덴마크 연구원들이 Life2Vec 공개 – 수명 예측 정확도 78%의 AI 사망 계산기 LLM

덴마크 기술 대학교(DTU)의 덴마크 연구원들은 오픈AI의 트랜스포머 모델과 유사한 인공지능 모델인 Life2Vec을 소개했습니다. 전통적인 언어 기반 데이터 처리를 벗어나, Life2Vec은 개인의 성격과 더 놀랍게도 예상 수명을 예측하기 위해 주요 삶의 사건 시퀀스를 분석합니다. 'AI 사망 계산기'로 불리는 이 모델은 개인의 삶의 궤적을 기반으로 사망 시점을 예측하는 데 있어 인상적인 78%의 정확도를 주장합니다.

Life2Vec의 수명 예측 – 예측 분석의 혁명적 도약

DTU에서 개발된 Life2Vec은 의료 산업 내에서 변혁적인 응용 프로그램을 약속하는 예측 분석의 중요한 도약을 나타냅니다. 이 도구는 덴마크 전체 인구를 포괄하는 의료 기록, 교육, 직업 세부 사항, 소득, 결혼 상태 등 다양한 데이터 세트를 처리하여 작동합니다. 

DTU의 수네 레흐만 요르겐센(Sune Lehmann Jørgensen) 교수에 따르면, Life2Vec은 인간의 삶에서 주요 사건에 대한 이해를 향상시키고 의학 분야에서 유망한 응용 프로그램을 목표로 합니다. 특정 질병을 감지할 수 있는 모델의 능력은 더 빠르고 잠재적으로 생명을 구하는 개입의 문을 엽니다.

Life2Vec은 챗GPT와 구글 LLC의 제미니(Gemini)와 같은 언어 모델(LLM)과 유사한 방법론을 활용합니다. 텍스트 데이터에 깊이 파고드는 대신, Life2Vec은 삶의 사건들의 미묘한 세부 사항에 집중합니다. 초기 단계에서는 주로 보험 기관에서 방출되는 방대한 데이터 스트림을 활용하여 사망 예측에 중점을 두었습니다.

엄격한 방법론을 사용하여 연구자들은 2008년부터 2016년까지의 시간적 범위를 아우르는 건강 보험 정책을 구매한 수천 명의 개인에 대한 삶의 관련 세부 사항을 포괄하는 광범위한 데이터셋으로 알고리즘을 신중하게 훈련시켰습니다. 알고리즘은 2020년 기준 이러한 개인의 생존 결과 예측에 있어 놀라운 78%의 정확도를 보여주며, 그 예측 능력의 견고함을 입증했습니다.

사망 예측을 넘어 – LLM의 벡터 표현 및 임베딩 공간에서의 숙달

이 모델은 삶의 사건들을 임베딩 공간 내의 벡터 표현으로 변환합니다. 각 사건에 할당된 이러한 디지털 값은 Life2Vec이 사건들을 분류하고 연결할 수 있게 합니다. 

이는 각 삶의 사건의 순서와 미묘한 세부 사항을 고려한 정확한 예측의 기초를 형성합니다. 예를 들어, 2012년 헬싱어에 있는 크론보르 성에서 경비원으로 일하면서 월급 20,000 크로네를 받았던 프란시스코의 구체적인 상황이나, 5개의 다른 A-level 과목을 이수했던 헤르미온의 고등학교 학업 과정이 임베딩으로 인코딩되어 정확한 예측을 가능하게 하는 경우를 고려해 보세요.

초기 초점은 사망 예측에 맞춰져 있었지만, 연구원들은 Life2Vec의 능력이 이 영역을 넘어선다고 강조합니다. 인간 사회의 다양한 측면을 예측할 수 있는 모델의 잠재력은 AI를 사회 예측에 활용하기 위한 더 광범위한 노력의 시작에 불과합니다. AI가 계속 진화함에 따라 Life2Vec의 응용 프로그램은 확장되어 인간 행동에 대한 우리의 이해와 예측을 혁신할 것입니다.

결론적으로, Life2Vec의 공개는 특히 놀라운 78%의 정확도로 인간의 수명을 예측하는 예측 분석 분야에서 선구적인 한 걸음을 의미합니다. 의료 및 사회 예측에 대한 함의는 방대하며, 조기 질병 감지 및 개입을 위한 새로운 길을 엽니다. 우리는 이러한 기술적 진보의 문턱에 서 있으며, Life2Vec이 인간 삶과 사회의 복잡성을 이해하고 예측하는 우리의 접근 방식을 어떻게 재형성할 것인지라는 질문이 제기됩니다.