건강, 수입 및 조기 사망 가능성을 예측할 수 있는 알고리즘

이 알고리즘은 귀하의 건강, 수입 및 조기 사망 가능성을 예측할 수 있습니다.

덴마크에서 수백만 명의 사람들의 인생 이야기를 훈련받은 이 모델은 놀라울 정도로 정확합니다. 만약 여러분이 여러분의 삶의 이야기에서 몇 페이지를 뒤집을 수 있다면, 엿보시겠어요? 인공지능(AI)이 이제 이 선택의 한 버전을 제공할 수 있다고 네이처 컴퓨터 과학에서 오늘날 한 연구 뒤에 있는 연구자들이 말합니다. 저자들은 수백만 명의 사람들의 삶의 데이터를 아삭아삭함으로써, 점괘 알고리즘이 한 사람의 일생 수입 또는 이른 죽음을 직면할 가능성과 같은 섬뜩한 정확성으로 한 사람의 삶의 결과를 예측할 수 있다고 주목합니다. 그 발견은 최근 트렌드에 사회 과학과 혼합된 기계 학습에 추가됩니다.

 

그 접근법이 다른 사회들에 걸쳐 효과가 있다는 것을 보여줄 수 있다면, 그것은 사회과학자들에게 특성들과 사건들이 한 사람의 운명에 어떻게 영향을 미치는지를 탐구할 수 있는 새로운 도구를 줄 수 있을 것이라고 연구에 참여하지 않은 프린스턴 대학의 사회학자인 매튜 살가닉은 "저는 그것이 대답하는 것보다 더 많은 질문을 제기한다고 생각합니다. 그리고 긍정적인 방법으로 그것을 의미합니다"라고 말했습니다.

 

이전에 살가닉과 공동 연구자들은 100개 이상의 다른 팀들과 함께 15년 동안 약 5000명의 어린이의 건강, 가족 관계, 교육에 대한 데이터를 사용하여 삶의 결과를 예측하는 기계 학습 모델을 개발하려고 시도했습니다. 그러나 그들의 모델 중 어느 것도 정확한 예측을 하지 못했습니다.

 

새로운 연구에 따르면, 연구원들은 파워 채팅 GPT를 사용하여 다양한 유형의 언어 모델을 바꾸었습니다. 이러한 알고리즘은 단어와 문장 문자열의 문자열에 대한 패턴을 찾고 있습니다. 그런 다음 모델은 문장 옆에 있는 정보를 사용하여 단어를 예측해야 한다는 것을 예측했습니다.

 

덴마크 기술대학교에서 네트워크와 복잡한 과학자인 태양의 네트워크 및 복잡성 과학자인 태양계 과학자인 태양계 과학자인 태양과 같은 다른 서열에 대한 의미를 찾을 수 있는지 궁금해했습니다. 그는 "생명 행사가 정말 중요하다"라고 말했습니다. 좋은 건강 급여에 착륙한 후에 암 진단을 받을 가능성이 높습니다.

 

알고리즘에 대한 데이터를 플러그인에 연결하는 경우, 연구자들은 약 6백만 명의 시민들에 대한 작업 및 건강 기록을 포함하고 있습니다. 그 팀은 급여, 사회 혜택, 직업 제목, 병원 방문을 진단합니다. 이 이벤트를 타임라인에 배치하여 각 사람의 디지털 라이프 스토리를 재현했습니다.

 

연구원들은 'life2vec'라고 불리는 모델을 2008년부터 2016년 사이에 모든 개인의 인생 이야기에 대해 훈련시켰고, 그 모델은 이러한 이야기에서 패턴을 찾았습니다. 다음으로, 그들은 알고리즘을 사용하여 덴마크 국가 등록부에 있는 누군가가 2020년까지 사망했는지 여부를 예측했습니다.

 

당시 모델의 예측은 78%나 정확했습니다. 소득이 낮거나, 정신건강 진단을 받았거나, 남성인 경우 등 조기 사망 위험이 더 높은 몇 가지 요인을 찾아냈습니다. 모델의 실수는 대개 예측하기 어려운 사고나 심장마비로 발생했습니다.

 

결과가 흥미롭기는 하지만, 다소 암울하기는 하지만, 일부 과학자들은 그 패턴이 덴마크 사람들이 아닌 사람들에게도 적용되지 않을 수 있다고 경고합니다. 유니버시티 칼리지 런던의 심리학자인 유 우(You Wu)는 "다른 나라들의 코호트 데이터를 사용하여 모델을 적응시키고, 잠재적으로 보편적인 패턴을 공개하거나, 독특한 문화적 뉘앙스를 강조하는 것을 보는 것은 흥미로울 것입니다"라고 말합니다.

 

데이터의 편향은 또한 데이터의 예측을 혼란스럽게 할 수 있다고 그녀는 덧붙였습니다. 예를 들어, 흑인들 사이에서 조현병의 과잉 진단은 알고리즘이 조기 사망의 위험이 더 높은 것으로 잘못 표시하게 할 수 있습니다. 그것은 보험료나 고용 결정과 같은 것들에 영향을 미칠 수 있다고 우는 덧붙였습니다.

 

레만(Lehmann)과 동료들은 또한 그들의 모델이 사람들의 삶의 다른 측면들, 예를 들어 외향적일 가능성이 더 높거나 더 낮을지를 정확하게 예측한다는 것을 발견했습니다. 컬럼비아 경영대학의 컴퓨터 사회과학자 산드라 마츠(Sandra Matz)는 "그렇게 놀라운 일은 아닙니다"라며, "더 간단한 알고리즘도, 예를 들어 헤어스타일리스트와 같은 특정 직업과 외향성의 상관관계를 만들 수 있습니다. 그것이 모든 종류의 행동을 예측할 수 있는지 아닌지에 대해서는, 저는 다소 회의적입니다"라고 말했습니다.

 

레만은 그 모델이 언젠가 건강을 유지하기 위한 조치를 취하는데 도움을 줄 수 있는 한 사람의 질병 위험을 식별하는 데 유용할 것이라고 상상한다고 말합니다. 그는 "그러한 응용 프로그램에는 데이터 개인 정보 보호에 대한 많은 질문이 포함되어 있으며, 모델이 누구에게나 도움을 주기 전에 분류되어야 할 것"이라고 말합니다. 이 논의를 시작하기 위해 생각할 수 있는 가장 좋은 방법은 무엇이 가능한지에 대한 이미지를 형성하는 것입니다.