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 data kullanmanız ve ChatGPT üzere lisanı işlemede kullanılan ‘dönüştürücü modeller’i eğitmeniz durumunda, yapay zekanın bu bilgileri sistematik formda düzenleyebileceği ve bir insanın hayatında neler olacağını; hatta vefat tarihini bile kestirim edebileceğini gösteriyor.

MODEL EĞİTİLDİ SONRA BİLGİLERDEKİ ÖRÜNTÜLERİ KULLANDI

Populer Science Türkçe’nin aktardığı çalışma Nature Computational Science bilim bülteninde yayınlandı. ‘İnsanların Hayatlarını İddia Etmek için Hayattaki Olay Dizilerinin Kullanılması’ başlığını taşıyan yeni bir bilimsel makalede araştırmacılar, life2vec isimli bir modelde bütün Danimarkalıların sıhhat bilgilerini ve iş piyasasıyla olan temaslarını tahlil etmiş. Modelin başlangıç evresinde eğitildikten ve datadaki örüntüleri öğrendikten sonra, öteki gelişmiş sinirsel ağlardan daha güzel performans sergilediği ve kişilik ile mevt 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 kestirim edebiliriz?’ sorusunu. Bilimsel olarak bizi heyecanlandıran şey yapılan varsayımın kendisi olmaktan çok, modelin böylesine kesin yanıtlar sunmasını sağlayan data özellikleriydi.”

ÖLÜM TARİHİNE DAİR TAHMİNLER

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

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

“Model, tartışmaya ve politik olarak ele alınmaya yönelik değerli olumlu ve olumsuz tarafları ortaya çıkarıyor. Hayat olaylarını ve insan davranışlarını iddia 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 kestirim edip bizi etkilemek için kullanıyorlar. Bu tartışmanın, demokratik söyleşilerin kesimi olması gerekiyor ki teknolojinin bizi nereye götürdüğünü ve bunun istediğimiz gelişme olup olmadığını düşünelim” diyor Sune Lehmann.

Araştırmacılara nazaran sıradaki adım, toplumsal ilişkilerimizle ilgili metin, imaj yahut bilgiler üzere öbür bilgi tiplerini dahil etmek olacak. Bu bilgi kullanımı, toplumsal bilimler ve sıhhat bilimleri ortasında orijinal bir kesişimi ortaya çıkarıyor.

Yeni çalışma, işgücü piyasası dataları 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 bilgi setinde, sıhhat uzmanlarına yahut hastanelere yapılan ziyaretlerin, teşhislerin, hasta tipi ve aciliyet derecesinin kayıtları yer alıyor. Data seti 2008’den 2020’ye kadar uzanıyor lakin kimi tahlillerde araştırmacılar 2008-2016 periyoduna ve yaş kısıtlı bir alt birey kümesine odaklandı.

DÖNÜŞTÜRÜCÜ MODEL

Dönüştürücü model bir yapay zeka, lisan ve öbür misyonlarla ilgili bilgi öğrenmede kullanılan derin tahsil bilgi 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 data 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 hudutlardan oluşur. Bu sonlar birbirine bağlanıp sinyal gönderebilir.

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