هوش مصنوعی همه جا هست. اقلامی را برای سبد خرید آنلاین پیشنهاد می کند، مقادیر زیادی متن تولید می کند، فیدهای اینستاگرام را سازماندهی می کند و گفتار را تقلید می کند.
اکنون حتی می تواند نتایج انتخابات را پیش بینی کند.
به گفته دیوید وینگیت، استاد علوم کامپیوتر BYU، تحقیقات انجام شده توسط دپارتمان‌های علوم سیاسی و علوم کامپیوتر BYU نشان می‌دهد که مدل‌های زبانی بزرگ می‌توانند نظرات، ارزش‌ها و قضاوت‌های یک جمهوری‌خواه یا دموکرات را شبیه‌سازی کنند.
وینگیت گفت: «یک مدل زبانی می‌تواند چیزی را که یک جمهوری‌خواه می‌گوید شبیه‌سازی کند، و به نظر قابل قبول است. این مدل‌های زبانی کار بسیار خوبی در پیش‌بینی مواردی مانند انتخاب رأی انجام می‌دهند.»
وینگیت و همکارانش در مطالعه‌ای که اخیراً منتشر شده‌اند، از GPT-3، یکی از مدل‌های زبان قدیمی OpenAI، برای شبیه‌سازی نتایج انتخابات برای چندین انتخابات ریاست‌جمهوری قبلی استفاده کردند.
GPT-3 بر روی داده‌ها تا سال 2018 آموزش دیده است. وینگیت گفت، وقتی تیم تحقیقاتی آن را با فرضیه‌های آینده – به عنوان مثال، انتخابات ریاست‌جمهوری 2020 – بررسی کردند، خروجی آن “به‌طور شگفت‌آوری” با نتایج واقعی انتخابات مطابقت داشت.
او گفت: «ما کاملاً می‌توانیم آزمایش‌های خود را با انتخابات فرضی 2024 تکرار کنیم و پیش‌بینی کنیم. چنین چیزی کاملاً ممکن است.»
وینگیت گفت که آنها سخت کار می کنند تا بفهمند مدل های زبانی تا چه حد می توانند جایگزین انسان ها در نظرسنجی ها شوند. او توضیح داد که حذف انسان از معادله می تواند به محققان در مطالعه موضوعات دشوار و تابو مانند نژادپرستی کمک کند.
لیزا آرگیل، استاد علوم سیاسی BYU و یکی از نویسندگان این مطالعه، گفت که این تحقیق پیامدهای مهمی برای چگونگی استفاده از هوش مصنوعی در مطالعه انسان دارد.
او گفت: “این کمی در امید آسمان است، اما ما شاید بتوانیم بازنمایی نظرسنجی هایمان را بهبود بخشیم، یا اینکه چقدر خوب نماینده … گروه های اقلیت هستیم.”
استفاده از هوش مصنوعی برای تولید پاسخ های نظرسنجی مصنوعی نیز بسیار مقرون به صرفه است. طبق مقاله منتشر شده، مطالعه 1 تنها 29 دلار در GPT-3 هزینه دارد. آرگیل گفت که یک نظرسنجی سنتی از فرد به فرد معمولا حداقل این هزینه را دارد.
با این حال، آرگیل محدودیت های مطالعه را تایید کرد. اگرچه نتایج خوبی در زمینه یک انتخابات حزبی در سطح ملی آمریکا ایجاد می کند، او گفت که مطمئن نیست که GPT-3 در سایر حوزه ها چگونه عمل می کند.
علاوه بر این، آموزش محدود یک مدل زبان بزرگ، اثربخشی آن را در نظرسنجی بلادرنگ محدود می‌کند.
او گفت: “احتمالاً شاهد تغییر شرکت های نظرسنجی بزرگ به نظرسنجی صرفاً مصنوعی نخواهیم بود.” “مردم سعی خواهند کرد این کار را انجام دهند. مشخص نیست که آیا این واقعاً کار می کند یا خیر.»
داریل اکومن، تحلیلگر داده، گفت که او در قابل اعتماد بودن پاسخ های نظرسنجی تولید شده به صورت مصنوعی تردید دارد.
اکومن به مدت 10 سال با Integrity Matters، یک شرکت اطلاعاتی و رای دهندگان مستقر در یوتا که تجزیه و تحلیل داده ها را برای نامزدهای سیاسی در ایالت انجام می دهد، به صورت پاره وقت کار کرده است.
او گفت: “من 30 سال در زمینه فناوری و 20 سال در زمینه تجزیه و تحلیل هستم.” «من به اشیاء درخشان و براق اهمیتی نمی دهم. من به آنچه واقعاً نتیجه می دهد اهمیت می دهم.»
در تجربه Acumen، تعاملات انسانی معنادار نتایج بهتری نسبت به نظرسنجی های مصنوعی ایجاد می کند. فراتر از جمع آوری داده ها، هر مکالمه فرد به فرد دارای یک اثر موجی غیرقابل اندازه گیری است. او گفت که پس از نظرسنجی، افراد اغلب درگیر سیاسی می شوند.
صرف نظر از پتانسیل واقعی آن برای تحقیقات بازار، هر دو شرکت Acumen و Wingate پیش‌بینی می‌کنند که شرکت‌ها به تقویت هوش مصنوعی به منظور افزایش حاشیه سود ادامه خواهند داد.
وینگیت گفت: «همانطور که به آینده هوش مصنوعی فکر می کنیم، پیشرفت بی امان چیزی است که همه ما باید به خاطر بسپاریم. همچنین، ما یک انتخاب داریم. ما باید آینده خود را انتخاب کنیم و باید انتخاب کنیم که هوش مصنوعی چگونه بر جامعه ما تأثیر بگذارد.
