High Tech

ВЕШТАЧКО ПРОРОЧИШТЕ

Наш верни читалац скренуо нам је пажњу на овај занимљиви покушај да се вештачка интелигенција искористи за предсказивање смрти!

У протеклој деценији било је револуционарних помака у машинском учењу и, последично, машине које су „научиле да уче” на тај начин постале су веома интелигентне, па без икакве муке решавају Тјурингове тестове свих врста. Једна од главних способности које су вештачки интелигентни рачунари стекли јесте да анализирају текст помоћу прилагодљивих рачунарских модела, а то су посебно омогућили трансформатори.
   Овај начин машинског учења заснован је на механизму подељење пажње. Унети текст се дели на делове – токене – те се сваки токен претвара у вектор (има почетак, крај, смер и јачину) на табели за уграђивање речи у реченице. Токенима се потом паралелним механизмом пажње одређује значење у оквиру сваког претходно одређеног контекста (самостално и заједно с другим токенима) да би се кључни токени појачали, а они споредни умањили. За разлику од других система обраде текста, трансформатори не захтевају праћење редоследа, због чега је обука бржа. Но, текст није једини који има грађу текста.
   Трансформатори су добар алат и за низање и груписање разних других података с мноштвом варијаната: беланчевина, музике, здравствених показатеља, временских прогноза. И то зато што грађа тих података личи на писани језик. Тако су истраживачи и љубитељи старогрчке историје предвођени Германсом Савцисенсом с Катедре за примењену математику и рачунарске науке на Данском техничком универзитету одлучили да глуме пророчицу Питију и испробају овај алат на једном неочекиваном скупу података – људском животу.

Грађа људског живота има сличности с језиком. С једне стране, животи су низови догађаја: људи се рађају, родитељи их воде код педијатра, школују се, запошљавају, селе се, венчавају се, праве децу, слабе, подлежу болестима, постају све кљакавији и умиру. Истраживачи су одлучили да искористе ту сличност с низовима у језику да би испитали развој и предвидљивост људског живота на основу везе с редоследом значајних и споредних животних догађаја – претворивши их у векторе. За обуку свог модела искористили су јавно доступне податке из регистра шест милиона данских држављана о здрављу, образовању, занимању, приходима, адреси и радном времену од јануара 2008. до децембра 2015. године.
 Испитивања модела су се показала успешним: предвиђао је различита „исходишта живота” у распону од преурањене смрти до црта личности, надмашујући најсавременије програме с великом разликом.
  Наравно, начин на који машине уче и из наученог извлаче закључке није потпуно расветљен. Зато су истраживачи прионули на постојеће поступке за тумачење дубоког учења како би разумели чиниоце који омогућавају програму да се понаша као права пророчица Сибила.

Не тражите више пророчиште у Делфима: то је стара и превазиђена технологија заснована на инцесту међу божанствима, седењу на троношцу на високој стени, удисању испарења из тла, жвакању ловоровог листа, падању у транс и омамљеном запевању неразумљивих песмица које онда мора да тумачи читав тим свештеника – па шта ураде, урадили су. Данас се пророчиште зове Life2Vec и много му је лакше приступити. Од куће!
  То је „рачунаљка смрти и очекиваног животног века”. Када уђете на страницу, захтеваће да убаците податке о старости, образовању и друштвено-економском положају, да ли сте пушач, колико вежбате и какве болести сте имали у породици. Ваши уноси се потом претварају у векторе и склапају у низ догађаја. Контекстуални подаци укључују променљиве величине повезане с уносом (струка, град, приход, врста посла...), а подаци о положају укључују човекову старост, тренутак уноса и део „контекста” на који се примењују.
  Тако створен сирови животни низ прослеђује се моделу с наслаганим проверама и филтерима. Први слој модела уклапа податке о положају и контексту да би произвео „контекстуалну презентацију” сваког животног догађаја. Следећи слојеви дубље обрађују векторе животних догађаја у различитим окружењима, подешавајући њихову важност према ономе што су научили на примерима током обуке.
    На крају се догађаји спајају у коначни животни низ и слагањем свих вектора израчунава се вектор његовог трајања – коначно предсказање о тренутку смрти.

Показало се да Life2Vec добро предвиђа и типове личности, и то на основу података који се прикупљају путем упитника. Црте личности су важна одлика која – осим што обликује наше мисли, осећања и понашање – утиче и на животне исходе. Истраживачи су се усредсредили на интровертност и екстравертност и обучавали модел на основу података прикупљених у истраживању „Дански панел за личност и друштвено понашање”. Он је веома успешно предвидео одговоре испитаника наспрам утврђеног типа личности, стварајући такозване „резимее појединаца”. Поређењем тих резимеа с предвиђеном дужином животног века добијена су још тачнија „пророчанства смрти”.
  Ипак, творци овог пророчишта не сматрају себе пророцима. Како кажу, њихов Life2Vec је пут до промене у начину на који доживљавамо дуговечност и тежимо јој. Користећи моћ вештачке интелигенције, Life2Vec уредно испитује чиниоце који утичу на очекивани животни век, што другим истраживачима утире пут да препознају механизме који одређују „животна исходишта”, а нама да продужимо сопствени век, без потребе да жваћемо листове психоактивних биљака.