
从西方的总统大选看人工智能的“从政”之路
人工智能这项技术在政治竞选中已变得司空见惯,有些人甚至声称,特朗普能够成功当选美国总统,人工智能起到了至关重要的作用。
现在是从政的最好时机。但现在更是成为一名能为政治家效力的人工智能工程师的绝佳时机。
纵观现代历史,政治候选人只通过掌控有限数量的工具来控制选民的情绪。通常情况下,他们在竞选时,所依靠的是他们的本能而非洞察力。
而现在,大数据可以被用来最大限度地提高竞选的有效性。而据悉,下一阶段将在竞选活动和政治生活中更多地使用人工智能。
机器学习系统是建立在能够自动识别数据模式的统计技术基础上的。这些系统已经可以通过对法案文本以及其他变量的算法进行评估,而其他变量包括赞助商的数量、每年提交给国会的时间等信息,来预测美国国会将通过什么法案。
美国总统大选
如今,机器和人工智能也正被小心地部署在选举活动中,以吸引选民,帮助他们在关键的政治问题上获得更多的信息。
这当然会引发伦理问题。例如,有证据表明,美国现任总统特朗普在2016年的竞选活动中,使用人工智能技术来操纵选民。一些人甚至声称,这些人工智能工具在投票结果中起着决定性作用。
人工智能可以被用来操控个人选民。在2016年美国总统大选期间,数据科学公司剑桥分析公司推出了一项大范围的广告宣传活动,目标是根据民众的个人心理状况,挑选有潜力的选民。
这些都是基于选民的实时数据,这些数据来自于他们在社交媒体上的行为,他们的消费模式和人际关系。他们的互联网足迹被用来构建独特的行为和心理特征。
这种方法的问题不在于技术本身,而在于不公开的宣传活动,以及虚假的政治讯息传播。像特朗普这样具有灵活竞选承诺的候选人尤其适合这种策略。每个选民都可以被发送一种定制的信息,强调某一特定论点的不同侧面。每个选民都认识到不同的特朗普。关键是要找到合适的情感触发因素来刺激每个人的行动。
这个高度复杂的微目标操作依赖于大数据和机器学习来影响人们的情绪。不同的选民根据他们对不同论点的敏感性的预测,接收到不同的信息。妄想狂们收到的是基于恐惧的信息,具有保守倾向的人会收到关于传统和社区争论的信息。
英国大选&英国脱欧公投
但是,目前还不清楚在英国脱欧公投之前,人工智能在竞选中是否扮演了角色,又扮演了什么样的角色。
我们已经知道人工智能可以用来操纵公众舆论。在2017年的英国大选中,大量的政治机器人被用于在社交媒体上传播错误信息和虚假新闻。2016年美国总统大选和全球其他几场关键的政治选举也出现了同样的情况。
这些机器人都是一些自动账户,它们的程序被设定为积极地散布片面政治信息,制造公众支持的假象。这是一种越来越常用的策略,来试图影响公众舆论,扭曲政治情绪。
这些机器人通常伪装成普通的人类账户,散布错误信息,在Twitter和Facebook等网站上引发激烈的政治讨论。他们可以用来突出社交媒体上关于候选人的负面信息,这些信息更有可能让选民投票给他们,这个想法是为了阻止他们在选举日出来投票。
在2016年的大选中,支持特朗普的机器人甚至通过传播自动内容的推特标签和Facebook页面,潜入到了希拉里克的支持者中,影响选民的政治情绪。
法国总统大选
在2017年的法国总统大选中,机器人也被部署在一个关键时刻,在Facebook和Twitter上抛出了大量来自候选人埃马纽埃尔·马克龙竞选团队的电子邮件。信息转储也包含了关于他的金融交易的虚假信息。马克龙泄密的目的是构建一种说法,让大家认为马克龙是一个骗子和伪君子——这是机器人用来推动热门话题和主导社交媒体的常用策略。
人们很容易将人工智能技术归咎于世界的错误(以及失败的选举),但基础技术本身本质上是无害的。用来误导、误传和迷惑的算法工具,同样可以用来支持民主。
人工智能应该参与竞选活动吗
人工智能可以被用来以一种合乎道德和法律的方式更好地进行竞选活动。例如,当人们分享包含已知错误信息的文章时,我们可以让政治机器人参与进来。他们可以发出警告,说这些信息是可疑的,并解释原因。这能有助于揭穿那些众所周知的谎言,就像那篇错误地宣称教皇支持特朗普的不实文章一样。
我们可以用人工智能来更好地听取人们的意见,并确保他们选出的代表清楚地听到他们的声音。基于这些见解,我们可以部署微型目标竞选活动,帮助选民了解各种政治问题,帮助他们形成自己的想法。
人们经常被电视辩论和报纸上的政治信息所淹没。人工智能可以帮助他们根据自己最关心的事情来发现每个候选人的政治立场。例如,如果一个人对环境政策感兴趣,就可以使用人工智能定位工具来帮助他们了解每个候选人对环境的看法。至关重要的是,个性化的政治广告必须为选民服务,帮助他们获得更多信息,而不是削弱他们的利益。
在政治中使用人工智能技术不会很快就消失。这对政客及其竞选活动来说太有价值了。然而,他们应该承诺在道德上明智地使用人工智能,以确保他们在改变选民的意见时最终不会破坏民主。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15