शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता (एआई) उपकरण विकसित किया है जो किसी व्यक्ति के व्यक्तित्व से लेकर उसके जीवनकाल तक हर चीज की भविष्यवाणी करने के लिए चिकित्सा इतिहास, शिक्षा, रोजगार और आय जैसी जीवन की घटनाओं के अनुक्रम का उपयोग करता है।
ट्रांसफार्मर मॉडल का उपयोग करके निर्मित, जो चैटजीपीटी जैसे बड़े भाषा मॉडल (एलएलएम) को शक्ति प्रदान करता है, लाइफ2वेक नामक उपकरण को डेनमार्क की पूरी आबादी से निकाले गए डेटासेट पर प्रशिक्षित किया जाता है।
शोधकर्ताओं ने कहा कि Life2vec अत्याधुनिक मॉडलों से अधिक सटीकता के साथ व्यक्तियों के जीवनकाल सहित भविष्य की भविष्यवाणी करने में सक्षम है।
हालाँकि, इसकी पूर्वानुमानित शक्ति के बावजूद, शोध दल ने कहा कि इसका उपयोग भविष्य के काम के लिए आधार के रूप में किया जाना चाहिए, न कि अपने आप में एक लक्ष्य के रूप में।
अमेरिका की नॉर्थईस्टर्न यूनिवर्सिटी की प्रोफेसर टीना एलियासी-रेड कहती हैं, “भले ही हम इन मॉडलों की गुणवत्ता का आकलन करने के लिए भविष्यवाणी का उपयोग करते हैं, लेकिन इस उपकरण का उपयोग वास्तविक लोगों पर भविष्यवाणी करने के लिए नहीं किया जाना चाहिए।”
एलियासी-रेड ने कहा, “यह एक विशिष्ट आबादी के विशिष्ट डेटा सेट पर आधारित एक भविष्यवाणी मॉडल है।”
इस उपकरण को बनाने की प्रक्रिया में सामाजिक वैज्ञानिकों को शामिल करके, टीम को उम्मीद है कि यह एआई विकास के लिए एक मानव-केंद्रित दृष्टिकोण लाएगा जो बीच में मनुष्यों की दृष्टि नहीं खोएगा। उनके उपकरण को बड़े पैमाने पर डेटासेट पर प्रशिक्षित किया गया था।
नेचर कम्प्यूटेशनल साइंस जर्नल में प्रकाशित अध्ययन के लेखक सुने लेहमैन ने कहा, “यह मॉडल दुनिया का कहीं अधिक संपूर्ण प्रतिबिंब प्रस्तुत करता है क्योंकि यह कई अन्य मॉडलों की तुलना में मनुष्यों द्वारा अनुभव किया जाता है।”
Life2vec के केंद्र में विशाल डेटा सेट है जिसका उपयोग शोधकर्ताओं ने अपने मॉडल को प्रशिक्षित करने के लिए किया था।
शोधकर्ताओं ने इस डेटा का उपयोग अपने मॉडल में फीड करने के लिए आवर्ती जीवन की घटनाओं के लंबे मॉडल बनाने के लिए किया, भाषा के लिए एलएलएम को प्रशिक्षित करने के लिए ट्रांसफॉर्मर मॉडल दृष्टिकोण का उपयोग किया और इसे घटनाओं के अनुक्रम के रूप में प्रस्तुत मानव जीवन में अनुकूलित किया।
डेनमार्क के तकनीकी विश्वविद्यालय के प्रोफेसर लेहमैन ने कहा, “एक तरह से मानव जीवन की पूरी कहानी को एक व्यक्ति के साथ होने वाली कई चीजों के बारे में एक विशाल लंबे वाक्य के रूप में भी देखा जा सकता है।”
मॉडल एम्बेडिंग स्थानों में तथाकथित वेक्टर अभ्यावेदन का निर्माण करने के लिए जीवन की घटनाओं के लाखों अनुक्रमों को देखने से सीखी गई जानकारी का उपयोग करता है, जहां यह जीवन की घटनाओं जैसे आय, शिक्षा या स्वास्थ्य कारकों को वर्गीकृत करना और उनके बीच संबंध बनाना शुरू करता है।
शोधकर्ताओं ने कहा कि ये एम्बेडिंग स्थान मॉडल द्वारा की जाने वाली भविष्यवाणियों के आधार के रूप में काम करते हैं।
शोधकर्ताओं द्वारा भविष्यवाणी की गई जीवन की घटनाओं में से एक व्यक्ति की मृत्यु की संभावना थी।
लेहमैन ने कहा, “जब हम उस स्थान की कल्पना करते हैं जिसका उपयोग मॉडल भविष्यवाणियां करने के लिए करता है, तो यह एक लंबे सिलेंडर की तरह दिखता है जो आपको मृत्यु की कम संभावना से मृत्यु की उच्च संभावना तक ले जाता है।”
“तब हम दिखा सकते हैं कि अंततः जहां मृत्यु की उच्च संभावना है, वहां इनमें से कई लोग वास्तव में मर गए, और अंततः जहां मरने की संभावना कम है, मृत्यु के कारण कुछ ऐसे हैं जिनका हम अनुमान नहीं लगा सकते, जैसे कार दुर्घटनाएं,” शोधकर्ता को जोड़ा।
