Η τεχνητή νοημοσύνη μπορεί να προβλέψει τον θάνατό μας

Η τεχνητή νοημοσύνη μπορεί να προβλέψει τον θάνατό μας

1' 59" χρόνος ανάγνωσης
Ακούστε το άρθρο

Οι επιστήμονες κατάφεραν να ξεκλειδώσουν μία μάλλον ανησυχητική ικανότητα της τεχνητής νοημοσύνης: αυτήν της πρόβλεψης του πρόωρου θανάτου κάποιου ατόμου. Ειδικότερα, οι επιστήμονες κατάφεραν να εκπαιδεύσουν ένα σύστημα τεχνητής νοημοσύνης να αξιολογεί μία δεκαετία ιατρικών δεδομένων σχετικά με την κατάσταση υγείας περισσότερων από 500.000 ανθρώπων στη Βρετανία. Στη συνέχεια ζήτησαν από το σύστημα να εκτιμήσει κατά πόσον αυτοί οι άνθρωποι διέτρεχαν κίνδυνο να πεθάνουν πρόωρα, δηλαδή σε συντομότερο διάστημα από αυτό που καθορίζεται από το προσδόκιμο ζωής, εξαιτίας κάποιου χρόνιου νοσήματος. Οι προβλέψεις που έγιναν από τους αλγόριθμους του συστήματος τεχνητής νοημοσύνης ήταν «σαφώς πιο ακριβείς» από αυτές που έγιναν από ένα μαθηματικό μοντέλο, το οποίο, ωστόσο, δεν χρησιμοποιούσε τη μηχανική εκμάθηση. Αυτό ανέφερε ο συντονιστής της έρευνας, δρ Στίβεν Γουένγκ, αναπληρωτής καθηγητής επιδημιολογίας και επιστήμης δεδομένων του πανεπιστημίου του Νότιγχαμ.

Προκειμένου να αξιολογήσουν τις πιθανότητες πρόωρου θανάτου των συμμετεχόντων στην έρευνα, οι επιστήμονες ασχολήθηκαν με δύο τύπους τεχνητής νοημοσύνης. Τη «βαθιά εκμάθηση», όπου δομημένα δίκτυα επεξεργασίας πληροφοριών βοηθούν τον ηλεκτρονικό υπολογιστή να μάθει από παραδείγματα και το «τυχαίο δάσος», έναν απλούστερο τύπο τεχνητής νοημοσύνης που συνδυάζει πολλαπλά πρότυπα με τη δομή δένδρων, για να υπολογίσει τα πιθανά αποτελέσματα. Στη συνέχεια συνέκριναν τα συμπεράσματα της τεχνητής νοημοσύνης, με αποτελέσματα τα οποία είχαν βγει από ένα απλό αλγόριθμο, που ονομάζεται πρότυπο Cox.

Χρησιμοποιώντας αυτά τα τρία μοντέλα, οι επιστήμονες αξιολόγησαν τα δεδομένα που είχαν ληφθεί από τη μελέτη Biobank, από 500.000 άτομα κατά την περίοδο 2006 ώς 2016. Κατά τη διάρκεια της έρευνας απεβίωσαν 14.500 συμμετέχοντες κυρίως εξαιτίας καρκίνου ή καρδιακών και αναπνευστικών νοσημάτων.

Τα τρία μοντέλα που χρησιμοποιήθηκαν, κατέληξαν ότι παράγοντες όπως η ηλικία, το φύλο, το ιστορικό καπνίσματος και η προηγούμενη διάγνωση καρκίνου αποτελούσαν βασικές μεταβλητές στην αξιολόγηση της πιθανότητας πρόωρου θανάτου ενός ατόμου. Ωστόσο, τα τρία μοντέλα διαφοροποιήθηκαν όσον αφορά την αξιολόγηση άλλων παραγόντων. Το πρότυπο Cox βασίστηκε κυρίως στην εθνικότητα και στη σωματική δραστηριότητα, κάτι που δεν έκαναν τα πρότυπα μηχανικής εκμάθησης. Αντιθέτως, τα πρότυπα «τυχαίου δάσους» βασίστηκαν σε παράγοντες όπως το ποσοστό σωματικού λίπους, την περιφέρεια, την ποσότητα φρούτων και λαχανικών που κατανάλωναν οι άνθρωποι και τον χρωματικό τόνο του δέρματος. Για τα συστήματα «βαθιάς εκμάθησης» βασικοί παράγοντες ήταν η έκθεση σε εργασιακούς κινδύνους, η ατμοσφαιρική ρύπανση, η κατανάλωση οινοπνεύματος και η χρήση κάποιων φαρμάκων.

Οταν έγιναν όλοι οι απαραίτητοι υπολογισμοί, οι επιστήμονες κατέληξαν ότι οι αλγόριθμοι «βαθιάς εκμάθησης» έκαναν τις ακριβέστερες προβλέψεις αναγνωρίζοντας το 76% των συμμετεχόντων που απεβίωσαν κατά τη διάρκεια της μελέτης.

Λάβετε μέρος στη συζήτηση 0 Εγγραφείτε για να διαβάσετε τα σχόλια ή
βρείτε τη συνδρομή που σας ταιριάζει για να σχολιάσετε.
Για να σχολιάσετε, επιλέξτε τη συνδρομή που σας ταιριάζει. Παρακαλούμε σχολιάστε με σεβασμό προς την δημοσιογραφική ομάδα και την κοινότητα της «Κ».
Σχολιάζοντας συμφωνείτε με τους όρους χρήσης.
Εγγραφή Συνδρομή