Teknologi

Model AI (Kecerdasan Buatan) Baru Dapat Memprediksi Umur Manusia, Apa Mungkin?

Kecerdasan buatan (artificial intelligence/AI) makin memasuki detail-detail kehidupan manusia.
Kecerdasan buatan (artificial intelligence/AI) makin memasuki detail-detail kehidupan manusia.

JOURON -- Kecerdasan buatan (artificial intelligence/AI) makin masuk ke dalam sisi detail kehidupan manusia. Kini, sedang dikembangkan model kecerdasan buatan (AI) yang bisa memprediksi masa hidup (umur) manusia di dunia.

Para peneliti telah mengembangkan alat kecerdasan buatan menggunakan rangkaian peristiwa kehidupan –-seperti riwayat kesehatan, pendidikan, pekerjaan, dan pendapatan-- untuk memprediksi segala sesuatu mulai dari kepribadian seseorang hingga jangka hidup mereka.

Dibuat menggunakan model transformator, yang mendukung model bahasa besar (LLM) seperti ChatGPT, alat AI yang disebut life2vec ini dilatih pada kumpulan data yang diambil dari seluruh populasi Denmark.

Scroll untuk membaca

Scroll untuk membaca

"Life2vec mampu memprediksi masa depan, termasuk umur individu, dengan akurasi yang melebihi model canggih," kata para peneliti seperti dikutip Gadget360.com.

Namun, terlepas dari kekuatan prediksinya, tim peneliti mengatakan bahwa hal ini paling baik digunakan sebagai landasan untuk pekerjaan di masa depan, bukan sebagai tujuan akhir.

“Meskipun kami menggunakan prediksi untuk mengevaluasi seberapa bagus model ini, alat ini tidak boleh digunakan untuk memprediksi orang sungguhan,” kata Tina Eliassi-Rad, profesor di Northeastern University, AS. “Ini adalah model prediksi berdasarkan kumpulan data spesifik dari populasi tertentu.”

Dengan melibatkan ilmuwan sosial dalam proses pembuatan alat ini, tim berharap alat AI ini dapat menghadirkan pendekatan yang berpusat pada manusia dalam pengembangan AI yang tidak melupakan manusia di tengah banyaknya kumpulan data yang telah dilatih oleh alat tersebut.

“Model ini menawarkan refleksi yang jauh lebih komprehensif tentang dunia yang dijalani manusia dibandingkan banyak model lainnya,” kata Sune Lehmann, penulis studi yang diterbitkan dalam jurnal Nature Computational Science.

Inti dari life2vec adalah kumpulan data besar yang digunakan para peneliti untuk melatih model mereka. Para peneliti menggunakan data tersebut untuk membuat pola panjang peristiwa kehidupan yang berulang untuk dimasukkan ke dalam model mereka, menggunakan pendekatan model transformator yang digunakan untuk melatih LLM tentang bahasa dan mengadaptasinya untuk kehidupan manusia yang direpresentasikan sebagai rangkaian peristiwa.

“Seluruh kisah kehidupan manusia bisa juga dianggap sebagai kalimat panjang dari banyak hal yang bisa terjadi pada seseorang,” kata Lehmann, seorang profesor di Universitas Teknik Denmark.

Model ini menggunakan informasi yang dipelajari dari pengamatan jutaan rangkaian peristiwa kehidupan untuk membangun apa yang disebut representasi vektor dalam ruang yang disematkan, yang kemudian mulai mengkategorikan dan menarik hubungan antara peristiwa kehidupan seperti faktor pendapatan, pendidikan, atau kesehatan.

Ruang penyematan ini berfungsi sebagai landasan untuk prediksi yang akhirnya dibuat oleh model tersebut, kata para peneliti. Salah satu peristiwa kehidupan yang diprediksi para peneliti adalah kemungkinan kematian seseorang.

“Saat kami memvisualisasikan ruang yang digunakan model untuk membuat prediksi, itu tampak seperti silinder panjang yang membawa Anda dari kemungkinan kematian rendah ke kemungkinan kematian tinggi,” kata Lehmann.

“Kemudian kita dapat menunjukkan bahwa pada akhirnya ketika terdapat kemungkinan kematian yang tinggi, banyak dari orang-orang tersebut yang benar-benar meninggal, dan pada akhirnya ketika terdapat kemungkinan kematian yang rendah, penyebab kematian adalah sesuatu yang tidak dapat kita prediksi, seperti kecelakaan mobil,” peneliti menambahkan.

BACA JUGA: Apa Itu ChatGPT, yang Ditakuti Negara-Negara?

BACA JUGA: Ini 10 AI (Kecerdasan Buatan) Terpopuler 2023

Ikuti Ulasan-Ulasan Menarik Lainnya dari Penulis Klik di Sini
Image

Nulis, Makan, Minum, Sport