Apresentando Life2Vec!

Os pesquisadores da Universidade Técnica da Dinamarca (DTU), em colaboração com colegas da Northeastern University (EUA), desenvolveram um novo modelo de inteligência artificial. Isso usa grandes quantidades de dados pessoais para prever eventos na vida das pessoas, incluindo a estimativa da hora da morte. Este modelo, renomeado como “Life2vec” foi delineado no recente item da Nature Computational Science intitulado “Usando Sequências de Eventos de Vida para Prever Vidas Humanas”.

Como funciona o modelo Life2vec

Este modelo é semelhante ao ChatGPT do OpenAI , foi treinado com base em extensos dados pessoais e sociodemográficos de 6 milhões de cidadãos dinamarqueses. Após uma fase inicial de aprendizagem, o modelo demonstrou capacidades preditivas superiores, superando outras redes neurais avançadas. Ele previu com sucesso resultados como traços de personalidade e até estimou com precisão a hora da morte. A professora Sune Lehmann, primeira autora do artigo e pesquisadora da DTU, explicou:“Usamos o modelo para responder à questão fundamental: Até que ponto podemos prever eventos em seu futuro com base em condições e eventos do seu passado? Do ponto de vista científico, o que nos entusiasma não é tanto a previsão em si, mas os aspectos dos dados que permitem ao modelo fornecer respostas tão precisas”.

Life2vec organiza os dados em um sistema vetorial complexo, estruturando informações relacionadas à hora do nascimento, educação, saúde, etc. A análise das respostas do modelo revelou resultados consistentes com as descobertas existentes nas ciências sociais. Ele também destacou fatores como papéis de liderança e rendas mais altas relacionadas a maiores chances de sobrevivência. No entanto, os pesquisadores reconhecem as preocupações éticas que cercam o modelo Life2vec. Isso inclui a proteção de dados confidenciais , problemas de privacidade e as possíveis distorções nos dados. Estes desafios precisam de ser abordados em profundidade antes que o modelo possa ser lançado, por exemplo, na avaliação do risco de um indivíduo contrair uma doença ou de experimentar acontecimentos de vida evitáveis. Como próximo passo, os pesquisadores planejam integrar tipos adicionais de informações, como texto, imagens e dados de conexões sociais, para melhorar as capacidades preditivas do modelo.

barra lateral inferior relacionada 300

*️⃣ Link da fonte:

item ,