Un modelo de inteligencia artificial (IA) capaz de predecir la muerte de una persona fue desarrollado tras una investigación de la Universidad Técnica de Dinamarca y publicado en la revista Nature Computational Science el 18 de diciembre.
El modelo fue desarrollado con información comprendida entre los años 2008 y 2016, pese a disponer datos de hasta 2020. Este intervalo temporal fue elegido a propósito para desafiar al sistema de IA a prever diferentes circunstancias de futuras en un lapso de cuatro años.
- Internacional
Para ello se usaron datos en parejas de 45 a 65 años, un grupo demográfico cuya tasa de mortalidad es estadísticamente más compleja de pronosticar. Una de las preguntas que formularon al modelo fue quiénes morirían antes del año 2020. Sin tener los datos comprendidos al período 2016-2020, el modelo fue capaz de acertar el 78 % de los casos.
Cabe señalar que los investigadores dijeron que existe una incapacidad del sistema para prever fallecimientos debidos a causas accidentales.
¿Qué ‘life2vec’?
Life2vec está basado en técnicas avanzadas de aprendizaje profundo y modelado de datos. Usa una arquitectura de red neuronal compleja, particularmente modelos transformer, que son eficaces en el procesamiento de secuencias de datos y reconocimiento de patrones en grandes conjuntos de información.
Con esta arquitectura, el modelo puede analizar y aprender de secuencias de eventos en la vida de las personas, convirtiendo estos eventos en representaciones numéricas.
Antes de ser usados por life2vec, los datos pasan por un proceso de procesamiento riguroso, como la normalización y categorización de variables como educación, salud, ingresos y ocupación, convirtiéndolas en un formato ideal para el análisis de la IA, y la estructura de los datos se organiza para facilitar la identificación de patrones y correlaciones importantes.
Para el entrenamiento de life2vec, inicialmente se entrena con un conjunto e datos masivo para aprende las relaciones generales entre las variables y eventos de vida. Después se hace un proceso de afinamiento donde el modelo se especializa para predecir resultados específicos, como la mortalidad temprana. Esta fase es fundamental para mejorar la precisión y fiabilidad de las predicciones del modelo.
La evaluación de la capacidad predictiva del modelo life2vec se focaliza en su precisión para predecir la mortalidad temprana. El modelo muestra un acierto del 87 por ciento, lo que representa una mejora considerable del 11 por ciento en comparación con los modelos estándar.
¿Cómo son analizadas las personas?
El análisis de las representaciones individuales en life2vec se centraliza en cómo el modelo interpreta y usa los datos personales para predecir. Cada individuo se representa a través de ciertas características que reflejan su historia de vida.
Se utilizan Vectores de Activación de Concepto para interpretar el modelo, los cuales ayudan a entender qué conceptos son más influyentes en las predicciones del modelo, brindando un visión más clara de cómo ciertos aspectos de la vida de una persona tienen que ver con su riesgo de mortalidad temprana.
AA