Científicos crean una calculadora que puede predecir cuándo morirás: es aterradoramente precisa

La inteligencia artificial desarrollada para modelar el lenguaje escrito puede utilizarse para predecir acontecimientos en la vida de las personas. Un proyecto de investigación de la Universidad Técnica de Dinamarca (DTU, su sigla en inglés), la Universidad de Copenhague, la Universidad de Tecnologías de la Información de Copenhague (UIT, su sigla en inglés) y la Universidad del Noreste de Estados Unidos muestra que si se utilizan grandes cantidades de datos sobre la vida de las personas y se entrenan los llamados “modelos transformadores”, que como ChatGPT se utilizan para procesar el lenguaje, estos pueden organizar sistemáticamente los datos y predecir lo que sucederá en la vida de una persona e incluso estimar el momento de su muerte.

En un nuevo artículo científico, “Usando secuencias de eventos vitales para predecir vidas humanas”, publicado en la revista Nature Computational Science, los investigadores han analizado datos de salud y vinculación al mercado laboral de 6 millones de daneses en un modelo denominado life2vec.

Después de que el modelo haya sido entrenado en una fase inicial, es decir, haya aprendido los patrones en los datos, se ha demostrado que supera a otras redes neuronales avanzadas y predice resultados como la personalidad y el momento de la muerte con gran precisión.

“Utilizamos el modelo para responder a la pregunta fundamental: ¿hasta qué punto podemos predecir los acontecimientos del futuro basándonos en las condiciones y los acontecimientos del pasado? Desde el punto de vista científico, lo que nos resulta interesante no es tanto la predicción en sí, sino los aspectos de los datos que permiten al modelo proporcionar respuestas tan precisas”, afirmó en un comunicado Sune Lehmann, profesor de la DTU y autor principal del artículo.

Las predicciones de Life2vec son respuestas a preguntas generales como: “¿muerte en cuatro años?”. Cuando los investigadores analizan las respuestas del modelo, los resultados son consistentes con los hallazgos existentes dentro de las ciencias sociales; por ejemplo, en igualdad de condiciones, las personas en una posición de liderazgo o con altos ingresos tienen más probabilidades de sobrevivir, mientras que ser hombre, tener habilidades o tener un diagnóstico mental se asocia con un mayor riesgo de morir.

Life2vec codifica los datos en un gran sistema de vectores, una estructura matemática que organiza los diferentes datos. El modelo decide dónde colocar los datos sobre el momento del nacimiento, la escolaridad, la educación, el salario, la vivienda y la salud.

“Lo interesante es considerar la vida humana como una larga secuencia de acontecimientos, de forma similar a cómo una frase en un idioma está formada por una serie de palabras. Este es el tipo de tarea para la que se suelen utilizar los modelos de transformación en IA, pero en nuestros experimentos los utilizamos para analizar lo que llamamos secuencias de vida, es decir, acontecimientos que han sucedido en la vida humana”, explicó Sune Lehmann.

Los investigadores que redactaron el artículo señalan que el modelo life2vec plantea cuestiones éticas, como la protección de datos sensibles, la privacidad y el papel del sesgo en los datos. Estos desafíos deben entenderse más profundamente antes de que el modelo pueda usarse, por ejemplo, para evaluar el riesgo de que una persona contraiga una enfermedad u otros eventos vitales evitables.

“El modelo abre importantes perspectivas positivas y negativas para el debate y la discusión política. Hoy en día, las empresas tecnológicas ya utilizan tecnologías similares para predecir los acontecimientos vitales y el comportamiento humano. Por ejemplo, rastrean nuestro comportamiento en las redes sociales, elaboran perfiles extremadamente precisos y utilizan estos perfiles para predecir nuestro comportamiento e influir en nosotros. Este debate debe formar parte de la conversación democrática para que reflexionemos sobre hacia dónde nos lleva la tecnología y si es un desarrollo que queremos”, afirmó Sune Lehmann.

Según los investigadores, el siguiente paso sería incorporar otros tipos de información, como texto e imágenes o información sobre nuestras conexiones sociales. Este uso de los datos abre toda una nueva interacción entre las ciencias sociales y las de la salud.