Dit liv på algoritme: Sådan kan din bopæl, sundhedsdata og job forudsige dit liv

Dit liv på algoritme: Sådan kan din bopæl, sundhedsdata og job forudsige dit liv

Kan din data forudsige dit liv?

Det korte svar er ja, ifølge Sune Lehmann, som er forsker i datavidenskab og netværksanalyse.

Det er muligt at spinne krystalkuglen og forudsige dit liv. Eller rettere: Det er muligt at regne sig frem til dit livsforløb ved at sætte dit liv på algoritme. Som en slags levende, kalkuleret fortælling, du kan spole frem i.

I de seneste år har sprogmodeller som ChatGPT nemlig revolutioneret computeres evne til at arbejde med sprog. Det gør de ved at se sproget som sekvenser af ord, der følger hinanden og dernæst modellerer mønstrene i de ord. Det har Sune Lehmann overført til sin nyeste forskning.

Her anskuer Sune Lehmann menneskeliv som rækker af begivenheder, der er organiseret, så de har samme struktur som sætninger i sproget: Hver livsbegivenhed svarer til et ord i den sætning, der beskriver dit liv.

På den måde kan Sune Lehmann anvende teknologien fra de store sprogmodeller til at forstå menneskeliv. Forskningen trækker på et datasæt fra Danmarks Statistik, der indeholder informationer om folks liv såsom job-oplysninger, bopæl, helbredsmæssige forhold, osv.  Ud fra denne “sprogmodel for menneskeliv” kan man præcist forudsige livs-udfald, herunder tidlig død eller personlighedstræk.

Den tilgang er mere præcis end eksisterende metoder. Sune Lehmann kan desuden ved at undersøge, hvordan modellen laver forudsigelser få indsigt i, hvilke faktorer der er vigtige for hvilke livsudfald.

Så er du nysgerrig på at få dit liv på formel, har du nu en oplagt mulighed for at blive klogere på mellemregningerne til Videnskabernes Selskabs offentlige foredrag med Sune Lehmann.

Vil du dykke endnu mere ned i kunstig intelligens, kan du gå på opdagelse i vores projekt VidenSkabers univers, der gennem et helt år har vendt og drejer emnet. Du kan få en forsmag på Sune Lehmans forskning nedenfor:

Billedet viser vektorrummet af de personer, som er grundlaget for modellen for forudsigelse af liv og død. Her udgør hvert punkt en enkelt person. Baggrundsfarven giver tætheden af punkter – og de tynde streger viser personens vej til deres endelige position. Illustration: Germans Savcisens

Sune Lehmann er medlem af Videnskabernes Selskab, professor ved DTU Compute og på Copenhagen Center for Social Data Science (SODAS) ved Københavns Universitet. Han forsker inden for datavidenskab og netværksanalyse. Sune Lehmanns arbejde undersøger komplekse netværk, sociale dynamikker og big data for at forstå menneskelig adfærd og interaktion. Han er kendt for sine bidrag til mobilitetsmønstre, kollektiv adfærd og informationsspredning.

Carlsbergfondets økonomiske støtte til Videnskabernes Selskab muliggør, at Selskabet kan tilbyde disse foredrag.

Spørgsmål

profile picture

Birgit Olsen

Programkonsulent

search