Kunstig intelligens, AI, der er udviklet til at behandle sprog, kan udnyttes til at forudsige begivenheder i menneskers liv. Et forskningsprojekt fra DTU, Københavns Universitet, ITU, og Northeastern University i USA viser, at hvis man indlæser store mængder data fra menneskers liv og træner såkaldte ’transformermodeller’, der lige som ChatGPT anvendes til at håndtere sprog, så kan de med høj præcision ordne data systematisk og forudsige, hvad der kommer til at ske i et menneskes liv og ligefrem anslå dødstidspunktet.
I en ny, videnskabelig artikel ’Using Sequences of Life-events to Predict Human Lives’, der er udgivet i Nature Computational Science, har forskerne analyseret 6 mio. danskeres sundhedsdata og deres tilknytning til arbejdsmarkedet i modellen life2vec. Efter modellen er trænet, det vil sige, har lært mønstrene i data, i en indledende fase, så har den vist sig at kunne udkonkurrere andre avancerede neurale netværk (se faktaboks) og med høj præcision forudsige udfald som personlighed og dødstidspunkt.
”Vi har forsøgt at bruge modellen til at besvare et fundamentalt spørgsmål: i hvilket omfang kan vi på baggrund af forhold og begivenheder i din fortid forudsige noget, der sker i din fremtid? Videnskabeligt set er det spændende for os, ikke så meget selve forudsigelsen, men de dataprocesser, der gør modellen i stand til at give så præcise svar,” siger professor på DTU Sune Lehmann, der er hovedforfatter på artiklen.
Forudsigelser om dødstidspunkt
De forudsigelser forskerne har fået fra Life2vec har været svar på generelle spørgsmål som: 'død inden for de fire år’? Når forskerne analyserer modellens svar, så er resultaterne i overensstemmelse med resultater, der er kendt fra socialvidenskaberne, f.eks. at personer, der sidder i en lederstilling eller har en høj indkomst har større sandsynlighed for at overleve, mens det at være mand, faglært eller have en mental diagnose er forbundet med en større risiko for at dø. Life2vec opdeler alle data i et stort system af såkaldte vektorer, en slags kasser baseret på algoritmer, som sorterer de forskellige data. Modellen finder selv ud af, hvor data om fødselstidspunkt, skolegang, uddannelse, løn, bolig og sundhed skal placeres.
”Det spændende er at betragte menneskelivet som en lang sekvens af begivenheder, på samme måde som en sætning i et sprog består af en række ord. Det er normalt den type opgaver, man anvender transformermodeller i AI til, men i vores forsøg bruger vi dem til at analysere det, vi kalder livssekvenser, det vil sige begivenheder, der er sket i et menneskeliv,” siger Sune Lehmann.
Rejser etiske spørgsmål
Forskerne bag artiklen peger på, at life2vec-modellen rejser etiske spørgsmål om beskyttelse af personfølsomme data og privatliv, og spørgsmål om, hvilken rolle bias i data spiller. Disse udfordringer skal forstås dybere, før modellen kan anvendes til f.eks. at vurdere enkeltpersoners risiko for at blive ramt af en sygdom eller andre livsbegivenheder, hvor det er muligt at forebygge.
”Modellen åbner for positive og negative perspektiver, som det er vigtigt at vi diskuterer og at der bliver taget politisk stilling til. Lignende teknologier til at forudsige livsbegivenheder og menneskers adfærd anvendes allerede i dag i tech-virksomheder, som f.eks. ved tracking af vores adfærd på sociale netværk profilerer os ekstremt nøjagtigt, og bruger de profileringer til at forudsige vores adfærd og til at påvirke os. Den diskussion skal ud i den demokratiske samtale, så vi tager stilling til, hvor teknologien fører os hen, og om det er en udvikling, vi ønsker,” siger Sune Lehmann.
Næste skridt i forskningen bliver ifølge forskerne at inkorporere andre typer information som tekst og billeder eller information om vores sociale forbindelser. Denne anvendelse af data åbner for et helt nyt samspil mellem social- og sundhedsvidenskab.
