L’intelligenza artificiale sviluppata per modellare il linguaggio scritto può essere utilizzata per prevedere eventi nella vita delle persone. E’ la tesi di un progetto di ricerca condotto dalla DTU, dall’Università di Copenaghen, dall’ITU e dalla Northeastern University negli Stati Uniti. Se si utilizzano grandi quantità di dati sulla vita delle persone per addestrare i cosiddetti “trasformer”, cioè i modelli di linguaggio di grandi dimensioni alla base per esempio di ChatGPT si possono organizzare sistematicamente i dati e prevedere cosa accadrà nella vita di una persona e persino stimare l’ora della morte.
Lo studio dal titolo “Using Sequences of Life-events to Predict Human Lives” ha fatto discutere e sembra uscito da un romanzo di fantascienza. Dietro però c’è un team interdisciplinare di ricercatori guidato da Germans Savcisens data scientist che si sta specializzando nella rappresentazione del comportamento umano attraverso i dati.
Al centro dello studio c’è un modello di apprendimento automatico che analizza meticolosamente una miriade di eventi della vita. Questi vanno dai traguardi professionali alle sfide personali, creando una mappa completa dell’esperienza umana. . Più nello specifico viene utilizzato un modello basato sull’architettura transformer e un processo di addestramento in due fasi. Il modello, chiamato life2vec è stato allenato su un dataset sulla popolazione danese che cattura eventi piccoli e grandi per un decennio. La sua funzione è quella di ostruire rappresentazioni contestuali complesse di una gamma di aspetti che caratterizzano le vite umane: salute, occupazione, geografia e ricchezza.
Quando gli studiosi hanno analizzato queste rappresentazioni per fare previsioni, il life2vec basato su transformer si è dimostrato secondo loro di adattarsi a diversi contesti, dalla previsione della morte alle sfumature della personalità, fornendo previsioni altamente accurate che superano i modelli di riferimento all’avanguardia formati sullo stesso dataset..
Come funziona e quali sono le conclusioni?
La vera sfida dei ricercatori è stata quella di capire come ha “ragionato” il modello per fare queste previsioni.
“La previsione della mortalità – si legge nello studio – richiede al modello di stimare come singoli eventi influenzino i risultati futuri, mentre la previsione delle caratteristiche della personalità estrae informazioni da modelli su larga scala nelle traiettorie. Inoltre, life2vec gestisce le complicazioni distinte di ciascun compito, come le etichette mancanti, le dimensioni dei campioni sbilanciate e le impostazioni di etichettatura multi-livello ordinale.”
Come si vede nell’immagine in alto viene preso in considerazione lo spazio di embedding della persona, il modello produce rappresentazioni che condensano segnali dall’intera sequenza della vita in un singolo vettore. Queste rappresentazioni sono sempre condizionate da compiti specifici di previsione. La loro scoperta consiste nel fatto che in molti casi “il modello si basa su informazioni pertinenti (salute, età e reddito per la previsione della mortalità). A volte invece identifica modelli meno ovvi, come il ruolo e tipo di lavoro. Da qui le speculazioni sul come interpreta la casualità il modello.
In sintesi, life2vec aprirebbe una gamma di possibilità all’interno delle scienze sociali e della salute. La tesi quindi è che il la mappa generata dal modello, abbinata a strumenti di causalità, mostrerebbe come diversi dati siano correlati e interconnessi, facilitando l’esplorazione dell’impatto della vita sulla salute e viceversa.
Come hanno sottolineato alcuni ricercatori online più che un semplice articolo scientifico si tratta di una testimonianza del potenziale dell’IA nella comprensione e previsione della vita umana. Diciamo che è il primo passo verso una sociologia dell’intelligenza artificiale
