<A schematic individual-level data representation for the life2vec model>
문자 언어를 모델링하기 위해 개발된 인공 지능은 사람들의 삶에서 일어나는 사건을 예측하는 데 활용될 수 있다. 미국 DTU, 코펜하겐 대학교, ITU, 노스이스턴 대학교의 연구 프로젝트에 따르면 사람들의 삶에 대한 많은 양의 데이터를 사용하고 ChatGPT와 같이 언어 처리에 사용되는 소위 '트랜스포머 모델'을 훈련시키면 사람의 삶에서 일어날 일을 예측하고 사망 시간까지 추정할 수 있다고 보고되었다.
최근 네이처 컴퓨테이셔널 사이언스(Nature Computational Science)에 발표된 새로운 논문 "인간의 삶을 예측하기 위한 일련의 생활 사건 사용(Using Sequences of Life-events to Predict Human Lives)"에서 연구자들은 life2vec이라는 모델에서 600만 명의 덴마크인의 건강 데이터와 노동 시장에 대한 관계를 분석했다.
모델이 초기 단계, 즉 데이터의 패턴을 학습한 후 성격 및 사망 시간과 같은 결과를 높은 정확도로 예측하는 것으로 나타났다. "우리는 이 모델을 사용하여 근본적인 질문-과거의 조건과 사건을 기반으로 미래의 사건을 어느 정도까지 예측할 수 있습니까?-을 해결했다. 과학적으로 우리에게 흥미로운 것은 예측 자체가 아니라 모델이 정확한 답을 제공할 수 있도록 하는 데이터의 측면입니다"라고 DTU의 교수이자 논문의 제1저자인 Sune Lehmann은 말한다.
사망 시간 예측
Life2vec의 예측은 '4년 이내 사망'과 같은 일반적인 질문에 대한 답변이다. 연구자들이 모델의 응답을 분석했을 때, 그 결과는 사회 과학 내의 기존 발견과 일치했다. 예를 들어, 모든 조건이 평등하다면, 리더십 위치에 있거나 고소득을 가진 개인은 생존할 가능성이 더 높은 반면, 남성이거나 숙련되거나 정신 진단을 받은 사람은 사망 위험이 더 높다.
Life2vec은 서로 다른 데이터를 구성하는 수학적 구조인 대규모 벡터 시스템에서 데이터를 인코딩한다. 이 모델은 출생 시간, 학교 교육, 교육, 급여, 주택 및 건강 상태에 대한 데이터를 어디에 배치할지 결정한다.
"흥미로운 것은 인간의 삶을 언어의 문장이 일련의 단어로 구성되는 것과 유사한 사건의 긴 연속으로 간주하는 것이다. 이것은 일반적으로 AI의 트랜스포머 모델이 사용되는 작업 유형이지만, 우리의 실험에서는 우리가 생명 시퀀스라고 부르는 것, 즉 인간의 삶에서 일어난 사건을 분석하는 데 사용합니다"라고 Sune Lehmann은 말한다.
윤리적 문제 제기
이 기사의 연구원들은 민감한 데이터 보호, 개인 정보 보호 및 데이터 편향의 역할과 같은 윤리적 문제가 life2vec 모델을 둘러싸고 있다고 지적한다. 예를 들어, 질병 또는 기타 예방 가능한 생활 사건에 걸릴 개인의 위험을 평가하기 위해 모델을 사용하기 전에 이러한 문제를 더 깊이 이해해야 한다.
"이 모델은 정치적으로 논의하고 다룰 수 있는 중요한 긍정적 및 부정적 관점을 열어줍니다. 예를 들어, 소셜 네트워크에서 우리의 행동을 추적하고, 우리를 매우 정확하게 프로파일링하고, 이러한 프로필을 사용하여 우리의 행동을 예측하고 우리에게 영향을 미치는 것과 같은 삶의 사건과 인간 행동을 예측하고 있다"라고 Sune Lehmann은 말합니다.
연구자들에 따르면, 다음 단계는 텍스트와 이미지 또는 우리의 사회적 관계에 대한 정보와 같은 다른 유형의 정보를 통합하는 것이다. 이러한 데이터 사용은 사회과학과 건강과학 간의 완전히 새로운 상호 작용을 열어준다.
* 추가 정보: Sune Lehmann, Nature Computational Science (2023)
* 원문 출처 : https://techxplore.com/news/2023-12-artificial-intelligence-events-people.html
저작권자 ⓒ 창조아고라, 무단 전재 및 재배포 금지