Un nouveau modèle d’IA devrait être capable de prédire qui mourra dans les quatre prochaines années

Les modèles d’IA sont capables de reconnaître des relations complexes dans des données complexes, ce qui est utile, entre autres, dans les prévisions météorologiques, la science des matériaux ou le développement de nouveaux médicaments. Alimentés avec suffisamment de données, ils peuvent également faire des déclarations sur les événements futurs de la vie des gens, notamment prédire s’ils mourront dans les quatre prochaines années. C’est ce que montrent des chercheurs de l’Université technique du Danemark et de la Northeastern University de Boston. dans une nouvelle étude.

Publicité

Les chercheurs ont eu accès aux données d’environ six millions de citoyens danois entre 2008 et 2020. Cela comprenait des informations sur le lieu de résidence, l’éducation, la profession, les revenus et les prestations sociales, ainsi que des informations médicales sur les visites chez le médecin, les diagnostics et le degré de maladie. maladie. Les données sensibles proviennent de l’organisme gouvernemental Danmarks Statistics, qui les met à la disposition de la science sous des conditions strictes.

“Le modèle vise à répondre à une question fondamentale : dans quelle mesure pouvons-nous prédire des événements futurs sur la base de conditions et d’événements passés ? D’un point de vue scientifique, ce qui nous passionne n’est pas tant la prédiction elle-même, mais les aspects de la situation. les données qui permettent au modèle de fournir des réponses aussi précises”, déclare Sune Lehmann, responsable de l’étude. dans un communiqué de presse.

Un prototype destiné à stimuler le débat

Afin de former leur modèle, appelé life2vec, les chercheurs ont d’abord classé les données de chaque citoyen dans une séquence chronologique. Les cycles de vie des personnes âgées de 25 à 70 ans entre 2008 et 2016 ont ensuite été intégrés dans un modèle Transformer, sur lequel sont également basés de grands modèles linguistiques tels que GPT.

De la même manière que les modèles linguistiques utilisent les données d’entraînement pour reconnaître indépendamment les liens entre les lettres et les mots et ainsi apprendre à « parler », life2vec est capable d’utiliser les processus de la vie pour trouver des liens entre les événements (par exemple, qu’il s’agisse d’un changement d’emploi ou d’un déménagement). de la campagne à la ville), une crise cardiaque a suivi ou si le diagnostic de la maladie A conduit plus tard également à la maladie B) et sur cette base, des prévisions peuvent être faites pour les quatre prochaines années.

Étant donné que le modèle n’a été formé qu’avec des données allant jusqu’à 2016, mais que les chercheurs disposaient de données allant jusqu’à 2020, ils ont pu comparer les prévisions avec les évolutions réelles et déterminer leur fiabilité. Cela impliquait également de prédire si une personne mourrait pendant cette période. Comme l’écrivent les responsables, life2vec a dépassé de 11 % les modèles de mortalité précédents sur cette question. Et lorsqu’il s’agissait de prédire les résultats d’un test de personnalité, les résultats ont surpassé les modèles formés spécifiquement pour cette tâche.

Les chercheurs soulignent que les données ne sont pas exemptes de biais : certains groupes de population peuvent consulter moins souvent le médecin et peuvent donc être sous-représentés dans les données de santé. De manière générale, life2vec est « un prototype de recherche qui, dans son état actuel, n’est pas destiné à des tâches spécifiques dans le monde réel », précise l’étude. Le modèle ne peut et ne doit pas être utilisé pour analyser l’avenir de personnes individuelles.

«Le modèle ouvre d’importantes perspectives positives et négatives qui peuvent être discutées et abordées politiquement», explique Sune Lehmann. Des technologies similaires permettant de prédire les événements de la vie et le comportement humain sont déjà utilisées aujourd’hui dans les entreprises technologiques, par exemple pour suivre notre comportement sur les réseaux sociaux et créer des profils d’utilisateurs. Lehmann espère que son travail pourra contribuer à une compréhension plus ouverte et plus publique du fonctionnement de cette technologie, de ce dont elle est capable et de la manière dont elle devrait – et ne devrait pas – être utilisée.

(jl)