนโลยี เช่น ติดตามพฤติกรรมของเราบนโซเชียลเน็ตเวิร์ก โปรไฟล์เราอย่างแม่นยำอย่างยิ่ง และ ใช้โปรไฟล์เหล่านี้เพื่อทำนายพฤติกรรมของเราและมีอิทธิพลต่อเรา การสนทนานี้จะต้องเป็นส่วนหนึ่งของการสนทนาในระบอบประชาธิปไตย เพื่อที่เราจะได้พิจารณาว่าเทคโนโลยีกำลังพาเราไปที่ไหน และนี่คือการพัฒนาที่เราต้องการหรือไม่” Sune Lehmann กล่าว
ตามที่นักวิจัยระบุ ขั้นตอนต่อไปคือการรวมข้อมูลประเภทอื่นๆ เช่น ข้อความและรูปภาพ หรือข้อมูลเกี่ยวกับการเชื่อมต่อทางสังคมของเรา การใช้ข้อมูลนี้ทำให้เกิดปฏิสัมพันธ์ใหม่ระหว่างสังคมศาสตร์และวิทยาศาสตร์สุขภาพ