Ein KI-Modell k\u00f6nnte in der Lage sein, zuk\u00fcnftige Todesf\u00e4lle vorherzusagen, wie eine aktuelle Studie von Wissenschaftlern der Technischen Universit\u00e4t D\u00e4nemark und der Northeastern University in Boston zeigt. Diese KI-Modelle haben die F\u00e4higkeit, komplexe Verbindungen in schwierigen Daten zu erkennen, was in verschiedenen Bereichen wie der Wettervorhersage, der Materialforschung oder der Arzneimittelentwicklung \u00e4u\u00dferst n\u00fctzlich sein kann.<\/p>\n
F\u00fcr ihre Studie hatten die Forscher Zugriff auf Informationen von etwa sechs Millionen Einwohnern D\u00e4nemarks im Zeitraum von 2008 bis 2020. Diese Daten umfassten Angaben zu Wohnort, Bildung, Beruf, Einkommen, Sozialleistungen sowie medizinische Informationen zu Arztbesuchen, Diagnosen und dem Schweregrad von Erkrankungen. Die vertraulichen Informationen wurden von der staatlichen Organisation Danmarks Statistik bereitgestellt.<\/p>\n
Das Ziel der Wissenschaftler war es herauszufinden, in welchem Umfang zuk\u00fcnftige Ereignisse auf der Grundlage von vergangenen Bedingungen und Ereignissen vorhergesagt werden k\u00f6nnen. Besonderes Interesse galt den spezifischen Merkmalen der Daten, die dem Modell erm\u00f6glichen, so pr\u00e4zise Antworten zu liefern.<\/p>\n
Um ihr Modell namens „life2vec“ zu trainieren, organisierten die Forscher die Daten f\u00fcr jeden B\u00fcrger in einer zeitlichen Abfolge. Anschlie\u00dfend wurden die Lebensverl\u00e4ufe von Personen im Alter von 25 bis 70 Jahren zwischen 2008 und 2016 in ein Transformer-Modell eingespeist. Dieses Modell hat die F\u00e4higkeit, \u00e4hnlich wie gro\u00dfe Sprachmodelle, Verbindungen zwischen Ereignissen zu erkennen.<\/p>\n
Da das Modell nur bis 2016 trainiert wurde, konnten die Forscher die Vorhersagen mit den tats\u00e4chlichen Entwicklungen bis 2020 vergleichen und deren Zuverl\u00e4ssigkeit bewerten. Bei ihrer Untersuchung stellten sie fest, dass das Modell eine Verbesserung von 11 Prozent gegen\u00fcber bisherigen Modellen aufwies, wenn es darum ging, den Tod einer Person innerhalb dieses Zeitraums vorherzusagen. Auch bei Vorhersagen \u00fcber das Abschneiden von Menschen in einem Pers\u00f6nlichkeitstest erzielte das Modell bessere Ergebnisse als speziell f\u00fcr diese Aufgabe trainierte Modelle.<\/p>\n
Die Wissenschaftler betonen jedoch, dass die Daten nicht frei von Vorurteilen sind und dass bestimmte Bev\u00f6lkerungsgruppen m\u00f6glicherweise nicht angemessen vertreten sind. Sie geben zu bedenken, dass es sich bei „life2vec“ um einen Forschungsprototyp handelt, der derzeit nicht f\u00fcr praktische Anwendungen in der realen Welt vorgesehen ist. Das Modell sollte nicht verwendet werden, um zuk\u00fcnftige Analysen einzelner Individuen durchzuf\u00fchren.<\/p>\n
Die Forscher hoffen jedoch, dass ihre Arbeit dazu beitragen kann, ein breiteres, allgemeines Bewusstsein daf\u00fcr zu schaffen, wie diese Technologie funktioniert, welches Potenzial sie besitzt und wie sie angemessen eingesetzt werden sollte. Es wird betont, dass vergleichbare Technologien bereits heute in Technologieunternehmen Anwendung finden, um beispielsweise das Verhalten in sozialen Netzwerken zu \u00fcberwachen und Nutzerprofile anzulegen.<\/p>\n
Schlagw\u00f6rter: Studienleiter Sune Lehmann + life2vec + D\u00e4nemark<\/p>\n","protected":false},"excerpt":{"rendered":"
Ein KI-Modell k\u00f6nnte in der Lage sein, zuk\u00fcnftige Todesf\u00e4lle vorherzusagen, wie eine aktuelle Studie von Wissenschaftlern der Technischen Universit\u00e4t D\u00e4nemark und der Northeastern University in Boston zeigt. Diese KI-Modelle haben die F\u00e4higkeit, komplexe Verbindungen in schwierigen Daten zu erkennen, was in verschiedenen Bereichen wie der Wettervorhersage, der Materialforschung oder der...<\/p>\n","protected":false},"author":4,"featured_media":3074,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3075","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/3075","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3075"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/3075\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/3074"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3075"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3075"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3075"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}