Investigadores de DTU Compute de la Universidad Técnica de Dinamarca y del Instituto de Ciencias de Redes de la Universidad del Noreste, recopilaron un conjunto de datos que incluye información detallada sobre la vida de seis millones de personas durante más de una década. Este conjunto de datos incluye eventos relacionados con la salud, la educación, el trabajo, los ingresos y otros aspectos de la vida diaria, todos registrados con una precisión de día a día.

Es así como desarrollaron un modelo llamado life2vec, que se basa en la arquitectura de transformadores, similar a la utilizada en los modelos de lenguaje como GPT-4. Este modelo trata las secuencias de eventos de vida de una persona de manera similar a cómo un modelo de lenguaje trata las secuencias de palabras en una oración.

Te puede interesar: ¡Como en Terminator 2! Robot blando puede repararse amputación y fusionarse con otros

Para hacer esto posible, los investigadores crearon un “lenguaje” de eventos de vida. Cada evento en la vida de una persona, como recibir un salario, mudarse a una nueva ciudad o tener una consulta médica, se traduce en una especie de “palabra” en este lenguaje. Estas “palabras” se agrupan en “oraciones” que representan la secuencia de eventos en la vida de una persona.

Por ejemplo, una entrada podría ser algo como “En septiembre de 2012, Francisco recibió veinte mil coronas danesas como guardia en un castillo en Elsinor”. Esta representación permite que el algoritmo procese y entienda los eventos de vida de manera estructurada.

El modelo life2vec se entrena utilizando estos datos detallados para aprender las relaciones entre diferentes eventos de vida. Durante el entrenamiento, el algoritmo descubre patrones complejos y asociaciones entre los eventos. Por ejemplo, puede aprender que un cambio en los ingresos puede estar relacionado con una mudanza o que ciertos diagnósticos médicos tienden a preceder ciertos eventos laborales.

Así predice la muerte

Luego de este proceso el modelo de inteligencia artificial tiene la capacidad para predecir la muerte. Utilizando los patrones que ha aprendido, el modelo puede hacer predicciones sobre cuándo es probable que una persona muera. Esta predicción se basa en la combinación de múltiples factores, como la salud, el historial laboral y otros eventos de vida.

Te puede interesar: Así es el mapa cerebral más completo hasta ahora desarrollado por Google ¿Para qué sirve?

Sin embargo la inteligencia artificial no se queda ahí, pues no solo predice la muerte, sino que también puede identificar los factores clave que contribuyen a esta predicción. Esto se logra mediante el análisis del espacio de conceptos creado por el modelo, que organiza los eventos de vida en un espacio estructurado y permite identificar las relaciones más relevantes.

De acuerdo con la investigación life2vec el “rendimiento del algoritmo se mide utilizando una métrica llamada C-MCC (Coeficiente de Correlación de Matthews corregido), que ajusta los valores para tener en cuenta muestras no etiquetadas. En estudios, life2vec obtuvo un puntaje promedio de C-MCC de 0.41, superando a otros modelos base como redes neuronales recurrentes (RNN) y regresión logística en un 11%”.

¿Qué tan ético es?

Según el estudio, en tanto a este apartado, dice que las aplicaciones de este tipo de predicción son numerosas. Podría usarse para personalizar intervenciones de salud, mejorar la planificación de recursos médicos y ayudar a las personas a tomar decisiones informadas sobre su salud y bienestar.

Sin embargo, también plantea importantes cuestiones éticas. La capacidad de predecir la muerte de una persona conlleva una gran responsabilidad y debe manejarse con extrema sensibilidad y respeto por la privacidad.

Imagen: grandeduc