शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता (एआई) उपकरण विकसित किया है जो किसी व्यक्ति के व्यक्तित्व से लेकर उनके जीवन काल तक हर चीज की भविष्यवाणी करने के लिए जीवन की घटनाओं के अनुक्रम – जैसे स्वास्थ्य इतिहास, शिक्षा, नौकरी और आय – का उपयोग करता है।
ट्रांसफार्मर मॉडल का उपयोग करके निर्मित, जो चैटजीपीटी जैसे बड़े भाषा मॉडल (एलएलएम) को शक्ति प्रदान करता है, लाइफ2वेक नामक उपकरण को डेनमार्क की पूरी आबादी से खींचे गए डेटा सेट पर प्रशिक्षित किया जाता है।
शोधकर्ताओं ने कहा कि Life2vec अत्याधुनिक मॉडलों से अधिक सटीकता के साथ व्यक्तियों के जीवनकाल सहित भविष्य की भविष्यवाणी करने में सक्षम है।
हालाँकि, इसकी पूर्वानुमानित शक्ति के बावजूद, अनुसंधान टीम ने कहा कि इसका उपयोग भविष्य के काम के लिए नींव के रूप में किया जाना सबसे अच्छा है, न कि अपने आप में एक अंत के रूप में।
अमेरिका की नॉर्थईस्टर्न यूनिवर्सिटी की प्रोफेसर टीना एलियासी-रेड कहती हैं, “भले ही हम भविष्यवाणी का उपयोग यह मूल्यांकन करने के लिए कर रहे हैं कि ये मॉडल कितने अच्छे हैं, लेकिन इस उपकरण का इस्तेमाल वास्तविक लोगों पर भविष्यवाणी के लिए नहीं किया जाना चाहिए।”
एलियासी-रेड ने कहा, “यह एक विशिष्ट आबादी के विशिष्ट डेटा सेट पर आधारित एक भविष्यवाणी मॉडल है।”
इस उपकरण के निर्माण की प्रक्रिया में सामाजिक वैज्ञानिकों को शामिल करके, टीम को उम्मीद है कि यह एआई विकास के लिए एक मानव-केंद्रित दृष्टिकोण लाएगा जो कि उनके उपकरण को प्रशिक्षित किए गए विशाल डेटा सेट के बीच मनुष्यों की नज़र से ओझल नहीं होगा।
नेचर कम्प्यूटेशनल साइंस जर्नल में प्रकाशित अध्ययन के लेखक सुने लेहमैन ने कहा, “यह मॉडल कई अन्य मॉडलों की तुलना में दुनिया का कहीं अधिक व्यापक प्रतिबिंब प्रस्तुत करता है क्योंकि इसमें मनुष्य रहते हैं।”
Life2vec के केंद्र में विशाल डेटा सेट है जिसका उपयोग शोधकर्ताओं ने अपने मॉडल को प्रशिक्षित करने के लिए किया था।
शोधकर्ताओं ने उस डेटा का उपयोग अपने मॉडल में फीड करने के लिए आवर्ती जीवन की घटनाओं के लंबे पैटर्न बनाने के लिए किया, भाषा पर एलएलएम को प्रशिक्षित करने के लिए इस्तेमाल किए जाने वाले ट्रांसफॉर्मर मॉडल दृष्टिकोण को अपनाया और इसे घटनाओं के अनुक्रम के रूप में प्रस्तुत मानव जीवन के लिए अनुकूलित किया।
डेनमार्क के तकनीकी विश्वविद्यालय के प्रोफेसर लेहमैन ने कहा, “एक तरह से मानव जीवन की पूरी कहानी को एक व्यक्ति के साथ घटित होने वाली कई चीजों का एक विशाल लंबा वाक्य भी माना जा सकता है।”
मॉडल उस जानकारी का उपयोग करता है जो वह लाखों जीवन घटना अनुक्रमों को देखने से सीखता है, जिसे एम्बेडिंग स्थानों में वेक्टर प्रतिनिधित्व कहा जाता है, जहां यह आय, शिक्षा, या स्वास्थ्य कारकों जैसे जीवन की घटनाओं के बीच संबंध बनाना और वर्गीकृत करना शुरू करता है।
शोधकर्ताओं ने कहा कि ये एम्बेडिंग स्थान मॉडल द्वारा की जाने वाली भविष्यवाणियों के लिए आधार के रूप में काम करते हैं।
शोधकर्ताओं ने जीवन की जिन घटनाओं की भविष्यवाणी की थी उनमें से एक व्यक्ति की मृत्यु की संभावना थी।
लेहमैन ने कहा, “जब हम उस स्थान की कल्पना करते हैं जिसका उपयोग मॉडल भविष्यवाणियां करने के लिए करता है, तो यह एक लंबे सिलेंडर की तरह दिखता है जो आपको मृत्यु की कम संभावना से मृत्यु की उच्च संभावना तक ले जाता है।”
“तब हम दिखा सकते हैं कि अंत में जहां मृत्यु की उच्च संभावना है, उनमें से बहुत से लोग वास्तव में मर गए, और अंत में जहां मरने की कम संभावना है, मृत्यु के कारण कुछ ऐसे हैं जिनका हम अनुमान नहीं लगा सकते, जैसे कार दुर्घटनाएँ, ”शोधकर्ता ने कहा।
