الباحثون الدنماركيون يكشفون عن Life2Vec – آلة حاسبة للوفاة بالذكاء الاصطناعي تتنبأ بعمر الإنسان بدقة 78٪
- أنشأ باحثون دنماركيون نموذج الذكاء الاصطناعي Life2Vec، القادر على التنبؤ بلحظة وفاة الشخص بدقة تصل إلى 78%.
- يحلل Life2Vec تسلسلات الأحداث الرئيسية في الحياة، مثل السجل الطبي والتعليم والمهنة والدخل والحالة الاجتماعية، لإجراء التنبؤات.
- يعتقد الباحثون أن التطبيقات المحتملة لـ Life2Vec في مجال الطب قد تحدث ثورة في الرعاية الصحية، مما يتيح التدخل المبكر واكتشاف الأمراض.
أطلق باحثو جامعة Danmarks Tekniske Universitet (DTU) في الدنمارك Life2Vec، وهو نموذج ذكاء اصطناعي مشابه لنموذج المحول الخاص بـ OpenAI. بعيداً عن معالجة البيانات القائمة على اللغة التقليدية، تغوص Life2Vec في تسلسلات أحداث الحياة الرئيسية للتنبؤ بشخصية الفرد، والأكثر إثارة، بعمره المتوقع. يدعي النموذج، المسمى
التنبؤ بعمر الحياة – قفزة ثورية في التحليلات التنبؤية
يمثل Life2Vec، الذي تم تطويره في DTU، قفزة كبيرة في التحليلات التنبؤية، مع وعود بتطبيقات تحويلية داخل صناعة الرعاية الصحية. يعمل الأداة عن طريق معالجة مجموعات بيانات متنوعة تشمل كامل سكان الدنمارك، بما في ذلك التاريخ الطبي والتعليم وتفاصيل الوظيفة والدخل والحالة الاجتماعية.
وفقاً لأستاذ DTU سونه ليهمان يورغنسن، تهدف Life2Vec إلى تعزيز فهمنا للأحداث الرئيسية في حياة الإنسان، مع تطبيقات واعدة في الطب. يفتح قدرة النموذج على اكتشاف أمراض معينة الباب أمام تدخلات مبكرة ومنقذة للحياة محتملة.
تستخدم Life2Vec منهجيات مماثلة لـ نماذج اللغة (LLMs) مثل ChatGPT وGemini التابعة لـ Google LLC. بدلاً من الغوص في البيانات النصية، تغوص Life2Vec في تفاصيل أحداث الحياة. في مراحلها الجنينية، كان التركيز يتركز بشكل أساسي على التنبؤات بالوفيات، مستفيداً من تدفق البيانات الوفير الصادر عن كيانات التأمين.
باستخدام منهجية صارمة، قام الباحثون بإطعام الخوارزمية بعناية بمجموعة بيانات واسعة النطاق، تضم تفاصيل الحياة المتعلقة بآلاف الأفراد الذين حصلوا على سياسات تأمين صحي تمتد عبر الفترة الزمنية من 2008 إلى 2016. أظهرت الخوارزمية، بدورها، معدل دقة مذهل بنسبة 78٪ في تنبؤاتها المتعلقة بنتائج البقاء على قيد الحياة لهؤلاء الأفراد اعتباراً من عام 2020، مما يؤكد متانة قدراتها التنبؤية.
ما وراء التنبؤات بالوفيات – إتقان نماذج اللغات الكبيرة (LLM) لتمثيلات المتجهات ومساحات التضمين
يحوّل النموذج أحداث الحياة إلى تمثيلات متجهات ضمن مساحات التضمين. تتيح هذه القيم الرقمية، التي تُنسب إلى كل حدث، لنموذج Life2Vec تصنيف الأحداث وإقامة روابط بينها.
يشكل هذا الأساس للتنبؤات الدقيقة، مع مراعاة تسلسل ودقة كل حدث من أحداث الحياة. خذ على سبيل المثال الحالات التي يتم فيها ترميز تفاصيل محددة، مثل رواتب فرانسيسكو الشهرية البالغة 20,000 كرونة في عام 2012 أثناء عمله كحارس في قلعة كرونبرغ في هيليسور، أو المسار الأكاديمي لهيرميون في المدرسة الثانوية الذي يتضمن خمسة مواضيع مختلفة لاختبارات A-level، كتمثيلات تضمين (embeddings)، مما يسهل التنبؤات الدقيقة.
بينما كان التركيز الأولي على التنبؤات بالوفيات، يؤكد الباحثون أن قدرات Life2Vec تتجاوز هذا المجال. إن إمكانية النموذج للتنبؤ بمختلف جوانب المجتمع البشري تمثل مجرد بداية لمجهود أوسع لاستخدام الذكاء الاصطناعي للتنبؤات الاجتماعية. ومع استمرار تطور الذكاء الاصطناعي، من المتوقع أن تتوسع تطبيقات Life2Vec، مما يحدث ثورة في فهمنا وتنبؤاتنا بالسلوك البشري.
ختاماً، يُعد الكشف عن Life2Vec خطوة رائدة في التحليلات التنبؤية، وتحديداً في التنبؤ بعمر الإنسان بدقة ملحوظة تبلغ 78%. إن الآثار المترتبة على الرعاية الصحية والتنبؤات الاجتماعية هائلة، مما يفتح آفاقاً جديدة للكشف المبكر عن الأمراض والتدخل العلاجي. ونحن نقف على أعتاب هذا التقدم التكنولوجي، يطرح السؤال نفسه: كيف سيُعيد Life2Vec تشكيل نهجنا لفهم وتنبؤ تعقيدات الحياة البشرية والمجتمع؟
لا تكتفِ بقراءة أخبار العملات الرقمية فحسب، بل افهمها. اشترك في نشرتنا الإخبارية. مجانية.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.
عامر شيخ
عامر صحفي تقني يتمتع بخبرة تزيد عن ست سنوات في مجالي العملات المشفرة والتقنية. تخرج من جامعة ماج بشهادة ماجستير في إدارة الأعمال بتخصص التمويل والتسويق. يعمل حاليًا مع موقع كربتوبوليتان، حيث يتناول أحدث التطورات في أسواق العملات المشفرة وتوقعات الأسعار.
