AI ในการเมือง: การทำนายการเลือกตั้งและความคิดเห็นสาธารณะโดยใช้ LLM
ในบทสรุป
ขณะที่การเลือกตั้งประธานาธิบดีสหรัฐฯ ครั้งที่ 60 ใกล้เข้ามา บทบาทของอินเทอร์เน็ตและเครือข่ายโซเชียลในการกำหนดวาทกรรมทางการเมืองยังอยู่ภายใต้การพิจารณาอย่างละเอียด โดยเฉพาะอย่างยิ่งภายหลังเหตุการณ์อื้อฉาวของ Cambridge Analytica ภูมิทัศน์ดิจิทัลคาดว่าจะเปลี่ยนแปลงไปตามความก้าวหน้าของ AI เช่น โมเดลภาษาที่ได้รับการฝึกอบรมเกี่ยวกับการควบคุมอาหารของสื่อ และ OpenAI's GPT-4.
อีกประเด็นหนึ่งคือศักยภาพในการจัดการเครือข่ายโซเชียลที่ขับเคลื่อนด้วย AI เช่น การทำให้โรงงานโทรลล์เป็นแบบอัตโนมัติ และการควบคุมเนื้อหา OpenAI's GPT-4 ได้รับการแนะนำเพื่อเร่งกระบวนการอัปเดตกฎการดูแลเนื้อหา โดยลดไทม์ไลน์จากเดือนเหลือเพียงชั่วโมง โมเดลนี้มีประสิทธิภาพเหนือกว่าผู้ตรวจสอบเนื้อหามาตรฐานโดยเฉลี่ย แต่ก็ยังตามหลังความเชี่ยวชาญของผู้ตรวจสอบที่เป็นมนุษย์มากประสบการณ์
การแนะนำของ GPT-4 พร้อมที่จะนำเสนอนวัตกรรมใหม่ๆ โดยเฉพาะในด้านการเมืองและการเลือกตั้ง โดยมีการคาดเดากันว่า OpenAI อาจกลายเป็นผู้ให้บริการแต่เพียงผู้เดียว
ในขณะที่การเลือกตั้งประธานาธิบดีครั้งที่ 60 ในสหรัฐอเมริกาใกล้เข้ามา บทบาทของอินเทอร์เน็ตและเครือข่ายโซเชียลในการกำหนดวาทกรรมทางการเมืองยังอยู่ภายใต้การพิจารณาอย่างละเอียด โดยเฉพาะอย่างยิ่งในผลพวงของ เรื่องอื้อฉาว Cambridge Analytica. คำถามสำคัญเกิดขึ้น: ภูมิทัศน์ดิจิทัลจะมีลักษณะอย่างไรในระหว่างการเลือกตั้งที่กำลังจะมาถึงและความสำเร็จใหม่ใน AI
ในระหว่างการพิจารณาคดีของวุฒิสภาครั้งล่าสุด วุฒิสมาชิกจอช ฮอว์ลีย์ แห่งมิสซูรี ยกประเด็นสำคัญนี้ขึ้นในบริบทของแบบจำลองภาษา เขาอ้างถึงบทความเรื่อง “โมเดลภาษาที่ได้รับการฝึกอบรมเกี่ยวกับการควบคุมอาหารด้วยสื่อสามารถทำนายความคิดเห็นของสาธารณชนได้” ประพันธ์โดยนักวิจัยจาก MIT และ Stanford งานวิจัยนี้สำรวจศักยภาพของการใช้โครงข่ายประสาทเทียมเพื่อทำนายความคิดเห็นของประชาชนจากบทความข่าว ซึ่งเป็นแนวคิดที่อาจส่งผลกระทบอย่างมีนัยสำคัญต่อการรณรงค์ทางการเมือง
ที่เกี่ยวข้อง: ChatGPTลัทธิเสรีนิยมฝ่ายซ้ายมีผลกระทบต่ออนาคตของคนรุ่นใหม่ |
บทความนี้จะอธิบายวิธีการที่โมเดลภาษาได้รับการฝึกอบรมเบื้องต้นในชุดเฉพาะของ บทความข่าว เพื่อทำนายคำที่หายไปในบริบทที่กำหนดคล้ายกับ รุ่นเบิร์ต. ขั้นตอนต่อมาเกี่ยวข้องกับการกำหนดคะแนน ซึ่งแสดงเป็น "s" เพื่อประเมินประสิทธิภาพของแบบจำลอง ภาพรวมของกระบวนการมีดังนี้:
- มีการกำหนดคำแถลงวิทยานิพนธ์ไว้ เช่น “ขอให้ปิดธุรกิจส่วนใหญ่ ยกเว้นร้านขายของชำและร้านขายยา เพื่อต่อสู้กับการระบาดของไวรัสโคโรนา”
- โดยเฉพาะอย่างยิ่งมีช่องว่างในวิทยานิพนธ์ แบบจำลองภาษาใช้เพื่อประเมินความน่าจะเป็นที่จะเติมเต็มช่องว่างนี้ด้วยคำเฉพาะ
- มีการประเมินความน่าจะเป็นของคำต่าง ๆ เช่น “จำเป็น” หรือ “ไม่จำเป็น”
- ความน่าจะเป็นนี้จะถูกทำให้เป็นมาตรฐานโดยสัมพันธ์กับแบบจำลองพื้นฐาน ซึ่งจะวัดความถี่ของคำที่เกิดขึ้นในบริบทที่กำหนดโดยอิสระ เศษส่วนผลลัพธ์แสดงถึงคะแนน “s” ซึ่งแสดงลักษณะของข้อมูลใหม่ที่นำเสนอโดยชุดข้อมูลจากสื่อที่เกี่ยวข้องกับความรู้ที่มีอยู่
โมเดลนี้พิจารณาระดับการมีส่วนร่วมของกลุ่มบุคคลเฉพาะกับข่าวสารในหัวข้อเฉพาะ เลเยอร์เพิ่มเติมนี้ช่วยเพิ่มคุณภาพการทำนาย โดยวัดจากความสัมพันธ์ระหว่างการคาดการณ์ของแบบจำลองกับความคิดเห็นของผู้คนเกี่ยวกับวิทยานิพนธ์ต้นฉบับ
ความลับอยู่ที่ว่าวิทยานิพนธ์และข่าวสารถูกจัดหมวดหมู่ตามวันที่ จากการศึกษาข่าวที่เกี่ยวข้องกับช่วงเดือนแรกของการระบาดของไวรัสโคโรนา ทำให้สามารถคาดการณ์ปฏิกิริยาของผู้คนต่อมาตรการและการเปลี่ยนแปลงที่เสนอได้
ตัวชี้วัดอาจไม่น่าประทับใจ และผู้เขียนเองก็ย้ำว่าการค้นพบของพวกเขาไม่ได้หมายความว่า AI สามารถแทนที่การมีส่วนร่วมของมนุษย์ในกระบวนการนี้ได้อย่างสมบูรณ์ หรือ แบบจำลองสามารถแทนที่การสำรวจของมนุษย์ได้. สิ่งเหล่านี้แทน เครื่องมือ AI ทำหน้าที่เป็นตัวช่วยในการสรุปข้อมูลจำนวนมหาศาลและระบุพื้นที่ที่อาจเกิดผลเพื่อการสำรวจเพิ่มเติม
สิ่งที่น่าสนใจคือวุฒิสมาชิกได้ข้อสรุปที่แตกต่างออกไป โดยแสดงความกังวลเกี่ยวกับแบบจำลองที่ทำงานได้ดีเกินไปและอันตรายที่อาจเกิดขึ้นที่เกี่ยวข้องกับสิ่งนี้ มุมมองนี้มีความถูกต้องอยู่บ้าง เมื่อพิจารณาว่าบทความนี้นำเสนอโมเดลที่ค่อนข้างพื้นฐาน และการทำซ้ำในอนาคต GPT-4 อาจเสนอการปรับปรุงที่สำคัญได้.
ที่เกี่ยวข้อง: OpenAI's GPT-4 มุ่งมั่นที่จะปฏิวัติการกลั่นกรองเนื้อหา |
ความท้าทายที่เพิ่มขึ้นของการจัดการเครือข่ายโซเชียลที่ขับเคลื่อนด้วย AI
ในการสนทนาเมื่อเร็วๆ นี้ บทสนทนาได้เบี่ยงเบนไปจากการเลือกตั้งประธานาธิบดีที่กำลังจะเกิดขึ้น และมุ่งไปสู่หัวข้อที่เกี่ยวข้องของการใช้โมเดลภาษา (LLM) แม้แต่ในระดับท้องถิ่น เพื่อสร้างและเติมบัญชีปลอมบนโซเชียลเน็ตเวิร์ก การอภิปรายนี้เน้นย้ำถึงศักยภาพในการทำให้โรงงานโทรลล์เป็นอัตโนมัติ โดยเน้นที่การโฆษณาชวนเชื่อและอิทธิพลทางอุดมการณ์
แม้ว่าสิ่งนี้อาจดูไม่แหวกแนวเมื่อพิจารณาจากเทคโนโลยีที่ใช้อยู่แล้ว แต่ความแตกต่างนั้นขึ้นอยู่กับขนาด LLM สามารถใช้งานได้อย่างต่อเนื่อง โดยจำกัดด้วยงบประมาณ GPU ที่จัดสรรไว้เท่านั้น นอกจากนี้ เพื่อรักษาการสนทนาและเธรด บอทเพิ่มเติมที่มีความก้าวหน้าน้อยกว่าสามารถเข้าร่วมการสนทนาและตอบกลับได้ ประสิทธิภาพในการโน้มน้าวผู้ใช้นั้นน่าสงสัย บอทที่สร้างขึ้นมาอย่างดีจะเปลี่ยนจุดยืนทางการเมืองของใครบางคนอย่างแท้จริงหรือไม่ โดยกระตุ้นให้พวกเขาคิดว่า "พรรคเดโมแครตเหล่านี้ทำอะไรลงไป? ฉันควรลงคะแนนให้พรรครีพับลิกัน”?
ความพยายามที่จะมอบหมายพนักงานโทรลล์ให้กับผู้ใช้ออนไลน์แต่ละคนเพื่อการโน้มน้าวใจอย่างเป็นระบบนั้นทำไม่ได้ในทางปฏิบัติ โดยชวนให้นึกถึงเรื่องตลก "นั่งครึ่งยืนครึ่ง" ในทางตรงกันข้าม บอทที่เสริมพลังด้วยโครงข่ายประสาทเทียมขั้นสูงยังคงไม่รู้จักเหน็ดเหนื่อย และสามารถมีส่วนร่วมกับผู้คนหลายสิบล้านคนพร้อมกันได้
มาตรการรับมือที่เป็นไปได้คือการเตรียมการ โซเชียลมีเดีย บัญชีโดยการจำลองพฤติกรรมเหมือนมนุษย์ บอทสามารถเลียนแบบผู้ใช้จริงได้โดยการพูดคุยถึงประสบการณ์ส่วนตัวและโพสต์เนื้อหาที่หลากหลาย ในขณะเดียวกันก็รักษาภาพลักษณ์ที่เป็นเรื่องปกติ
แม้ว่าเรื่องนี้อาจไม่ใช่ปัญหาเร่งด่วนในปี 2024 แต่ก็มีแนวโน้มที่จะกลายเป็นความท้าทายที่สำคัญมากขึ้นภายในปี 2028 การแก้ไขปัญหานี้ทำให้เกิดภาวะที่กลืนไม่เข้าคายไม่ออกที่ซับซ้อน เครือข่ายโซเชียลควรถูกปิดการใช้งานในช่วงฤดูการเลือกตั้งหรือไม่? เป็นไปไม่ได้ การให้ความรู้แก่ประชาชนว่าอย่า เชื่อถือเนื้อหาออนไลน์อย่างไม่ต้องสงสัย? ทำไม่ได้ แพ้การเลือกตั้งเนื่องจากการยักยอก? ไม่พึงประสงค์
อีกทางเลือกหนึ่งอาจเกี่ยวข้องกับการกลั่นกรองเนื้อหาขั้นสูง การขาดแคลนผู้ตรวจสอบที่เป็นมนุษย์และประสิทธิภาพที่จำกัดของโมเดลการตรวจจับข้อความที่มีอยู่ แม้กระทั่งจาก OpenAIทำให้เกิดข้อสงสัยต่อความมีชีวิตของโซลูชันนี้
OpenAI's GPT-4 อัปเดตการกลั่นกรองเนื้อหาด้วยการปรับเปลี่ยนกฎอย่างรวดเร็ว
OpenAIภายใต้การแนะนำของ Lilian Weng เพิ่งเปิดตัวโครงการชื่อ “การใช้ GPT-4 สำหรับการกลั่นกรองเนื้อหา” สิ่งนี้จะช่วยเร่งกระบวนการอัปเดตกฎการดูแลเนื้อหา โดยลดไทม์ไลน์จากเดือนเหลือเพียงชั่วโมงเท่านั้น GPT-4 แสดงให้เห็นถึงความสามารถที่ยอดเยี่ยมในการทำความเข้าใจกฎเกณฑ์และรายละเอียดปลีกย่อยภายในแนวทางเนื้อหาที่ครอบคลุม โดยสามารถปรับให้เข้ากับการแก้ไขใดๆ ได้ทันที ดังนั้นจึงรับประกันว่าการประเมินเนื้อหาจะมีความสอดคล้องกันมากขึ้น
ระบบตรวจสอบเนื้อหาที่ซับซ้อนนี้ตรงไปตรงมาอย่างชาญฉลาด ดังที่แสดงใน GIF ที่ให้มาด้วย สิ่งที่ทำให้มันแตกต่างก็คือ GPT-4ความสามารถอันโดดเด่นในการทำความเข้าใจข้อความที่เป็นลายลักษณ์อักษร ซึ่งเป็นความสำเร็จที่มนุษย์ไม่สามารถเชี่ยวชาญได้ในระดับสากล
นี่คือวิธีการทำงาน:
- หลังจากร่างแนวทางหรือคำแนะนำในการกลั่นกรองแล้ว ผู้เชี่ยวชาญจะเลือกชุดข้อมูลที่จำกัดซึ่งมีอินสแตนซ์ของการละเมิด และกำหนดป้ายกำกับที่เกี่ยวข้องตามนโยบายการละเมิด
- GPT-4 ต่อมาจะเข้าใจชุดกฎและติดป้ายกำกับข้อมูลโดยไม่ต้องเข้าถึงการตอบสนอง
- ในกรณีที่มีความแตกต่างกันระหว่าง GPT-4 การตอบสนองและการตัดสินของมนุษย์ ผู้เชี่ยวชาญสามารถขอคำชี้แจงได้จาก GPT-4วิเคราะห์ความคลุมเครือภายในคำสั่ง defiและขจัดความสับสนผ่านการชี้แจงเพิ่มเติม โดยมีข้อความขั้นตอนสีน้ำเงินใน GIF กำกับไว้
กระบวนการทำซ้ำของขั้นตอนที่ 2 และ 3 นี้สามารถทำซ้ำได้จนกว่าประสิทธิภาพของอัลกอริทึมจะตรงตามมาตรฐานที่ต้องการ สำหรับการใช้งานขนาดใหญ่ GPT-4 สามารถใช้การคาดการณ์เพื่อฝึกโมเดลที่มีขนาดเล็กลงอย่างมาก ซึ่งสามารถให้คุณภาพที่เทียบเคียงได้
OpenAI ได้เปิดเผยตัวชี้วัดสำหรับการประเมินการละเมิด 12 ประเภทที่แตกต่างกัน โดยเฉลี่ยแล้ว โมเดลนี้มีประสิทธิภาพเหนือกว่าผู้ตรวจสอบเนื้อหามาตรฐาน แต่ก็ยังล้าหลังความเชี่ยวชาญของผู้ตรวจสอบที่เป็นมนุษย์ที่มีประสบการณ์และผ่านการฝึกอบรมมาเป็นอย่างดี อย่างไรก็ตาม สิ่งที่น่าสนใจประการหนึ่งก็คือความคุ้มทุน
เป็นที่น่าสังเกตว่ามีการใช้โมเดลการเรียนรู้ของเครื่อง การดูแลอัตโนมัติเป็นเวลาหลายปี. การแนะนำของ GPT-4 พร้อมที่จะนำเสนอนวัตกรรมใหม่ ๆ โดยเฉพาะในด้านการเมืองและการเลือกตั้ง มีการคาดเดาด้วยซ้ำว่า OpenAI อาจกลายเป็นผู้ให้บริการแต่เพียงผู้เดียวของ TrueModerationAPI™ ที่ได้รับอนุญาตอย่างเป็นทางการโดย ทำเนียบขาวโดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงความพยายามในการเป็นหุ้นส่วนครั้งล่าสุด อนาคตมีความเป็นไปได้ที่น่าตื่นเต้นในโดเมนนี้
อ่านเพิ่มเติมเกี่ยวกับ AI:
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
Damir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต
บทความอื่น ๆDamir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต