Slamet Samsoerizal
AI Ditengarai Dapat Prediksi Ragam Peristiwa Kehidupan Manusia
Teknologi | 2024-01-03 12:25:16
AI atau Kecerdasan buatan yang dikembangkan untuk memodelkan bahasa tertulis dapat dimanfaatkan untuk memprediksi peristiwa dalam kehidupan manusia. Sebuah proyek penelitian dari DTU, University of Copenhagen, ITU, dan Northeastern University di AS menunjukkan bahwa jika Anda menggunakan sejumlah besar data tentang kehidupan orang-orang dan melatih apa yang disebut 'model transformator', seperti ChatGPT digunakan untuk memproses bahasa, mereka dapat secara sistematis mengatur data dan memprediksi apa yang akan terjadi dalam kehidupan seseorang.
Dalam sebuah artikel ilmiah baru, 'Memanfaatkan Urutan Peristiwa Kehidupan untuk Memprediksi Kehidupan Manusia', yang diterbitkan di Nature Computational Science, para peneliti telah menganalisis data kesehatan dan keterikatan pada pasar tenaga kerja untuk 6 juta orang Denmark dalam model yang dijuluki life2vec.
Setelah model dilatih pada fase awal, yaitu, mempelajari pola dalam data, telah terbukti mengungguli jaringan saraf canggih lainnya (lihat kotak fakta) dan memprediksi hasil seperti kepribadian dan waktu kematian dengan akurasi tinggi.
"Kami menggunakan model ini untuk menjawab pertanyaan mendasar: sejauh mana kami dapat memprediksi peristiwa di masa depan Anda berdasarkan kondisi dan peristiwa di masa lalu Anda? Secara ilmiah, apa yang menarik bagi kami bukanlah prediksi itu sendiri, tetapi aspek data yang memungkinkan model untuk memberikan jawaban yang tepat, "kata Sune Lehmann, Profesor di DTU dan penulis pertama artikel tersebut.
Ketika para peneliti menganalisis tanggapan model, hasilnya konsisten dengan temuan yang ada dalam ilmu sosial. Misalnya, semua hal dianggap sama, individu dalam posisi kepemimpinan atau dengan penghasilan tinggi lebih mungkin untuk bertahan hidup. Sementara menjadi laki-laki, terampil atau memiliki diagnosis mental dikaitkan dengan risiko kematian yang lebih tinggi.
Life2vec mengodekan data dalam sistem vektor yang besar, struktur matematika yang mengatur data yang berbeda. Model memutuskan dan menempatkan data pada waktu kelahiran, sekolah, pendidikan, gaji, perumahan dan kesehatan.
"Hal yang menarik adalah menganggap kehidupan manusia sebagai urutan peristiwa yang panjang, mirip dengan bagaimana sebuah kalimat dalam suatu bahasa terdiri dari serangkaian kata. Ini biasanya jenis tugas yang digunakan model transformator dalam AI, tetapi dalam percobaan kami, kami menggunakannya untuk menganalisis apa yang kami sebut urutan kehidupan, yaitu, peristiwa yang telah terjadi dalam kehidupan manusia, "kata Sune Lehmann.
Para peneliti tersebut menunjukkan bahwa pertanyaan etis mengelilingi model life2vec, seperti melindungi data sensitif, privasi, dan peran bias dalam data. Tantangan ini harus dipahami lebih dalam sebelum model dapat digunakan, misalnya, untuk menilai risiko individu tertular penyakit atau peristiwa kehidupan yang dapat dicegah lainnya.
"Model ini membuka perspektif positif dan negatif yang penting untuk dibahas dan ditangani secara politis. Teknologi serupa untuk memprediksi peristiwa kehidupan dan perilaku manusia sudah digunakan saat ini di dalam perusahaan teknologi yang, misalnya, melacak perilaku kita di jejaring sosial, membuat profil kita dengan sangat akurat, dan menggunakan profil ini untuk memprediksi perilaku kita dan memengaruhi kita. Diskusi ini perlu menjadi bagian dari percakapan demokratis sehingga kami mempertimbangkan ke mana teknologi membawa kami dan apakah ini adalah pengembangan yang kami inginkan, "kata Sune Lehmann.
Menurut para peneliti, langkah selanjutnya adalah memasukkan jenis informasi lain, seperti teks dan gambar atau informasi tentang koneksi sosial kita. Penggunaan data ini membuka interaksi baru antara ilmu sosial dan kesehatan.
Proyek penelitian didasarkan pada data pasar tenaga kerja dan data dari National Patient Registry (LPR) dan Statistik Denmark. Dataset mencakup semua 6 juta orang Denmark dan berisi informasi tentang pendapatan, gaji, gaji, jenis pekerjaan, industri, tunjangan sosial. Dataset kesehatan mencakup catatan kunjungan ke profesional kesehatan atau rumah sakit, diagnosis, jenis pasien dan tingkat urgensi. Dataset dilakukan dari 2008 hingga 2020, tetapi dalam beberapa analisis, para peneliti fokus pada periode 2008-2016 dan subset individu yang dibatasi usia.
Model transformator adalah AI, arsitektur data pembelajaran mendalam yang digunakan untuk belajar tentang bahasa dan tugas lainnya. Model dapat dilatih untuk memahami dan menghasilkan bahasa. Model transformator dirancang agar lebih cepat dan lebih efisien daripada model sebelumnya dan sering digunakan untuk melatih model bahasa besar pada dataset besar.
Jaringan saraf adalah model komputer yang terinspirasi oleh otak dan sistem saraf manusia dan hewan. Ada berbagai jenis jaringan saraf (misalnya model transformator). Seperti otak, jaringan saraf terdiri dari neuron buatan. Neuron-neuron ini terhubung dan dapat mengirim sinyal satu sama lain.
Setiap neuron menerima input dari neuron lain dan kemudian menghitung output yang diteruskan ke neuron lain. Jaringan saraf dapat belajar menyelesaikan tugas dengan melatih data dalam jumlah besar. Jaringan saraf mengandalkan data pelatihan untuk mempelajari dan meningkatkan akurasinya dari waktu ke waktu. Tetapi begitu algoritme pembelajaran ini disesuaikan untuk akurasi, mereka adalah alat yang ampuh dalam ilmu komputer dan kecerdasan buatan yang memungkinkan kita untuk mengklasifikasikan dan mengelompokkan data dengan kecepatan tinggi. Salah satu jaringan saraf yang paling terkenal adalah algoritma pencarian Google. ***
Disclaimer
Retizen adalah Blog Republika Netizen untuk menyampaikan gagasan, informasi, dan pemikiran terkait berbagai hal. Semua pengisi Blog Retizen atau Retizener bertanggung jawab penuh atas isi, foto, gambar, video, dan grafik yang dibuat dan dipublished di Blog Retizen. Retizener dalam menulis konten harus memenuhi kaidah dan hukum yang berlaku (UU Pers, UU ITE, dan KUHP). Konten yang ditulis juga harus memenuhi prinsip Jurnalistik meliputi faktual, valid, verifikasi, cek dan ricek serta kredibel.
