05 Şub Yapay zeka ölüm tarihini tahmin edebilecek
Yazılı dili modellemek için geliştirilen yapay zeka, insanların hayatlarındaki olayları tahmin etmede kullanılabilir.
Danimarka Teknik Üniversitesi (DTU), Kopenhag Üniversitesi, Danimarka Bilgi Teknolojileri Üniversitesi ve Northeastern Üniversitesi’nde çalışan bilim insanlarının yaptığı bir araştırma, yapay zekanın insanların hayatlarını sistematik şekilde düzenleyebileceğini ve hatta ölüm tarihini tahmin edebileceğini gösteriyor. Life2vec adlı model, Danimarkalıların sağlık verilerini ve iş piyasasıyla olan bağlantılarını analiz ederek kişilik ve ölüm tarihi gibi sonuçları yüksek isabetle tahmin ediyor. Araştırmacılar, modelin geçmiş durumlar ve olaylara dayanarak gelecekteki olayları ne kadar başarıyla tahmin edebileceğini inceledi ve sonuçların kesinliğini sağlayan veri özelliklerinin heyecan verici olduğunu belirtti.
Ölüm tarihine dair tahminler
Life2vec adlı model, genel sorulara yönelik yanıtlar sunarak, örneğin “Dört yıl içerisinde ölüm mü?” gibi. Araştırmacılar, modelin verdiği yanıtları analiz ettiklerinde, liderlik pozisyonundaki veya yüksek gelirli bireylerin hayatta kalma olasılığının daha yüksek olduğunu, ancak erkek olmanın, kalifiye olmanın veya zihinsel bir teşhisin bulunmasının ölüm riskiyle ilişkilendirildiğini gördüler. Life2vec, farklı verileri düzenleyen matematiksel bir yapı olan büyük bir vektör sistemindeki verileri kodluyor. Model, doğum tarihi, eğitim, maaş, konut ve sağlık gibi alanlarda veri yerleştirme konusunda karar veriyor.
Sune Lehmann, “Bir dildeki bir cümle nasıl bir dizi kelimeden oluşuyorsa, insan hayatını da bu şekilde uzun bir olaylar dizisi şeklinde düşünmek heyecan verici” diyor. “Bu genellikle yapay zekadaki dönüştürücü modellerin kullanıldığı türden bir iş. Ancak biz deneylerimizde bunları, insan hayatında gerçekleşen olayları analiz etmek için kullanılan yaşam dizileri şeklinde adlandırdık.”
Etik soruların ortaya çıkışı
Araştırmacılar, life2vec’in kullanımında gizlilik ve önyargı gibi etik sorunların önemli olduğunu belirtiyor. Modelin sosyal medya davranışlarını takip ederek insanları etkilemek için kullanılan benzer teknolojilere benzer şekilde tartışılması gerektiğini vurguluyorlar. Önümüzdeki adımda ise sosyal bağlantılarımızla ilgili diğer bilgi tiplerinin de dahil edilmesinin önemli olduğunu söylüyorlar. Bu, sosyal bilimler ve sağlık bilimleri arasında yeni bir kesişim yaratabilir.
Araştırma projesi
Yeni çalışma, işgücü piyasası verileri ve Danimarka Milli Sağlık Kayıt (LPR) ve İstatistikleri projesinden alınan verilere dayanıyor. Veri seti 6 milyon Danimarkalının tamamını kapsıyor ve gelir, maaş, burs, iş tipi, endüstri, sosyal faydalar gibi alanlardaki bilgileri içeriyor. Sağlık veri setinde, sağlık uzmanlarına veya hastanelere yapılan ziyaretlerin, teşhislerin, hasta tipi ve aciliyet derecesinin kayıtları yer alıyor. Veri seti 2008’den 2020’ye kadar uzanıyor ancak bazı analizlerde araştırmacılar 2008-2016 dönemine ve yaş kısıtlı bir alt birey kümesine odaklanmış.
Dönüştürücü model
Dönüştürücü model bir yapay zeka, dil ve diğer görevlerle ilgili bilgi öğrenmede kullanılan derin öğrenim veri mimarisidir. Bu modeller dili anlamak ve oluşturmak için eğitilebiliyor. Dönüştürücü model, önceki modellerden daha hızlı, daha verimli olması için tasarlanmış ve genelde büyük dil modellerini büyük veri dizilerinde eğitmede kullanılıyor.
Yapay sinir ağları
Bir yapay sinir ağı, insanların ve hayvanların beyin ve sinir sisteminden ilham alınmış bir bilgisayar modelidir. Pek çok farklı tipte yapay sinir ağı mevcut (ör. dönüştürücü modeller). Bir yapay sinir ağı, beyin gibi yapay sinirlerden oluşur. Bu sinirler birbirine bağlanıp sinyal gönderebilir. Her bir sinir, diğer sinirlerden girdi alır ve sonrasında diğer sinirlere gönderilen bir çıktı hesaplar. Bir yapay sinir ağı, büyük miktarlarda veriyle eğitilerek problem çözmeyi öğrenebilir. Yapay sinir ağları öğrenmek için eğitim verisine bel bağlar ve doğrulukları zamanla artar. Fakat bu öğrenme algoritmaları doğruluk için ayarlandıklarında, bilgisayar bilimi ve yapay zekada verileri yüksek hızlarda sınıflandırıp gruplandırmak için güçlü araçlar haline gelirler. En iyi bilinen sinir ağlarından birisi de Google’ın arama algoritmasıdır.
Popular Science