Danimarka Teknik Üniversitesi (DTU), Kopenhag Üniversitesi, Danimarka Bilgi Teknolojileri Üniversitesi ve Northeastern Üniversitesinde çalışan bilim insanlarının yürüttüğü bir araştırma projesi, insanların hayatlarıyla ilgili büyük ölçülerde bilgi kullanmanız ve ChatGPT üzere lisanı işlemede kullanılan ‘dönüştürücü modeller’i eğitmeniz durumunda, yapay zekanın bu dataları sistematik halde düzenleyebileceği ve bir insanın hayatında neler olacağını; hatta mevt tarihini bile varsayım edebileceğini gösteriyor.

MODEL EĞİTİLDİ SONRA BİLGİLERDEKİ ÖRÜNTÜLERİ KULLANDI

Populer Science Türkçe’nin aktardığı çalışma Nature Computational Science bilim bülteninde yayınlandı. ‘İnsanların Hayatlarını Varsayım Etmek için Omurdaki Olay Dizilerinin Kullanılması’ başlığını taşıyan yeni bir bilimsel makalede araştırmacılar, life2vec isimli bir modelde bütün Danimarkalıların sıhhat datalarını ve iş piyasasıyla olan kontaklarını tahlil etmiş. Modelin başlangıç etabında eğitildikten ve bilgideki örüntüleri öğrendikten sonra, öbür gelişmiş sinirsel ağlardan daha uygun performans sergilediği ve kişilik ile vefat tarihi üzere sonuçları yüksek isabetle iddia ettiği gösterilmiş.

DTU’da çalışan ve makalenin birinci müellifi olan Profesör Sune Lehmann şöyle aktarıyor: “Modeli kullanarak temel bir soruyu ele aldık: ‘Geçmişinizdeki durumlar ve olaylara dayalı olarak, geleceğinizdeki olayları ne dereceye kadar iddia edebiliriz?’ sorusunu. Bilimsel olarak bizi heyecanlandıran şey yapılan iddianın kendisi olmaktan çok, modelin böylesine kesin karşılıklar sunmasını sağlayan data özellikleriydi.”

ÖLÜM TARİHİNE DAİR TAHMİNLER

“Bir lisandaki bir cümle nasıl bir dizi sözden oluşuyorsa, insan hayatını da bu halde uzun bir olaylar dizisi halinde düşünmek heyecan verici” diyor Sune Lehmann. “Bu genelde yapay zekadaki dönüştürücü modellerin kullanıldığı cinsten bir iş. Lakin biz deneylerimizde bunları, hayat dizileri biçiminde isimlendirdiğimiz şeyleri; ör. insan hayatında gerçekleşen olayları tahlil etmek için kullandık.”

Makalenin gerisindeki araştırmacılar life2vec’in etrafında, hassas bilgiler ve özel hayatın kapalılığının korunması ve bilgilerdeki önyargıların rolü üzere etik soruların bulunduğunu belirtiyor. Örneğin bir kişinin hastalık kapmaya yahut öteki önlenebilir ömür olaylarına dönük taşıdığı tehlikeyi değerlendirmede modelin kullanılabilmesinden evvel bu sorunların daha derin formda anlaşılması gerekiyor.

“Model, tartışmaya ve politik olarak ele alınmaya yönelik değerli olumlu ve olumsuz tarafları ortaya çıkarıyor. Hayat olaylarını ve insan davranışlarını kestirim etmeye dönük misal teknolojiler, günümüzde halihazırda teknoloji şirketleri içerisinde kullanılıyor. Örneğin toplumsal ağlardaki davranışlarımızı takip ediyor, son derece isabetli profilimizi çıkarıyor ve bu profilleri davranışlarımızı iddia edip bizi etkilemek için kullanıyorlar. Bu tartışmanın, demokratik söyleşilerin modülü olması gerekiyor ki teknolojinin bizi nereye götürdüğünü ve bunun istediğimiz gelişme olup olmadığını düşünelim” diyor Sune Lehmann.

Araştırmacılara nazaran sıradaki adım, toplumsal temaslarımızla ilgili metin, manzara yahut bilgiler üzere öteki bilgi tiplerini dahil etmek olacak. Bu bilgi kullanımı, toplumsal bilimler ve sıhhat bilimleri ortasında yesyeni bir kesişimi ortaya çıkarıyor.

Yeni çalışma, işgücü piyasası bilgileri ve Danimarka Ulusal Sıhhat Kayıt (LPR) ve İstatistikleri projesinden alınan bilgilere dayanıyor. Bilgi seti 6 milyon Danimarkalının tamamını kapsıyor ve gelir, maaş, burs, iş tipi, sanayi, toplumsal yararlar üzere alanlardaki bilgileri içeriyor. Sıhhat data setinde, sıhhat uzmanlarına yahut hastanelere yapılan ziyaretlerin, teşhislerin, hasta tipi ve aciliyet derecesinin kayıtları yer alıyor. Bilgi seti 2008’den 2020’ye kadar uzanıyor fakat birtakım tahlillerde araştırmacılar 2008-2016 devrine ve yaş kısıtlı bir alt birey kümesine odaklandı.

DÖNÜŞTÜRÜCÜ MODEL

Dönüştürücü model bir yapay zeka, lisan ve başka vazifelerle ilgili bilgi öğrenmede kullanılan derin tahsil data mimarisidir. Bu modeller lisanı anlamak ve oluşturmak için eğitilebiliyor. Dönüştürücü model, evvelki modellerden daha süratli, daha verimli olması için tasarlanmış ve genelde büyük lisan modellerini büyük bilgi dizilerinde eğitmede kullanılıyor.

YAPAY HUDUT AĞLARI

Bir yapay hudut ağı, insanların ve hayvanların beyin ve hudut sisteminden ilham alınmış bir bilgisayar modelidir. Pek çok farklı tipte yapay hudut ağı mevcut (ör. dönüştürücü modeller). Bir yapay hudut ağı, beyin üzere yapay sonlardan oluşur. Bu hudutlar birbirine bağlanıp sinyal gönderebilir.

Her bir hudut, öbür hudutlardan girdi alır ve sonrasında öbür sonlara gönderilen bir çıktı hesaplar. Bir yapay hudut ağı, büyük ölçülerde datayla eğitilerek sorun çözmeyi öğrenebilir. Yapay hudut ağları öğrenmek için eğitim verisine bel bağlar ve doğrulukları vakitle artar. Ama bu öğrenme algoritmaları doğruluk için ayarlandıklarında, bilgisayar bilimi ve yapay zekada bilgileri yüksek süratlerde sınıflandırıp gruplandırmak için güçlü araçlar haline gelirler. En düzgün bilinen hudut ağlarından birisi de Google’ın arama algoritmasıdır.