Model AI yang 'meramalkan kesihatan, pendapatan dan kematian orang' dikeluarkan secara rasmi selepas latihan mengenai data daripada 6 juta orang

Berita pada 26 Disember, saintis telah mencipta model AI yang "meramal nasib" dengan mendapatkan cerapan tentang data kehidupan berjuta-juta orang, yang boleh meramalkan kesihatan, pendapatan dan kematian anda dengan ketepatan yang sangat tinggi.

Matthew Salganik, seorang ahli sosiologi di Princeton University, berkata bahawa jika kaedah ini dapat dibuktikan berkesan merentasi kelas sosial yang berbeza, ia akan memberikan ahli sains sosial cara baharu untuk Alat yang digunakan untuk menganalisis kesan ke atas nasib peribadi di bawah interaksi yang kompleks. keperibadian peribadi dan peristiwa

AI "meramal nasib" ini dipanggil life2vec, yang menyaring berbilang pangkalan data di Denmark, meliputi pekerjaan, kesihatan populasi 6 juta dan banyak data lain, digabungkan dengan elemen seperti pendapatan, faedah sosial, jawatan pekerjaan dan sejarah perubatan, dan kemudian ditukar kepada pengalaman hidup melalui bahasa sintetik.

Contoh: "Agnes memperoleh 30,000 DKK semasa bekerja sebagai bidan di sebuah hospital di Copenhagen pada Ogos 2010

Pasukan menggunakan data dari 20106 hingga 2010 untuk melatih data." Statistik Denmark. Dengan mengambil "akankah anda mati sebelum 2020" sebagai titik masuk, kami mendapati ketepatan keputusan ramalan mencapai 78%

Menerusi kejayaan pengesahan model life2vec, kami mendapati beberapa faktor yang meningkatkan risiko kematian pramatang, termasuk berpendapatan rendah, diagnosis kesihatan mental dan banyak lagi. Ketidaktepatan sekali-sekala biasanya disebabkan oleh kejadian yang tidak dapat diramalkan, seperti kemalangan atau serangan jantung

Sila cari alamat rujukan kertas di laman web ini:

Savcisens, G., Eliassi-Rad, T., Hansen.K,
• L. et al. Menggunakan urutan peristiwa kehidupan untuk meramalkan kehidupan manusia.

Atas ialah kandungan terperinci Model AI yang 'meramalkan kesihatan, pendapatan dan kematian orang' dikeluarkan secara rasmi selepas latihan mengenai data daripada 6 juta orang. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!