محققانی از کشورهای مختلف در مقاله‌ای نشان داده‌اند که اگر حجم زیادی از اطلاعات مربوط به زندگی افراد را به مدل‌های هوش مصنوعی ترنسفورمر (مثل مدل مورد استفاده در ChatGPT) بدهیم، این مدل‌ها می‌توانند داده‌ها را به‌صورت سیستماتیک سازمان‌دهی و پیش‌بینی کنند که در آینده زندگی افراد چه اتفاقاتی رخ خواهد داد و حتی بگویند که یک نفر چه زمانی ممکن است بمیرد.

پژوهشگران دانشگاه فنی دانمارک، دانشگاه کپنهاگ و دانشگاه نورت‌ایسترن آمریکا در مقاله جدیدی که در مجله Nature Computational Science منتشر شده است، داده‌های سلامتی و کار 6 میلیون دانمارکی را از طریق مدلی موسوم به Life2Vec بررسی کردند.

پس از آنکه این مدل با این داده‌ها آموزش داده شد، توانست الگوهای داخل آن را پیدا کند و در مقایسه با سایر شبکه‌های عصبی پیشرفته عملکرد بهتری در تحلیل آن‌ها از خود نشان دهد. این مدل همچنین بهتر از رقبا توانست شخصیت و زمان مرگ افراد را با دقت بالا پیش‌بینی کند.

پیش‌بینی‌های مدل Life2vec درواقع پاسخ سؤال‌های کلی است؛ مثلاً: آیا فرد در چهار سال آینده خواهد مرد؟ زمانی که دانشمندان پاسخ‌های مدل را بررسی کردند، متوجه شدند که این پاسخ‌ها با یافته‌های علوم اجتماعی همخوانی دارد؛ برای نمونه، افرادی که در موقعیت‌های مدیریتی قرار داشتند یا درآمد بالایی داشتند، شانس بقای بیشتری پیدا می‌کردند. درعین‌حال، مردبودن، مهارت‌داشتن و ابتلا به بیماری‌های روانی می‌تواند ریسک مرگ را افزایش دهد.

محققان می‌گویند: «نکته هیجان‌انگیز در نظر گرفتن حیات انسان به‌عنوان دنباله‌ای طولانی از وقایع است؛ شبیه جمله‌ای که یک دنباله طولانی از کلمات به‌حساب می‌آید. این مسئله همان چیزی است که مدل‌های ترنسفورمر معمولاً برای آن به‌کار می‌روند، ولی ما در این آزمایش از این داده‌ها برای تحلیل چیزی که به آن دنباله حیات می‌گوییم، استفاده کردیم؛ یعنی رویدادهایی که در زندگی یک انسان رخ داده است.»

دانشمندان می‌گویند با توجه به حجم عظیم اطلاعاتی که از زندگی خصوصی انسان‌ها در اختیار این هوش مصنوعی قرار گرفته است، استفاده از آن ریسک‌های زیادی به‌همراه دارد و باید بسیار محتاط بود. قدم بعدی آن‌ها استفاده از انواع دیگر اطلاعات ازجمله متن و تصاویر یا اطلاعاتی درباره روابط اجتماعی در این مدل هوش مصنوعی است. چنین اطلاعاتی می‌تواند سطح جدیدی از تعامل میان علوم اجتماعی و سلامت را فراهم کند.