Ist es möglich, dass künstliche Intelligenz die wichtigsten Fakten unseres Lebens vorhersagen kann? Studium, Heirat, Kinder und sogar unser Tod, als wären sie Teil einer linearen Abfolge? Offensichtlich nicht, könnte man antworten, doch ein Forschungsprojekt der Universität Kopenhagen und der Northeastern University in den Vereinigten Staaten würde genau das Gegenteil beweisen. Das heißt, wenn man große Mengen an Daten über das Leben von Menschen nutzt und sogenannte „Transformationsmodelle“ trainiert, die – wie das berühmte ChatGPT – zur Verarbeitung von Sprache verwendet werden, können diese die Daten systematisch organisieren und so vorhersagen, was in einem passieren wird das Leben eines Menschen. Und noch beunruhigender ist es, den Zeitpunkt unseres Todes abzuschätzen.
Das wissenschaftliche Projekt mit dem treffenden Titel „Using Sequences of Life-events to Predict Human Lives“, veröffentlicht in Nature Computational Science, basiert auf Arbeitsmarktdaten und Daten des Nationalen Patientenregisters und des dänischen Statistikamtes. Die Datenbank umfasst alle 6 Millionen Dänen über einen Zeitraum von 2008 bis 2020 und enthält Informationen zu Einkommen, Gehalt, Art des Jobs, Branche und Sozialleistungen, während der Gesundheitsdatensatz Aufzeichnungen über Besuche bei Gesundheitsdienstleistern oder Krankenhäusern, Diagnosen und Art der Arbeit enthält Patient und Grad der Dringlichkeit. Dänische und amerikanische Forscher analysierten all diese Daten, um ein Modell der künstlichen Intelligenz namens life2vec zu trainieren.
„Wir haben das Modell verwendet, um die grundlegende Frage zu beantworten: Inwieweit können wir Ereignisse in Ihrer Zukunft auf der Grundlage von Bedingungen und Ereignissen in Ihrer Vergangenheit vorhersagen? Wissenschaftlich gesehen ist für uns nicht so sehr die Vorhersage selbst interessant, sondern die Aspekte der.“ Daten, die es dem Modell ermöglichen, solch präzise Antworten zu liefern“, sagt Sune Lehmann, Professor an der dänischen Universität und Erstautor der Arbeit.
Eine der Fragen des Life2vec-Modells lautet: „Tod innerhalb von vier Jahren“? Und das Modell lieferte Antworten, die mit dem übereinstimmen, was auf statistischer Ebene bereits im Bereich der Sozialwissenschaften bekannt ist. Besser zu verstehen. Nehmen wir als Beispiel Personen in Führungspositionen oder mit einem hohen Einkommen, so haben diese statistisch gesehen eine höhere Überlebenschance, während Männer, Qualifikationen oder Personen mit diagnostizierten psychischen Gesundheitsproblemen mit einem höheren Sterberisiko verbunden sind.
Life2vec kodiert Daten in ein großes Vektorsystem, in dem das Modell entscheidet, wo Daten zu Geburtszeit, Bildung, Gehalt, Wohnort und Gesundheit platziert werden. „Das Spannende ist, das menschliche Leben als eine lange Abfolge von Ereignissen zu betrachten, ähnlich wie ein Satz in einer Sprache aus einer Reihe von Wörtern besteht. Dies ist normalerweise die Art von Aufgabe, für die Lebenstransformationsmodelle verwendet werden. Künstliche Intelligenz, aber.“ „In unseren Experimenten analysieren wir damit sogenannte Lebenssequenzen, also Ereignisse, die im menschlichen Leben passiert sind“, sagt Sune Lehmann.
Den Forschern zufolge besteht der nächste Schritt darin, andere Arten von Informationen einzubeziehen, etwa Texte und Bilder oder Informationen über unsere sozialen Verbindungen. Allerdings muss dieses neue Wissen noch tiefer verstanden werden, bevor das Modell beispielsweise dazu verwendet werden kann Beurteilung des Risikos einer Person, an einer Krankheit oder einem anderen Lebensereignis zu erkranken.
