L’intelligenza artificiale può prevedere gli eventi nella vita delle persone

In un nuovo articolo scientifico, “Using Sequences of Life-events to Predict Human Lives”, pubblicato su Scienze computazionali della natura, i ricercatori hanno analizzato i dati sanitari e l’attaccamento al mercato del lavoro di 6 milioni di danesi in un modello denominato life2vec. Dopo che il modello è stato addestrato in una fase iniziale, ovvero ha appreso i modelli nei dati, è stato dimostrato che supera le altre reti neurali avanzate (vedi riquadro informativo) e prevede risultati come la personalità e l’ora della morte con elevata precisione.

“Abbiamo utilizzato il modello per rispondere alla domanda fondamentale: fino a che punto possiamo prevedere eventi nel vostro futuro in base alle condizioni e agli eventi del vostro passato? Scientificamente, ciò che è interessante per noi non è tanto la previsione in sé, ma gli aspetti dei dati che consentono al modello di fornire risposte così precise”, afferma Sune Lehmann, professore alla DTU e primo autore dell’articolo.

Previsioni dell’ora della morte

Le previsioni di Life2vec sono risposte a domande generali come: “morte entro quattro anni”? Quando i ricercatori analizzano le risposte del modello, i risultati sono coerenti con le scoperte esistenti nel campo delle scienze sociali; ad esempio, a parità di condizioni, gli individui in una posizione di leadership o con un reddito elevato hanno maggiori probabilità di sopravvivere, mentre essere maschi, qualificati o avere una diagnosi mentale è associato a un rischio maggiore di morte. Life2vec codifica i dati in un ampio sistema di vettori, una struttura matematica che organizza i diversi dati. Il modello decide dove collocare i dati relativi all’ora di nascita, istruzione, istruzione, stipendio, alloggio e salute.

“Ciò che è entusiasmante è considerare la vita umana come una lunga sequenza di eventi, simile a come una frase in una lingua è composta da una serie di parole. Questo è solitamente il tipo di compito per il quale vengono utilizzati i modelli di trasformazione dell’intelligenza artificiale, ma nei nostri esperimenti li usiamo per analizzare quelle che chiamiamo sequenze della vita, cioè eventi accaduti nella vita umana”, dice Sune Lehmann.

Sollevare questioni etiche

I ricercatori dietro l’articolo sottolineano che le questioni etiche circondano il modello life2vec, come la protezione dei dati sensibili, la privacy e il ruolo dei bias nei dati. Queste sfide devono essere comprese più a fondo prima che il modello possa essere utilizzato, ad esempio, per valutare il rischio di un individuo di contrarre una malattia o altri eventi di vita prevenibili.

“Il modello apre importanti prospettive positive e negative da discutere e affrontare a livello politico. Tecnologie simili per prevedere gli eventi della vita e il comportamento umano sono già utilizzate oggi all’interno delle aziende tecnologiche che, ad esempio, tracciano il nostro comportamento sui social network, ci profilano in modo estremamente accurato e utilizzare questi profili per prevedere il nostro comportamento e influenzarci. Questa discussione deve essere parte della conversazione democratica in modo da considerare dove ci sta portando la tecnologia e se questo è lo sviluppo che desideriamo”, afferma Sune Lehmann.

Secondo i ricercatori, il passo successivo sarebbe quello di incorporare altri tipi di informazioni, come testi e immagini o informazioni sulle nostre connessioni sociali. Questo utilizzo dei dati apre un’interazione completamente nuova tra le scienze sociali e sanitarie.

Il progetto di ricerca

Il progetto di ricerca “Using Sequences of Life-events to Predict Human Lives” si basa sui dati del mercato del lavoro e sui dati del Registro nazionale dei pazienti (LPR) e dell’Ufficio statistico danese. Il set di dati comprende tutti i 6 milioni di danesi e contiene informazioni su reddito, stipendio, tipo di lavoro, industria, benefici sociali, ecc. Il set di dati sanitari include registrazioni di visite a operatori sanitari o ospedali, diagnosi, tipo di paziente e grado di urgenza. Il set di dati va dal 2008 al 2020, ma in diverse analisi i ricercatori si concentrano sul periodo 2008-2016 e su un sottoinsieme di individui con limiti di età.

Modello del trasformatore

Un modello di trasformatore è un’architettura di dati di deep learning basata sull’intelligenza artificiale utilizzata per apprendere la lingua e altre attività. I modelli possono essere addestrati a comprendere e generare linguaggio. Il modello del trasformatore è progettato per essere più veloce ed efficiente rispetto ai modelli precedenti e viene spesso utilizzato per addestrare modelli linguistici di grandi dimensioni su set di dati di grandi dimensioni.

Reti neurali

Una rete neurale è un modello informatico ispirato al cervello e al sistema nervoso degli esseri umani e degli animali. Esistono molti tipi diversi di reti neurali (ad esempio modelli di trasformatori). Come il cervello, una rete neurale è costituita da neuroni artificiali. Questi neuroni sono collegati e possono inviarsi segnali tra loro. Ogni neurone riceve input da altri neuroni e quindi calcola un output trasmesso ad altri neuroni. Una rete neurale può imparare a risolvere compiti allenandosi su grandi quantità di dati. Le reti neurali si affidano ai dati di addestramento per apprendere e migliorare la loro precisione nel tempo. Ma una volta che questi algoritmi di apprendimento sono ottimizzati per la loro precisione, diventano potenti strumenti nell’informatica e nell’intelligenza artificiale che ci consentono di classificare e raggruppare i dati ad alta velocità. Una delle reti neurali più conosciute è l’algoritmo di ricerca di Google.