به گزارش باریخ نیوز به نقل از هوشیو ، ترانسفورمرها مانند ChatGPT، الگوریتم‌های یادگیری ماشینی پیشرفته‌ای هستند که اخیرا با الهام از شبکه‌های عصبی بسیار عمیق، توانسته‌اند عملکرد فوق‌العاده‌ای در زمینه‌های مختلف از جمله پردازش زبان طبیعی و پاسخ به سوالات پیچیده نشان دهند.
این مطالعه که با همکاری محققان دانشگاه فنی دانمارک (DTU)، دانشگاه فناوری اطلاعات و ارتباطات کپنهاگ (ITU) و دانشگاه نورت‌ایسترن آمریکا انجام شده، داده‌های وضعیت اشتغال و سلامت 6 میلیون نفر از جمعیت دانمارک را مورد تجزیه و تحلیل قرار داده و مدلی به نام life2vec را آموزش داده است. این مدل به خوبی و با دقت بالا توانسته رویدادهای آینده مانند زمان مرگ افراد، خصوصیات شخصیتی آن‌ها و حتی برخی رفتارهای پیش‌بینی‌ناپذیر را پیش‌بینی کند.
تحلیل‌ها نشان می‌دهد life2vec در مقایسه با سایر الگوریتم‌های یادگیری عمیق، عملکرد بسیار بهتری داشته است. همچنین پیش‌بینی‌های آن تا حد زیادی با نظریه‌های موجود در حوزه‌های مختلف علوم اجتماعی همخوانی دارد. به عنوان نمونه، life2vec به درستی پیش‌بینی می‌کند که افرادی با موقعیت اجتماعی و درآمد بالاتر، احتمال بیشتری برای زنده ماندن دارند، یا اینکه مردان و افراد مبتلا به اختلالات روانی، بیشتر در معرض خطر مرگ زودرس قرار دارند.
البته life2vec تنها یک مدل پیش‌بینی کننده صرف نیست و می‌تواند در درک بهتر عوامل موثر بر سرنوشت و رویدادهای زندگی افراد به ما کمک کند. با بررسی دقیق‌تر این الگوریتم می‌توان به مکانیسم‌ها و فرایندهای پیچیده‌ای که در طول عمر بر انسان‌ها اثر می‌گذارند، پی برد و شاید حتی راه‌هایی برای افزایش طول عمر و بهبود کیفیت زندگی یافت.
با این حال، محققان به درستی به چالش‌های اخلاقی احتمالی همچون تعارض با حریم خصوصی، خطر سوگیری‌های الگوریتمی و سوءاستفاده از داده‌های حساس نیز اشاره می‌کنند که باید پیش از هر گونه بهره‌برداری عملی، به دقت مورد بررسی قرار گیرند. در هر صورت انتظار می‌رود این پژوهش آغازگر گفتمان‌های جدید بین‌رشته‌ای در تعامل میان علوم اجتماعی، پزشکی و هوش مصنوعی باشد. به این صورت که متخصصان علوم اجتماعی و رفتاری می‌توانند با بهره‌گیری از life2vec و مدل‌های مشابه، نظریه‌ها و فرضیات خود را به صورت تجربی مورد آزمون قرار دهند. از سوی دیگر، محققان هوش مصنوعی و یادگیری ماشین فرصتی برای اعمال و آزمایش الگوریتم‌های پیچیده خود بر روی داده‌های واقعی انسانی خواهند داشت.
انتظار می‌رود در آینده نزدیک با پیشرفت فناوری‌های مرتبط، حجم بسیار بیشتری از اطلاعات افراد اعم از تصاویر، مکالمات، فعالیت‌های آنلاین و… نیز بتواند مورد تجزیه و تحلیل الگوریتمی قرار بگیرند. البته همواره باید تعادل مناسب میان دقت بالاتر در پیش‌بینی‌ها از یک سو و حریم خصوصی افراد از سوی دیگر، برقرار بماند. محققان بر این باورند که life2vec می‌تواند الگوی مناسبی برای پژوهش‌های آتی در این حوزه باشد. آن‌ها همچنین به فرصت‌هایی که این فناوری برای شخصی‌سازی خدمات سلامت عمومی و ارائه هشدارها و توصیه‌های به موقع به افراد در معرض خطر فراهم می‌کند، اشاره دارد.
