Utviklet dødskalkulator med kunstig intelligens: Spår levealder med skremmende nøyaktighet

Selv om folk flest vanligvis ikke har noe særlig hastverk med å finne ut når de skal dø, kan en nyutviklet dødskalkulator som bruker kunstig intelligens nå forutsi når en person vil dø med uhyggelig stor nøyaktighet.

– Vi bruker teknologien bak ChatGPT til å analysere menneskeliv ved å representere hver person som en sekvens av hendelser som skjer i livet deres, sier Sune Lehmann, hovedforfatter av studien «Å bruke sekvensen av livshendelser til å forutsi menneskeliv».

I studien som er publisert i Nature presenterer Sune Lehmann, professor i nettverk og komplekse systemer ved Danmarks Tekniske Universitet, en algoritme med navnet life2vec, som bruker detaljer i en persons liv, blant annet inntekt, yrke, bosted og helsehistorikk, til å beregne forventet levealder med 78 prosent treffsikkerhet.

– Vi utnytter det faktum at menneskeliv i en viss forstand har likhetstrekk med språk. På samme måte som ord følger etter hverandre i setninger, følger hendelser etter hverandre i menneskers liv, forklarer Lehmann.

Se video: Slo ut radiosignaler på jorda

«Kan forutsi nesten hva som helst»

Life2vec er annerledes enn ChatGPT og skal kunne beregne utfallet av en manns eller kvinnes liv ved å se nærmere på fortiden deres.

«Denne modellen kan forutsi nesten hva som helst», sier Lehmann og forteller at forskerteamet hans også har brukt programmet til å forutsi folks personlighet og beslutninger om å flytte internasjonalt.

– Vi valgte å forutse dødsfall fordi det er noe folk har jobbet med i mange år. For eksempel forsikringsselskaper, så vi hadde en god følelse av hva som var mulig.

Lehmanns gruppe undersøkte en heterogen populasjon på 6 millioner dansker av ulikt kjønn og aldersspenn fra 2008 og 2020, skriver New York Post. Analytikerne brukte life2vec til å finne ut hvem som sannsynligvis ville leve i minst fire år etter 1. januar 2016.

«Omfanget av datasettet vårt gjør det mulig for oss å konstruere representasjoner på sekvensnivå av individuelle livsbaner, som beskriver hvordan hver enkelt person beveger seg over tid. Vi kan observere hvordan enkeltmenneskers liv utvikler seg i et rom med ulike typer hendelser. Informasjon om hjerteinfarkt blandes med lønnsøkninger eller informasjon om flytting fra en by til et landlig område», heter det i rapporten.

Spesifikk livsinformasjon

Forskerne matet den kunstige intelligensen med spesifikk informasjon om hver enkelt deltaker i studien, som : «I september 2012 tjente Francisco 20.000 danske kroner som vakt på et slott» eller «I løpet av det tredje året på internatskolen tok Hermine fem valgfag».

Deretter tilordnet de ulike digitale symboler til hver enkelt opplysning, som alle var spesifikt kategorisert. For eksempel er et armbrudd representert som S52, arbeid i en tobakksbutikk er kodet som IND4726, inntekt er representert med 100 ulike digitale enheter, og «postpartum blødning» er O72.

Ved hjelp av den oppgitte informasjonen forutså life2vec nesten perfekt hvem som hadde dødd innen 2020 i mer enn tre fjerdedeler av tilfellene.

Uansvarlig?

Ifølge studien er noen av faktorene som kan bidra til tidligere død, blant annet å være mann, ha en psykisk diagnose eller å ha et faglært yrke. Høyere inntekt eller en lederrolle var begge knyttet til et lengre liv.

Lehmann understreker imidlertid at ingen av deltakerne i studien fikk vite hva de ville dø.

«Det ville være svært uansvarlig», sier han og understreker at han og teamet håper å kunne dele flere detaljer om resultatene på en måte som ivaretar personvernet til dem som har deltatt i forskningen.

– Men vi kan fortsatt lære av life2vec hvilke faktorer som kan bidra til at du lever lenger. Vi har ikke gått dypt inn i dette, men det er en annen viktig anvendelse av modellen, forteller Lehmann.

Roboten er foreløpig ikke tilgjengelig for allmennheten eller bedrifter. Og hvis den noen gang skulle bli allment tilgjengelig, sier Lehmann at den kunstige intelligensen sannsynligvis ikke vil bli brukt til å vurdere enkeltpersoner i tilfeller som å tegne forsikringer eller ta ansettelsesbeslutninger.