هل يمكن أن تكون “آلة حاسبة الموت” التي تعمل بالذكاء الاصطناعي أمرًا جيدًا بالفعل؟

ابق على اطلاع بالتحديثات المجانية

ببساطة قم بالتسجيل في علوم myFT Digest – يتم تسليمه مباشرة إلى صندوق الوارد الخاص بك.

الكاتب معلق علمي

حياتنا، مثل القصص، تتبع أقواس سردية. كل واحد يتكشف بشكل فريد في فصول تحمل عناوين مألوفة: المدرسة، المهنة، الانتقال إلى المنزل، الإصابة، المرض. كل قصة، أو حياة، لها بداية، ووسط، ونهاية غير متوقعة.

الآن، وفقًا للعلماء، كل قصة حياة هي سجل لموت تم التنبؤ به. وباستخدام بيانات التسجيل في الدنمارك، والتي تحتوي على ثروة من المعلومات اليومية عن التعليم، والراتب، والوظيفة، وساعات العمل، والإسكان، وزيارات الطبيب، طور الأكاديميون خوارزمية يمكنها التنبؤ بمسار حياة الشخص، بما في ذلك الوفاة المبكرة، في عام 2018. بنفس الطريقة التي تستطيع بها نماذج اللغة الكبيرة (LLMs) مثل ChatGPT التنبؤ بالجمل. وتفوقت الخوارزمية على النماذج التنبؤية الأخرى، بما في ذلك الجداول الاكتوارية التي تستخدمها صناعة التأمين.

إن إمكانية تحليل وجودنا المعقد مثل قصاصات من النص أمر مبهج ومربك في نفس الوقت. وفي حين أننا نعلم أن الدخل السخي يرتبط بمتوسط ​​العمر المتوقع الأطول، فإن ربط كميات هائلة من البيانات المختلفة يمكن أن يكشف عن طرق أخرى تؤثر بها العوامل الاجتماعية على الصحة. ومن الممكن أن يفيد ذلك صناع السياسات الذين يسعون إلى تحسين احتمالات عيشنا حياة أطول وأكثر صحة.

على الجانب السلبي، هناك شيء اختزالي تقريبًا بشكل سخيف حول فكرة DeathGPT. كل خرزة على قلادة الحياة – مثل حضور فصل دراسي، أو زيادة في الراتب، أو فقدان أحد الوالدين – تبدو شخصية للغاية بحيث لا يمكنها تشغيل مجموعة بيانات يمكن التنبؤ بها. ولكن في عصر البيانات الضخمة، والذكاء الاصطناعي لاستخراجها، سنحتاج إلى قبول حقيقة مفادها أن تلك التجارب النوعية العميقة يمكن التقاطها كميا بطرق ترسم، ضمن أشرطة الخطأ، المصير الفردي.

لا يجد سوني ليمان، من الجامعة التقنية في الدنمارك، الذي قاد البحث الذي نُشر الشهر الماضي في مجلة Nature Computational Science، أن الفكرة مزعجة. قال لي عبر البريد الإلكتروني: “أعتقد أن التشابه بين النص والحياة عميق ومتعدد الأوجه”. “من المنطقي بالنسبة لي أن خوارزميتنا يمكنها التنبؤ بالخطوة التالية في حياة الإنسان.”

كل من اللغة والحياة عبارة عن تسلسلات. واستغل الباحثون، الذين تم اختيارهم من جامعة كوبنهاجن وجامعة نورث إيسترن في بوسطن، هذا التشابه. أولاً، قاموا بتجميع “مفردات” لأحداث الحياة، وخلقوا نوعًا من اللغة التركيبية، واستخدموها لبناء “الجمل”. قد تكون الجملة النموذجية كما يلي: “خلال سنتها الثالثة في المدرسة الداخلية الثانوية، تابعت هيرميون خمسة فصول اختيارية.”

مثلما تقوم خوارزمية LLM باستخراج النص لمعرفة العلاقات بين الكلمات، فإن خوارزمية life2vec، التي تغذيها قصص الحياة المعاد تشكيلها لسكان الدنمارك البالغ عددهم 6 ملايين نسمة بين عامي 2008 و2015، قامت باستخراج هذه الملخصات لعلاقات مماثلة.

ثم جاءت لحظة الحساب: ما مدى نجاحها في تطبيق هذا التدريب المكثف لوضع التنبؤات من عام 2016 إلى عام 2020؟ ومن بين اختبارات الخوارزمية، درس الباحثون عينة مكونة من 100 ألف شخص تتراوح أعمارهم بين 35 و65 عامًا، ومن المعروف أن نصفهم قد نجوا ونصفهم مات خلال تلك الفترة. وعندما يُطلب من موقع life2vec تخمين الأشخاص الذين ماتوا، فقد نجح في الإجابة بشكل صحيح بنسبة 79% من الحالات (يعطي التخمين العشوائي معدل إصابة بنسبة 50%). وقال ليمان إنه تفوق في الأداء على أفضل النماذج التنبؤية التالية بنسبة 11 في المائة.

وبينما تدعي الورقة أن “التنبؤات الفردية الدقيقة ممكنة بالفعل”، فإن الخوارزمية توفر احتمالية الوفاة خلال فترة معينة بدلاً من تاريخ محدد. هناك تحذيرات: ما ينطبق في الدنمارك قد لا ينطبق في مكان آخر، وتقوم الخوارزمية بتشفير التحيزات في بيانات التدريب. ومع ذلك، ونظراً لقدرتها على تحسين التنبؤ بالمخاطر، فإن تأثيرها على صناعة التأمين سيكون جديراً بالمراقبة. ومن جانبهم، لا يريد الباحثون أن يتم استخدام أعمالهم من قبل شركات التأمين، ويحتفظون بالخوارزمية والبيانات طي الكتمان في الوقت الحالي.

لكن الأمر الأكثر إثارة من النتائج، كما يؤكد الباحثون، هو أن life2vec عامة وليست محددة بمهمة معينة. وفي النماذج التنبؤية الحالية، يجب على الباحثين أن يحددوا مسبقًا المتغيرات المهمة، مثل العمر، والجنس، والدخل. في المقابل، يبتلع هذا النهج كل البيانات ويمكنه التركيز بشكل مستقل على العوامل ذات الصلة (فقد رصد أن الدخل يؤثر بشكل إيجابي على البقاء، على سبيل المثال، وأن تشخيص الصحة العقلية يعتبر سلبيا). قد يوجه هذا الباحثين إلى تأثيرات لم يتم استكشافها من قبل على الصحة، وقد يكشف عن روابط جديدة بين أنماط سلوكية غير ذات صلة على ما يبدو.

إحدى اهتمامات ليمان المتزايدة هي الخصوصية؛ ويشير إلى أن شركات مثل جوجل تقوم بتجميع آلات تنبؤ قوية، باستخدام وفرة من البيانات الشخصية المستمدة من الإنترنت.

هذا عصر القدرة على التنبؤ التي لا مثيل لها في حياة البشر – وعصر القوة التي لا مثيل لها لأولئك الذين يستطيعون قراءة قصصنا قبل أن نعيشها.