برخی از عواملی که منجر به مرگ زودرس می‌شوند عبارتند از: مرد بودن، تشخیص مشکلات سلامت روان، داشتن یک شغل حرفه ای. چیز‌هایی که به زندگی طولانی‌تر مربوط می‌شود شامل درآمد بالا یا قرار گرفتن در نقش‌های رهبری است.
دانشمندان الگوریتمی ساخته اند که از داستان زندگی افراد برای پیش بینی کیفیت زندگی و زمان مرگشان استفاده می‌کند. بر اساس یک مطالعه جدید، مدل life۲vec در حدود ۷۸ درصد مواقع دقیق است که آن را با سایر الگوریتم‌های طراحی شده برای پیش‌بینی نتایج مشابه زندگی برابر می‌کند. اما بر خلاف مدل‌های دیگر، مانند یک چت بات کار می‌کند و از جزئیات موجود برای پیش‌بینی اتفاقات بعدی استفاده می‌کند.
به گزارش روزیاتو، این مدل توسط دانشمندانی در دانمارک و ایالات متحده ساخته شده است که یک الگوریتم ماشین لرنینگ را بر روی مجموعه عظیمی از داده‌های دانمارکی آموزش داده‌اند و همه انواع اطلاعات را در مورد بیش از شش میلیون فرد واقعی از جمله درآمد، حرفه، محل زندگی، جراحات و بارداری به آن دادند. نتیجه نهایی آنها مدلی بود که می‌تواند اطلاعات را به زبان ساده پردازش کند و پیش‌بینی‌هایی درباره احتمال مرگ زودهنگام یک فرد یا درآمد او در طول عمر را بیان کند.
برخی از عواملی که منجر به مرگ زودرس می‌شوند عبارتند از: مرد بودن، تشخیص مشکلات سلامت روان، داشتن یک شغل حرفه ای. چیز‌هایی که به زندگی طولانی‌تر مربوط می‌شود شامل درآمد بالا یا قرار گرفتن در نقش‌های رهبری است.
با در نظر گرفتن هر بخش از زندگی شما به عنوان کلماتی در یک جمله، life۲vec بر اساس آنچه نوشته شده است، پیش بینی می‌کند که داستان زندگی شما به کجا ختم می‌شود. درست همانطور که کاربران ChatGPT از آن می‌خواهند آهنگ، شعر یا مقاله بنویسد، دانشمندان می‌توانند از life۲vec درباره احتمال مرگ یک فرد خاص در ۴ سال آینده بپرسند.
این مدل از سال ۲۰۰۸ تا ۲۰۱۶ آموزش داده شد. بر اساس داده‌های جمعیتی، بیش از سه چهارم موارد به درستی پیش بینی کرد که چه کسی تا سال ۲۰۲۰ می‌میرد.
محقق ارشد این مقاله گفت: «برای محافظت از اطلاعات شخصی افرادی که از داده‌های آنها برای آموزش سیستم استفاده شده است، این اطلاعات برای استفاده عموم یا شرکت ها، در دسترس نیست.»
یک استاد شبکه و سیستم‌های پیچیده که از محققان این پروژه است، می‌گوید: «ما فعالانه روی راه‌هایی کار می‌کنیم تا برخی از نتایج را به‌طور آشکارتر به اشتراک بگذاریم، اما این امر مستلزم انجام تحقیقات بیشتر به روشی است که بتواند حریم خصوصی افراد در حال مطالعه را تضمین کند. حتی زمانی که این مدل در نهایت در دسترس عموم قرار گیرد، قوانین حفظ حریم خصوصی دانمارک استفاده از life۲vec را برای تصمیم گیری در مواردی مانند قرارداد بیمه یا استخدام، غیرقانونی می‌کند.»
همانطور که ChatGPT و دیگر مدل‌های زبانی بزرگ آموزش داده شده‌اند، life۲vec با داده‌های زندگی افراد آموزش داده شده است که به صورت مجموعه‌ای از جملات غنی از داده نوشته شده است. جملاتی مانند: «در سپتامبر ۲۰۱۲، فرانسیسکو بیست هزار کرون دانمارک به عنوان نگهبان در قلعه‌ای در السینور دریافت کرد» یا «در طول سال سوم تحصیل در مدرسه شبانه روزی متوسطه، هرمیون در پنج کلاس انتخابی شرکت کرد.»
این دانشمندان توکن‌های مختلفی را برای هر یک از اطلاعات اختصاص دادند و این داده‌ها همگی در ارتباط با یکدیگر ترسیم شدند. مقوله‌های داستان‌های زندگی مردم طیف وسیعی از تجربیات انسانی را شامل می‌شوند: شکستگی ساعد به صورت S۵۲ نشان داده می‌شود. کار در یک مغازه دخانیات با کد IND۴۷۲۶، درآمد با ۱۰۰ توکن دیجیتال مختلف نشان داده می‌شود و خونریزی پس از زایمان، O۷۲ است.
اما کاری که life۲vec انجام می‌دهد این است که مجموعه عظیمی از عواملی را که زندگی یک فرد را تشکیل می‌دهند را ترسیم می‌کند و به افراد اجازه می‌دهد تا بر اساس داده‌های زندگی میلیون‌ها نفر و عوامل دیگر، پیش بینی وضعیت زندگی خود را ببینند.
این مدل همچنین می‌تواند در مورد شخصیت افراد پیش بینی کند. برای انجام این کار، دانشمندان این مدل را براساس پاسخ افراد به سؤالات در آزمون شخصیت شناسی آموزش دادند. این آزمون از پاسخ‌دهندگان می‌خواهد بر اساس میزان موافقتشان امتیاز دهند، مواردی مانند «اولین کاری که من همیشه در یک مکان جدید انجام می‌دهم این است که دوست پیدا کنم» یا «به ندرت نظرات خود را در جلسات گروهی بیان می‌کنم.» از افراد پرسیده می‌شود.
توجه به این نکته مهم است که داده‌ها همه از دانمارک هستند، بنابراین این پیش‌بینی‌ها ممکن است برای افرادی که در مکان‌های دیگر زندگی می‌کنند درست نباشد. علاوه بر این واقعیت که بیشتر مردم احتمالاً واقعاً نمی‌خواهند بدانند چه زمانی خواهند مرد.
امروزه از فناوری‌های مشابه برای پیش‌بینی رویداد‌های زندگی و رفتار انسان در شرکت‌های فناوری استفاده می‌شود که برای مثال، رفتار ما را در شبکه‌های اجتماعی ردیابی می‌کنند، ما را با دقت بسیار بالا معرفی می‌کنند و از این پروفایل‌ها برای پیش‌بینی رفتار و تأثیرگذاری بر ما استفاده می‌کنند.
این دانشمندان معتقدند: «این مبحث باید بخشی از گفتگو‌های دموکراتیک باشد تا در نظر بگیریم که فناوری ما را به کجا می‌برد؟ و آیا این مسیری است که می‌خواهیم بر آن قدم بگذاریم؟»
