Belajar Analisis Peneliti Denmark menggunakan pembelajaran mesin untuk memprediksi aspek kehidupan seseorang, termasuk kapan seseorang mungkin meninggal

Belajar Analisis Peneliti Denmark menggunakan pembelajaran mesin untuk memprediksi aspek kehidupan seseorang. Termasuk kapan seseorang mungkin meninggal. Peneliti Denmark menggunakan pembelajaran mesin untuk memprediksi aspek kehidupan seseorang, termasuk kapan seseorang mungkin meninggal

Para peneliti di Denmark mengatakan mereka telah menggunakan algoritma pembelajaran mesin yang kuat untuk memprediksi secara akurat aspek-aspek tertentu kehidupan manusia. Termasuk seberapa dini kemungkinan seseorang meninggal.

Belajar Analisis Studi mereka, yang diterbitkan minggu ini di jurnal Nature Computational Science. Merinci bagaimana model algoritma pembelajaran mesin yang disebut life2vec memprediksi hasil kehidupan dan tindakan seseorang ketika disajikan dengan data yang sangat spesifik tentang mereka.
Dengan data tersebut, “kita dapat membuat prediksi apa pun.” kata Sune Lehmann. Penulis utama studi tersebut dan profesor di Technical University of Denmark. Namun para peneliti mencatat bahwa ini adalah “prototipe penelitian” dan tidak dapat melakukan “tugas dunia nyata” apa pun dalam kondisi saat ini.

Data tersebut mencakup informasi dari tahun 2008 hingga 2016 terkait aspek-aspek utama kehidupan seperti pendidikan, kesehatan, pendapatan, dan pekerjaan.

Para peneliti mengadaptasi teknik pemrosesan bahasa dan menghasilkan kosakata untuk peristiwa kehidupan sehingga life2vec dapat menafsirkan kalimat berdasarkan data. Seperti.” Pada bulan September 2012, Francisco menerima dua puluh ribu kroner Denmark sebagai penjaga di sebuah kastil di Elsinore” atau “Selama periode ketiganya. tahun di sekolah asrama menengah, Hermione mengikuti lima kelas pilihan.”

Algoritme tersebut kemudian belajar dari data tersebut, kata Lehmann, dan mampu membuat prediksi tentang aspek-aspek tertentu dalam kehidupan seseorang. Termasuk bagaimana mereka berpikir, merasakan dan berperilaku, dan bahkan apakah
Untuk memprediksi seberapa dini seseorang mungkin meninggal. Tim menggunakan data dari 1 Januari 2008 hingga 31 Desember 2015 pada lebih dari 2,3 juta orang berusia antara 35 dan 65 tahun.

Life2vec menggunakan data tersebut untuk menyimpulkan kemungkinan seseorang bertahan hidup empat tahun setelah 2016.

Belajar Analisis Peneliti Denmark menggunakan pembelajaran mesin untuk memprediksi aspek kehidupan seseorang, termasuk kapan seseorang mungkin meninggal

Belajar Analisis Peneliti Denmark menggunakan pembelajaran mesin untuk memprediksi aspek kehidupan seseorang, termasuk kapan seseorang mungkin meninggal

Belajar Analisis “Untuk menguji seberapa bagus [life2vec], kami memilih sekelompok 100.000 individu yang setengahnya bertahan hidup dan setengahnya lagi mati.” Kata Lehmann. Para peneliti mengetahui siapa saja yang meninggal setelah tahun 2016, namun algoritmanya tidak mengetahuinya.

Kemudian, mereka mengujinya. Mereka meminta algoritme tersebut membuat prediksi individual mengenai apakah seseorang akan hidup melewati tahun 2016 atau tidak. Hasilnya sangat mengesankan: algoritme tersebut 78% benar.

Life2vec juga mengungguli model dan data dasar canggih lainnya setidaknya sebesar 11% dengan memprediksi hasil kematian secara lebih akurat, kata laporan itu.
Orang yang berjenis kelamin laki-laki lebih mungkin meninggal setelah tahun 2016. Menjadi pekerja terampil seperti insinyur atau memiliki diagnosis masalah kesehatan mental seperti depresi atau kecemasan juga menyebabkan kematian lebih dini. Demikian temuan para peneliti. Sementara itu. Menduduki posisi manajerial atau memiliki penghasilan tinggi seringkali mendorong orang ke kolom “bertahan”.

Namun penelitian ini memiliki beberapa keterbatasan. Dan para peneliti tidak buta terhadap alokasi selama eksperimen dan penilaian hasil,” catat laporan tersebut.

Para peneliti hanya melihat data selama periode delapan tahun, dan mungkin terdapat bias sosiodemografis dalam pengambilan sampel meskipun setiap orang di Denmark terdaftar dalam daftar nasional.

“Jika seseorang tidak memiliki gaji – atau memilih untuk tidak terlibat dengan sistem layanan kesehatan – kami tidak memiliki akses terhadap data mereka,” kata mereka.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *