政治中的人工智能：利用法學碩士預測選舉和民意
簡單來說
隨著第 60 屆美國總統大選的臨近，互聯網和社交網絡在塑造政治話語方面的作用受到密切關注，特別是在劍橋分析醜聞之後。 數字景觀預計將隨著人工智能的進步而改變，例如根據媒體飲食和訓練的語言模型 OpenAI“ GPT-4.
另一個問題是人工智能驅動的社交網絡操縱的潛力，例如自動化巨魔工廠和內容審核。 OpenAI“ GPT-4 旨在加快更新內容審核規則的過程，將時間從幾個月縮短到幾個小時。 此模型的平均表現優於標準內容審核者，但仍落後於經驗豐富的人類審核者的專業知識。
的簡介 GPT-4 即將迎來新的創新，特別是在政治和選舉方面，有人猜測 OpenAI 可以成為獨家供應商。
隨著美國第 60 屆總統選舉的臨近，互聯網和社交網絡在塑造政治話語方面的作用受到密切關注，尤其是在大選之後。 劍橋Analytica醜聞。 一個重要的問題出現了：在即將到來的選舉和人工智能的新成就中，數字景觀會是什麼樣子？
在最近的參議院聽證會上， 密蘇里州參議員喬什·霍利 在語言模型的背景下提出了這個關鍵問題。 他提到了一篇題為“根據媒體飲食訓練的語言模型可以預測公眾輿論”由麻省理工學院和斯坦福大學的研究人員撰寫。 這項研究探討了使用神經網絡根據新聞文章預測公眾輿論的潛力，這一概念可能會對政治競選產生重大影響。
本文描述了一種方法，其中語言模型最初是在特定的集合上進行訓練的 新聞文章 預測給定上下文中缺失的單詞，類似於 BERT模型。 後續步驟涉及分配一個分數（表示為“s”）來評估模型的性能。 以下是該過程的概述：
- 例如，制定了一份論文陳述，“要求關閉除雜貨店和藥房外的大多數企業，以應對冠狀病毒的爆發。”
- 值得注意的是，論文中有一個空白。 語言模型用於估計用特定單詞完成此差距的概率。
- 評估各種詞語的可能性，例如“必要”或“不必要”。
- 該概率相對於基本訓練不足的模型進行歸一化，該模型獨立地測量單詞在給定上下文中出現的頻率。 所得分數代表分數“s”，它表徵數據集從媒體引入的有關現有知識的新信息。
該模型考慮了特定群體對特定主題新聞的參與程度。 這個附加層提高了預測質量，通過模型的預測與人們對原始論文的看法之間的相關性來衡量。
秘密在於論文和新聞是根據日期進行分類的。 通過研究與冠狀病毒爆發最初幾個月相關的新聞，可以預測人們對擬議措施和變化的反應。
這些指標可能看起來並不令人印象深刻，作者自己也強調，他們的發現並不意味著人工智能可以完全取代人類參與這一過程，或者 模型可以取代人類調查。 相反，這些 AI工具 有助於總結大量數據並確定進一步探索的潛在富有成效的領域。
有趣的是，一位參議員得出了不同的結論，對模型表現太好以及與之相關的潛在危險表示擔憂。 考慮到本文展示了相當基本的模型，以及未來的迭代，例如 GPT-4 可能會帶來重大改進.
人工智能驅動的社交網絡操縱日益嚴峻的挑戰
在最近的討論中，話題從即將到來的總統選舉轉向了使用語言模型（LLM）（即使是在本地範圍內）在社交網絡上偽造和填充虛假帳戶的相關話題。 這次討論強調了巨魔工廠自動化的潛力，重點是宣傳和意識形態影響。
雖然考慮到已經使用的技術，這可能看起來並不具有開創性，但區別在於規模。 LLM 可以連續使用，僅受分配的 GPU 預算的限制。 此外，為了維持對話和線程，額外的、不太先進的機器人可以加入討論並做出響應。 他們說服用戶的有效性值得懷疑。 精心設計的機器人是否會真正改變某人的政治立場，促使他們思考：“這些民主黨人做了什麼？ 我應該投票給共和黨”？
試圖為每個在線用戶分配一名巨魔員工進行系統性說服是不切實際的，這讓人想起“一半坐著，一半站著”的笑話。 相比之下，配備先進神經網絡的機器人仍然不知疲倦，能夠同時與數千萬個人互動。
一個潛在的對策包括做好準備 社會化媒體 通過模擬類人行為來記賬。 機器人可以通過討論個人經歷和發佈各種內容來模仿真實用戶，同時保持正常的外觀。
雖然這在 2024 年可能不是一個緊迫問題，但到 2028 年它越來越有可能成為一個重大挑戰。解決這個問題會帶來複雜的困境。 選舉季期間應該禁用社交網絡嗎？ 不可行。 教育公眾不要 毫無疑問地信任在線內容？ 不切實際的。 因操縱而輸掉選舉？ 不受歡迎的。
另一種選擇可能涉及高級內容審核。 人類主持人的短缺以及現有文本檢測模型（即使是來自 OpenAI，對這個解決方案的可行性表示懷疑。
OpenAI“ GPT-4 透過快速規則適應更新內容審核
OpenAI在 Lilian Weng 的指導下，最近推出了一個項目，名為“運用 GPT-4 用於內容審核。」 這加快了內容審核規則的更新過程，將時間從幾個月縮短到幾個小時。 GPT-4 表現出理解綜合內容指南中的規則和微妙之處的非凡能力，立即適應任何修訂，從而確保更一致的內容評估。
這個複雜的內容審核系統非常簡單明了，如隨附的 GIF 所示。 它的與眾不同之處在於 GPT-4在理解書面文本方面具有非凡的能力，即使是人類也無法普遍掌握這一壯舉。
它的運作方式如下：
- 在起草審核指南或說明後，專家選擇包含違規實例的有限數據集，並根據違規政策分配相應的標籤。
- GPT-4 隨後理解規則集並標記數據，而無需存取回應。
- 如果之間存在差異 GPT-4 回應和人類判斷，專家可以徵求澄清 GPT-4，分析指令中的歧義 defi概念，並通過附加說明消除任何混淆，在 GIF 中用藍色步驟文本標記。
可以重複步驟 2 和 3 的迭代過程，直到演算法的效能符合所需的標準。 對於大規模應用， GPT-4 預測可用於訓練一個小得多的模型，該模型可以提供可比較的品質。
OpenAI 披露了評估 12 種不同類型違規行為的指標。 平均而言，該模型的表現優於標準內容審核者，但仍落後於經驗豐富且訓練有素的人類審核者的專業知識。 然而，一個引人注目的方面是其成本效益。
值得注意的是，機器學習模型已被應用於 自動審核多年. 的簡介 GPT-4 即將迎來新的創新，特別是在政治和選舉領域。 甚至有猜測稱 OpenAI 可能成為官方批准的 TrueModerationAPI™ 的獨家提供商 白宮，特別是考慮到他們最近的合作努力。 該領域的未來充滿令人興奮的可能性。
閱讀有關人工智能的更多信息：
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
更多文章
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
