Profesor Sune Lehmann Jorgensen z Duńskiego Uniwersytetu Technicznego i jego współpracownicy wykorzystali zbiór danych dotyczących całej Danii, obejmujący edukację, wizyty u lekarzy i pobyty w szpitalach, wszelkie wynikające z nich diagnozy, dochody i zawody 6 milionów mieszkańców tego kraju w latach 2008–2020.
Ten wielki zbiór danych został przekształcony w słowa, które można wykorzystać do uczenia dużego modelu językowego opartego na sztucznej inteligencji.
Modele takie (na przykład ChatGPT) działają poprzez analizę serii słów i określenie, które słowo ma statystycznie największe prawdopodobieństwo, że pojawi się jako następne, w oparciu o ogromną liczbę przykładów. Sztuczna inteligencja, która została wyszkolona na danych osobowych obejmujących całą populację Danii może przewidzieć ryzyko śmierci z większą dokładnością niż jakikolwiek istniejący model, nawet ten stosowany w branży ubezpieczeniowej.
Naukowcy zajmujący się tą technologią twierdzą, że może ona mieć również pozytywny wpływ na wczesne przewidywanie problemów społecznych i zdrowotnych, jednak uznali, że należy ją trzymać z dala od wielkiego biznesu, który wykorzystałby ją we własnym interesie, ze szkodą dla innych. Prawdopodobnie zresztą firmy już korzystają z podobnych modeli.
Duński model nazwany Life2vec, opisany w artykule, może przyjrzeć się serii wydarzeń życiowych, które tworzą historię danej osoby i określić, co najprawdopodobniej wydarzy się w następnej kolejności.
Podczas eksperymentów eLife2vec został przeszkolony na danych ze wszystkich dostępnych lat z wyjątkiem ostatnich czterech (dane te zostały zatrzymane do testów). Dane dotyczyły grupy osób w wieku od 35 do 65 lat, z których połowa zmarła w latach 2016–2020. Life2vec został poproszony o przewidzenie, kto przeżyje, a kto umrze. Okazał się o 11 proc. dokładniejszy niż jakikolwiek istniejący model sztucznej inteligencji lub tzw. aktuarialne tabele trwania życia, stosowane przy obliczaniu ryzyka wypadków losowych i wysokości związanych z tym składek ubezpieczeniowych.
Model był także w stanie przewidzieć wyniki testu osobowości w podzbiorze populacji dokładniej niż modele AI przeszkolone specjalnie do tego zadania.
Jorgensen uważa, że model przyswoił sobie wystarczającą ilość danych, aby prawdopodobnie rzucić światło na szeroki zakres zagadnień zdrowotnych i społecznych. Oznacza to, że można go wykorzystać do przewidywania problemów zdrowotnych i wczesnego ich wykrywania lub do zmniejszania nierówności społecznych przez rządy. Podkreśla jednak, że może on zostać wykorzystany w szkodliwy sposób także przez firmy.
