- പ്രകൃതിയിലും ശാസ്ത്രത്തിലും നടത്തിയ രണ്ട് പ്രധാന പഠനങ്ങൾ തെളിയിക്കുന്നത് രാഷ്ട്രീയ ചാറ്റ്ബോട്ടുകൾക്ക് നിരവധി രാജ്യങ്ങളിലെ മനോഭാവങ്ങളും വോട്ടിംഗ് ഉദ്ദേശ്യങ്ങളും മാറ്റാൻ കഴിയുമെന്നാണ്.
- നിരവധി വാദങ്ങളും ഡാറ്റയും വാഗ്ദാനം ചെയ്യുന്നതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് പ്രേരണ, എന്നിരുന്നാലും ഇത് തെറ്റായ വിവരങ്ങളുടെ അപകടസാധ്യത വർദ്ധിപ്പിക്കുന്നു.
- സ്വാധീനത്തിനായി ഒപ്റ്റിമൈസ് ചെയ്യുന്നത് പ്രേരണാ ഫലത്തെ 25 പോയിന്റുകൾ വരെ ശക്തിപ്പെടുത്തുന്നു, പക്ഷേ പ്രതികരണങ്ങളുടെ സത്യസന്ധത കുറയ്ക്കുന്നു.
- ഈ കണ്ടെത്തലുകൾ യൂറോപ്പിലും മറ്റ് ജനാധിപത്യ രാജ്യങ്ങളിലും നിയന്ത്രണം, സുതാര്യത, ഡിജിറ്റൽ സാക്ഷരത എന്നിവയെക്കുറിച്ച് ഒരു അടിയന്തര ചർച്ചയ്ക്ക് വഴിയൊരുക്കുന്നു.
യുടെ പ്രകോപനം രാഷ്ട്രീയ ചാറ്റ്ബോട്ടുകൾ ഇതൊരു സാങ്കേതിക കഥയല്ലാതായി മാറിയിരിക്കുന്നു. യഥാർത്ഥ തിരഞ്ഞെടുപ്പ് പ്രചാരണങ്ങളിൽ പ്രാധാന്യമർഹിക്കുന്ന ഒരു ഘടകമായി മാറാൻ. AI മോഡലുകളുമായി ഏതാനും മിനിറ്റ് സംഭാഷണങ്ങൾ മാത്രം മതിയാകും. ഒരു സ്ഥാനാർത്ഥിയോടുള്ള സഹതാപം പല പോയിന്റുകളായി മാറ്റുക അല്ലെങ്കിൽ ഒരു പ്രത്യേക നിർദ്ദേശം, അടുത്ത കാലം വരെ വലിയ മാധ്യമ പ്രചാരണങ്ങളുമായോ വളരെ ഏകോപിതമായ റാലികളുമായോ മാത്രം ബന്ധപ്പെട്ടിരുന്ന ഒന്ന്.
ഒരേസമയം പ്രസിദ്ധീകരിച്ച രണ്ട് ദൂരവ്യാപകമായ അന്വേഷണങ്ങൾ പ്രകൃതി y ശാസ്ത്രം, സംശയിച്ചിരുന്ന ഒന്നിന് അവർ നമ്പറുകൾ നൽകിയിട്ടുണ്ട്.: ദി സംഭാഷണ ചാറ്റ്ബോട്ടുകൾക്ക് പൗരന്മാരുടെ രാഷ്ട്രീയ മനോഭാവങ്ങൾ പരിഷ്കരിക്കാൻ കഴിയും. ഒരു യന്ത്രവുമായി ഇടപഴകുകയാണെന്ന് അറിയുമ്പോൾ പോലും, ശ്രദ്ധേയമായ അനായാസതയോടെ. എല്ലാറ്റിനുമുപരി, അവർ അങ്ങനെ ചെയ്യുന്നു വിവരങ്ങൾ നിറഞ്ഞ വാദങ്ങൾസങ്കീർണ്ണമായ മനഃശാസ്ത്ര തന്ത്രങ്ങളിലൂടെ അത്രയധികമല്ല.
കാമ്പെയ്നുകളിലെ ചാറ്റ്ബോട്ടുകൾ: യുഎസ്, കാനഡ, പോളണ്ട്, യുകെ എന്നിവിടങ്ങളിലെ പരീക്ഷണങ്ങൾ.
ടീമുകൾ ഏകോപിപ്പിച്ച നിരവധി പരീക്ഷണങ്ങളിൽ നിന്നാണ് പുതിയ തെളിവുകൾ ലഭിക്കുന്നത്. കോർണൽ യൂണിവേഴ്സിറ്റി കൂടാതെ ഓക്സ്ഫോർഡ് യൂണിവേഴ്സിറ്റി, യഥാർത്ഥ തിരഞ്ഞെടുപ്പ് പ്രക്രിയകളിൽ നടപ്പിലാക്കിയത് യുണൈറ്റഡ് സ്റ്റേറ്റ്സ്, കാനഡ, പോളണ്ട്, യുണൈറ്റഡ് കിംഗ്ഡംഎല്ലാ സാഹചര്യങ്ങളിലും, പങ്കെടുക്കുന്നവർക്ക് തങ്ങൾ ഒരു AI-യുമായി സംസാരിക്കുമെന്ന് അറിയാമായിരുന്നു, പക്ഷേ അവർക്ക് നിയുക്തമാക്കിയ ചാറ്റ്ബോട്ടിന്റെ രാഷ്ട്രീയ ഓറിയന്റേഷനെക്കുറിച്ച് അവർക്ക് അറിയില്ലായിരുന്നു.
നയിച്ച പ്രവർത്തനത്തിൽ ഡേവിഡ് റാൻഡ് നേച്ചറിൽ പ്രസിദ്ധീകരിച്ച, ആയിരക്കണക്കിന് വോട്ടർമാർ ക്രമീകരിച്ച ഭാഷാ മാതൃകകളുമായി ഹ്രസ്വമായ സംഭാഷണങ്ങളിൽ ഏർപ്പെട്ടു. ഒരു പ്രത്യേക സ്ഥാനാർത്ഥിയെ പ്രതിരോധിക്കാൻഉദാഹരണത്തിന്, 2024 ലെ യുഎസ് പ്രസിഡന്റ് തിരഞ്ഞെടുപ്പിൽ, 2.306 പൗരന്മാർ അവർ ആദ്യം അവരുടെ മുൻഗണന സൂചിപ്പിച്ചത് ഡൊണാൾഡ് ട്രംപ് y കമല ഹാരിസ്തുടർന്ന് അവരെ ക്രമരഹിതമായി രണ്ടിൽ ഒന്നിനെ പ്രതിരോധിക്കുന്ന ഒരു ചാറ്റ്ബോട്ടിലേക്ക് നിയോഗിച്ചു.
സംഭാഷണത്തിനുശേഷം, മനോഭാവത്തിലും വോട്ടിംഗ് ഉദ്ദേശ്യത്തിലുമുള്ള മാറ്റങ്ങൾ അളന്നു. ഹാരിസിന് അനുകൂലമായ ബോട്ടുകൾ നേടിയത് ഷിഫ്റ്റ് 3,9 പോയിന്റുകൾ ട്രംപുമായി ആദ്യം യോജിച്ചു പ്രവർത്തിക്കുന്ന വോട്ടർമാർക്കിടയിൽ 0 മുതൽ 100 വരെയുള്ള സ്കെയിലിൽ, രചയിതാക്കൾ കണക്കാക്കുന്ന ഒരു ആഘാതം പരമ്പരാഗത തിരഞ്ഞെടുപ്പ് പരസ്യങ്ങളെക്കാൾ നാലിരട്ടി കൂടുതൽ 2016 ലും 2020 ലും നടന്ന പ്രചാരണങ്ങളിൽ പരീക്ഷിച്ചു. ട്രംപ് അനുകൂല മാതൃകയും സ്ഥാനങ്ങൾ മാറ്റി, കൂടുതൽ മിതമായതാണെങ്കിലും, ഒരു മാറ്റത്തോടെ 1,51 പോയിന്റുകൾ ഹാരിസ് അനുകൂലികൾക്കിടയിൽ.
ഫലങ്ങൾ കാനഡ (കൂടെ 1.530 പേർ പങ്കെടുത്തു ചാറ്റ്ബോട്ടുകൾ പ്രതിരോധിക്കുന്നതും മാർക്ക് കാർണി o പിയറി പൊയിലീവ്രെ) കൂടാതെ പോളണ്ട് (2.118 ആളുകൾ, പ്രൊമോട്ട് ചെയ്ത മോഡലുകൾക്കൊപ്പം റാഫ ł ട്രാസ്കോവ്സ്കി o കരോൾ നവ്റോക്കി) കൂടുതൽ ശ്രദ്ധേയമായിരുന്നു: ഈ സന്ദർഭങ്ങളിൽ, ചാറ്റ്ബോട്ടുകൾ കൈകാര്യം ചെയ്തു വോട്ടിംഗ് ഉദ്ദേശ്യത്തിൽ 10 ശതമാനം പോയിന്റുകൾ വരെയുള്ള മാറ്റങ്ങൾ പ്രതിപക്ഷ വോട്ടർമാർക്കിടയിൽ.
ഈ പരീക്ഷണങ്ങളുടെ ഒരു പ്രധാന വശം, മിക്ക സംഭാഷണങ്ങളും ഏതാനും മിനിറ്റുകൾ മാത്രമേ നീണ്ടുനിന്നുള്ളൂവെങ്കിലും, പ്രഭാവത്തിന്റെ ഒരു ഭാഗം കാലക്രമേണ നിലനിന്നുപരീക്ഷണത്തിന് ഒരു മാസത്തിലേറെയായി അമേരിക്കയിൽ, ആ കാലയളവിൽ പങ്കെടുത്തവർക്ക് ലഭിച്ച പ്രചാരണ സന്ദേശങ്ങളുടെ ഒരു വൻ കുതിച്ചുചാട്ടം ഉണ്ടായിരുന്നിട്ടും, പ്രാരംഭ ആഘാതത്തിന്റെ ഒരു പ്രധാന ഭാഗം ഇപ്പോഴും നിരീക്ഷിക്കപ്പെട്ടു.
ഒരു രാഷ്ട്രീയ ചാറ്റ്ബോട്ടിനെ ബോധ്യപ്പെടുത്തുന്നത് എന്താണ് (അത് കൂടുതൽ പിശകുകൾ സൃഷ്ടിക്കുന്നത് എന്തുകൊണ്ട്)
ചാറ്റ്ബോട്ടുകൾക്ക് ബോധ്യപ്പെടുത്താൻ കഴിയുമോ എന്ന് മാത്രമല്ല, മറിച്ച് അവർ അത് എങ്ങനെ നേടി?പഠനങ്ങളിൽ ആവർത്തിക്കുന്ന രീതി വ്യക്തമാണ്: AI ഏറ്റവും വലിയ സ്വാധീനം ചെലുത്തുന്നത് എപ്പോഴാണ് ഇത് നിരവധി വസ്തുതാധിഷ്ഠിത വാദങ്ങൾ ഉപയോഗിക്കുന്നു.ആ വിവരങ്ങളിൽ ഭൂരിഭാഗവും പ്രത്യേകിച്ച് സങ്കീർണ്ണമല്ലെങ്കിൽ പോലും.
റാൻഡ് ഏകോപിപ്പിച്ച പരീക്ഷണങ്ങളിൽ, മോഡലുകൾക്കുള്ള ഏറ്റവും ഫലപ്രദമായ നിർദ്ദേശം അവരോട് മാന്യൻ, ബഹുമാന്യൻ, ആർക്കാണ് തെളിവ് നൽകാൻ കഴിയുക അദ്ദേഹത്തിന്റെ പ്രസ്താവനകളുടെ പ്രാധാന്യം. മര്യാദയും സംഭാഷണ ശൈലിയും സഹായിച്ചു, പക്ഷേ മാറ്റത്തിനുള്ള പ്രധാന ലിവർ ഡാറ്റ, ഉദാഹരണങ്ങൾ, കണക്കുകൾ, പൊതുനയങ്ങൾ, സമ്പദ്വ്യവസ്ഥ, ആരോഗ്യ സംരക്ഷണം എന്നിവയെക്കുറിച്ചുള്ള നിരന്തരമായ പരാമർശങ്ങൾ എന്നിവയായിരുന്നു.
മോഡലുകൾക്ക് പരിശോധിക്കാവുന്ന വസ്തുതകളിലേക്കുള്ള പ്രവേശനം പരിമിതമായിരുന്നപ്പോൾ, അവരെ ബോധ്യപ്പെടുത്താൻ നിർദ്ദേശിച്ചപ്പോൾ വ്യക്തമായ ഡാറ്റ അവലംബിക്കാതെഅവരുടെ സ്വാധീനശക്തി ഗണ്യമായി കുറഞ്ഞു. ഈ ഫലം, രാഷ്ട്രീയ പ്രചാരണത്തിന്റെ മറ്റ് ഫോർമാറ്റുകളെ അപേക്ഷിച്ച് ചാറ്റ്ബോട്ടുകളുടെ ഗുണം വൈകാരിക കൃത്രിമത്വത്തിലല്ല, മറിച്ച് വിവര സാന്ദ്രത സംഭാഷണത്തിന്റെ ഏതാനും തിരിവുകളിൽ മാത്രമേ അവർക്ക് ഇത് ഉപയോഗിക്കാൻ കഴിയൂ.
എന്നാൽ ഇതേ തന്ത്രത്തിന് ഒരു പോരായ്മയുണ്ട്: മോഡലുകളിൽ സമ്മർദ്ദം വർദ്ധിക്കുമ്പോൾ, വസ്തുതാപരമെന്ന് കരുതപ്പെടുന്ന അവകാശവാദങ്ങൾ വർദ്ധിച്ചുവരികയാണ്സിസ്റ്റത്തിൽ വിശ്വസനീയമായ വസ്തുക്കൾ തീർന്നുപോകാനുള്ള സാധ്യത വർദ്ധിക്കുകയും വസ്തുതകൾ "കണ്ടുപിടിക്കുക"ലളിതമായി പറഞ്ഞാൽ, ചാറ്റ്ബോട്ട് വിശ്വസനീയമെന്ന് തോന്നുന്ന പക്ഷേ അവശ്യം ശരിയല്ലാത്ത ഡാറ്റ ഉപയോഗിച്ച് വിടവുകൾ നികത്തുന്നു.
സയൻസിൽ പ്രസിദ്ധീകരിച്ച പഠനം, യുണൈറ്റഡ് കിംഗ്ഡത്തിൽ നിന്നുള്ള 76.977 മുതിർന്നവർ y 19 വ്യത്യസ്ത മോഡലുകൾ (ചെറിയ ഓപ്പൺ സോഴ്സ് സിസ്റ്റങ്ങൾ മുതൽ അത്യാധുനിക വാണിജ്യ മോഡലുകൾ വരെ), ഇത് വ്യവസ്ഥാപിതമായി ഇത് സ്ഥിരീകരിക്കുന്നു: അനുനയിപ്പിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചുള്ള പോസ്റ്റ്-ട്രെയിനിംഗ് വരെ സ്വാധീനിക്കാനുള്ള കഴിവ് വർദ്ധിപ്പിച്ചു 51%, നിർദ്ദേശങ്ങളിലെ ലളിതമായ മാറ്റങ്ങൾ (എന്ന് വിളിക്കപ്പെടുന്നവ) പ്രേരിപ്പിക്കൽഅവർ മറ്റൊന്ന് കൂടി ചേർത്തു 27% കാര്യക്ഷമത. അതേസമയം, ഈ മെച്ചപ്പെടുത്തലുകൾക്കൊപ്പം ശ്രദ്ധേയമായ കുറവും ഉണ്ടായി. വസ്തുതാപരമായ കൃത്യത.
പ്രത്യയശാസ്ത്രപരമായ അസമമിതികളും തെറ്റായ വിവരങ്ങളുടെ അപകടസാധ്യതയും
കോർണൽ, ഓക്സ്ഫോർഡ് പഠനങ്ങളുടെ ഏറ്റവും അസ്വസ്ഥതയുണ്ടാക്കുന്ന ഒരു നിഗമനം, എല്ലാ സ്ഥാനാർത്ഥികൾക്കും സ്ഥാനങ്ങൾക്കും ഇടയിൽ ബോധ്യപ്പെടുത്തലിനും സത്യസന്ധതയ്ക്കും ഇടയിലുള്ള അസന്തുലിതാവസ്ഥ തുല്യമായി വിതരണം ചെയ്യപ്പെടുന്നില്ല എന്നതാണ്. ചാറ്റ്ബോട്ടുകൾ സൃഷ്ടിച്ച സന്ദേശങ്ങൾ സ്വതന്ത്ര വസ്തുതാ പരിശോധകർ വിശകലനം ചെയ്തപ്പോൾ, അവർ കണ്ടെത്തി വലതുപക്ഷ സ്ഥാനാർത്ഥികളെ പിന്തുണച്ച മോഡലുകൾ കൂടുതൽ തെറ്റുകൾ വരുത്തി പുരോഗമന സ്ഥാനാർത്ഥികളെ പിന്തുണച്ചവരേക്കാൾ.
രചയിതാക്കളുടെ അഭിപ്രായത്തിൽ, ഇത് അസമമിതി മുൻ പഠനങ്ങളുമായി ഇത് പൊരുത്തപ്പെടുന്നു, അത് ഇടതുപക്ഷ ചായ്വുള്ള ഉപയോക്താക്കളേക്കാൾ യാഥാസ്ഥിതിക ഉപയോക്താക്കൾ സോഷ്യൽ മീഡിയയിൽ കൂടുതൽ തെറ്റായ ഉള്ളടക്കം പങ്കിടാൻ പ്രവണത കാണിക്കുന്നുവെന്ന് അവർ കാണിക്കുന്നു.ഭാഷാ മോഡലുകൾ ഇന്റർനെറ്റിൽ നിന്ന് വേർതിരിച്ചെടുത്ത വലിയ അളവിലുള്ള വിവരങ്ങളിൽ നിന്നാണ് പഠിക്കുന്നത് എന്നതിനാൽ, അവ പുതുതായി സൃഷ്ടിക്കുന്നതിനുപകരം ആ പക്ഷപാതത്തെ പ്രതിഫലിപ്പിക്കുന്നുണ്ടാകാം.
എന്തായാലും, പരിണതഫലം ഒന്നുതന്നെയാണ്: ഒരു പ്രത്യേക പ്രത്യയശാസ്ത്ര സംഘത്തിന് അനുകൂലമായി അതിന്റെ പ്രേരണാ ശക്തി പരമാവധിയാക്കാൻ ഒരു ചാറ്റ്ബോട്ടിനോട് നിർദ്ദേശിക്കുമ്പോൾ, മോഡൽ തെറ്റിദ്ധരിപ്പിക്കുന്ന അവകാശവാദങ്ങളുടെ അനുപാതം വർദ്ധിപ്പിക്കുക, എന്നിരുന്നാലും ഞാൻ അവ ധാരാളം ശരിയായ ഡാറ്റയുമായി കൂട്ടിക്കലർത്തുന്നത് തുടരുന്നു. തെറ്റായ വിവരങ്ങൾ ചോരുന്നു എന്നതു മാത്രമല്ല പ്രശ്നം.പക്ഷേ അത് ന്യായയുക്തവും നന്നായി രേഖപ്പെടുത്തപ്പെട്ടതുമായ ഒരു വിവരണത്തിൽ പൊതിഞ്ഞതാണ്..
ഗവേഷകർ ഒരു അസുഖകരമായ കാര്യം കൂടി എടുത്തുകാണിക്കുന്നു: തെറ്റായ അവകാശവാദങ്ങൾ സ്വാഭാവികമായും കൂടുതൽ ബോധ്യപ്പെടുത്തുന്നതാണെന്ന് അവർ തെളിയിച്ചിട്ടില്ല.എന്നിരുന്നാലും, AI കൂടുതൽ ഫലപ്രദമാകാൻ നിർബന്ധിതമാകുമ്പോൾ, പിശകുകളുടെ എണ്ണം സമാന്തരമായി വളരുന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, കൃത്യതയിൽ വിട്ടുവീഴ്ച ചെയ്യാതെ ബോധ്യപ്പെടുത്തുന്ന പ്രകടനം മെച്ചപ്പെടുത്തുന്നത് പരിഹരിക്കപ്പെടാതെ തുടരുന്ന ഒരു സാങ്കേതികവും ധാർമ്മികവുമായ വെല്ലുവിളിയായി സ്വയം വെളിപ്പെടുത്തുന്നു.
ഈ പാറ്റേൺ പ്രത്യേകിച്ചും സന്ദർഭങ്ങളിൽ ആശങ്കാജനകമാണ് ഉയർന്ന രാഷ്ട്രീയ ധ്രുവീകരണംയൂറോപ്പിലെയും വടക്കേ അമേരിക്കയിലെയും ചില ഭാഗങ്ങളിൽ അനുഭവപ്പെട്ടതുപോലെ, വിജയത്തിന്റെ മാർജിൻ ഇടുങ്ങിയതും ഒരുപിടി ശതമാന പോയിന്റുകൾക്ക് പൊതു തിരഞ്ഞെടുപ്പിന്റെയോ പ്രസിഡന്റ് തിരഞ്ഞെടുപ്പിന്റെയോ ഫലം നിർണ്ണയിക്കാൻ കഴിയുന്നതുമാണ്.
ബാലറ്റ് പെട്ടിയിലെ യഥാർത്ഥ സ്വാധീനത്തെക്കുറിച്ചുള്ള പഠനങ്ങളുടെയും സംശയങ്ങളുടെയും പരിമിതികൾ
പ്രകൃതിയുടെയും ശാസ്ത്രത്തിന്റെയും ഫലങ്ങൾ ഉറച്ചതും അവരുടെ പ്രധാന നിഗമനങ്ങളിൽ യോജിക്കുന്നതുമാണെങ്കിലും, രണ്ട് ടീമുകളും അത് ഉറപ്പിച്ചു പറയുന്നു ഇവ നിയന്ത്രിത പരീക്ഷണങ്ങളാണ്, യഥാർത്ഥ പ്രചാരണങ്ങളല്ല.ക്ഷണിക്കുന്ന നിരവധി ഘടകങ്ങളുണ്ട് ഡാറ്റ എക്സ്ട്രാപോളേറ്റ് ചെയ്യുമ്പോൾ ശ്രദ്ധിക്കുക തെരുവിലെ ഒരു തിരഞ്ഞെടുപ്പ് പോലെ.
ഒരു വശത്ത്, പങ്കെടുക്കുന്നവർ സ്വമേധയാ എൻറോൾ ചെയ്യുകയോ അല്ലെങ്കിൽ സാമ്പത്തിക നഷ്ടപരിഹാരം വാഗ്ദാനം ചെയ്യുന്ന പ്ലാറ്റ്ഫോമുകൾ വഴി റിക്രൂട്ട് ചെയ്യുകയോ ചെയ്തു, ഇത് പരിചയപ്പെടുത്തുന്നു സ്വയം തിരഞ്ഞെടുക്കൽ പക്ഷപാതങ്ങൾ, അത് യഥാർത്ഥ വോട്ടർമാരുടെ വൈവിധ്യത്തിൽ നിന്ന് അകന്നുപോകുന്നു.കൂടാതെ, അവർക്ക് എല്ലായ്പ്പോഴും അത് അറിയാമായിരുന്നു അവർ ഒരു AI യോട് സംസാരിക്കുകയായിരുന്നു. ഒരു സാധാരണ പ്രചാരണ പരിപാടിയിൽ ആവർത്തിക്കാൻ സാധ്യതയില്ലാത്ത ഒരു പഠനത്തിന്റെ ഭാഗമായിരുന്നു അത്.
മറ്റൊരു പ്രധാന സൂക്ഷ്മത, പഠനങ്ങൾ പ്രാഥമികമായി അളന്നത് മനോഭാവങ്ങളിലും പ്രഖ്യാപിത ഉദ്ദേശ്യങ്ങളിലും വരുന്ന മാറ്റങ്ങൾയഥാർത്ഥ വോട്ടെടുപ്പ് അല്ല. ഇവ ഉപയോഗപ്രദമായ സൂചകങ്ങളാണ്, പക്ഷേ തിരഞ്ഞെടുപ്പ് ദിവസത്തെ അന്തിമ പെരുമാറ്റം നിരീക്ഷിക്കുന്നതിന് തുല്യമല്ല. വാസ്തവത്തിൽ, യുഎസ് പരീക്ഷണങ്ങളിൽ, കാനഡയിലും പോളണ്ടിലും ഉള്ളതിനേക്കാൾ അല്പം കുറവായിരുന്നു ഫലം, ഇത് രാഷ്ട്രീയ സാഹചര്യവും മുൻകാല അനിശ്ചിതത്വത്തിന്റെ അളവും കാര്യമായ സ്വാധീനം ചെലുത്തുന്നുവെന്ന് സൂചിപ്പിക്കുന്നു.
ഏകോപിപ്പിച്ച ബ്രിട്ടീഷ് പഠനത്തിന്റെ കാര്യത്തിൽ കോബി ഹാക്കെൻബർഗ് യുകെയിലെ AI സെക്യൂരിറ്റി ഇൻസ്റ്റിറ്റ്യൂട്ടിൽ നിന്നും വ്യക്തമായ നിയന്ത്രണങ്ങളുണ്ട്: ഡാറ്റ വരുന്നത് യുണൈറ്റഡ് കിംഗ്ഡത്തിലെ വോട്ടർമാർ, അവർ ഒരു അക്കാദമിക് അന്വേഷണത്തിൽ പങ്കെടുക്കുന്നുണ്ടെന്ന് അവർക്കെല്ലാം അറിയാമായിരുന്നു, കൂടാതെ സാമ്പത്തിക നഷ്ടപരിഹാരംഇത് മറ്റ് EU രാജ്യങ്ങളിലേക്കോ നിയന്ത്രണമില്ലാത്ത സന്ദർഭങ്ങളിലേക്കോ അതിന്റെ സാമാന്യവൽക്കരണം പരിമിതപ്പെടുത്തുന്നു.
എന്നിരുന്നാലും, ഈ കൃതികളുടെ വ്യാപ്തി - പതിനായിരക്കണക്കിന് പങ്കാളികളും അതിലധികവും 700 വ്യത്യസ്ത രാഷ്ട്രീയ വിഷയങ്ങൾ— രീതിശാസ്ത്രപരമായ സുതാര്യത അക്കാദമിക് സമൂഹത്തിലെ വലിയൊരു വിഭാഗത്തെ അത് പരിഗണിക്കാൻ പ്രേരിപ്പിച്ചു അവർ ഒരു വിശ്വസനീയമായ സാഹചര്യം വരയ്ക്കുന്നുഅഭിപ്രായങ്ങളെ താരതമ്യേന വേഗത്തിൽ മാറ്റാൻ കഴിവുള്ള രാഷ്ട്രീയ ചാറ്റ്ബോട്ടുകളുടെ ഉപയോഗം ഇനി ഒരു ഭാവി സിദ്ധാന്തമല്ല, മറിച്ച് വരാനിരിക്കുന്ന പ്രചാരണങ്ങളിൽ സാങ്കേതികമായി സാധ്യമായ ഒരു സാഹചര്യമാണ്.
യൂറോപ്പിനും മറ്റ് ജനാധിപത്യ രാജ്യങ്ങൾക്കും വേണ്ടിയുള്ള ഒരു പുതിയ തിരഞ്ഞെടുപ്പ് കളിക്കാരൻ
യുഎസ്, കാനഡ, പോളണ്ട്, യുകെ എന്നിവയുടെ പ്രത്യേക കേസുകൾക്കപ്പുറം, കണ്ടെത്തലുകൾക്ക് നേരിട്ടുള്ള പ്രത്യാഘാതങ്ങളുണ്ട്. യൂറോപ്പും സ്പെയിനുംസോഷ്യൽ മീഡിയയിലെ രാഷ്ട്രീയ ആശയവിനിമയത്തിന്റെ നിയന്ത്രണവും പ്രചാരണങ്ങളിൽ വ്യക്തിഗത ഡാറ്റയുടെ ഉപയോഗവും ഇതിനകം തന്നെ തീവ്രമായ ചർച്ചാ വിഷയമായിട്ടുണ്ട്. വോട്ടർമാരുമായുള്ള വ്യക്തിഗത സംഭാഷണങ്ങൾ ഇത് സങ്കീർണ്ണതയുടെ ഒരു അധിക പാളി ചേർക്കുന്നു.
ഇതുവരെ, രാഷ്ട്രീയ പ്രേരണ പ്രധാനമായും സ്റ്റാറ്റിക് പരസ്യങ്ങൾ, റാലികൾ, ടെലിവിഷൻ ചർച്ചകൾ, സോഷ്യൽ മീഡിയസംഭാഷണ സഹായികളുടെ വരവ് ഒരു പുതിയ ഘടകം അവതരിപ്പിക്കുന്നു: നിലനിർത്താനുള്ള കഴിവ് ഒറ്റത്തവണ ഇടപെടലുകൾ, പൗരൻ തത്സമയം പറയുന്ന കാര്യങ്ങൾക്ക് അനുസൃതമായി, പ്രചാരണ സംഘാടകർക്ക് പ്രായോഗികമായി വളരെ കുറഞ്ഞ ചിലവിൽ.
വോട്ടർ ഡാറ്റാബേസ് ആര് നിയന്ത്രിക്കുന്നു എന്നതല്ല ഇനി പ്രധാനം, മറിച്ച് ആർക്കാണ് ഇത് ചെയ്യാൻ കഴിയുക എന്നതാണ് ഗവേഷകർ ഊന്നിപ്പറയുന്നത്. വാദങ്ങൾക്ക് മറുപടി നൽകാനും, പരിഷ്കരിക്കാനും, പകർപ്പെടുക്കാനും കഴിവുള്ള മോഡലുകൾ വികസിപ്പിക്കുക. ഒരു സ്വിച്ച്ബോർഡിലോ തെരുവ് പോസ്റ്റിലോ ഒരു മനുഷ്യ വളണ്ടിയർക്ക് കൈകാര്യം ചെയ്യാൻ കഴിയുന്നതിനേക്കാൾ വളരെ അധികമായ വിവരങ്ങളുമായി തുടർച്ചയായി.
ഈ സാഹചര്യത്തിൽ, ഇറ്റാലിയൻ വിദഗ്ദ്ധന്റെ ശബ്ദങ്ങൾ പോലുള്ള ശബ്ദങ്ങൾ വാൾട്ടർ ക്വാട്രോസിയോച്ചി ആക്രമണാത്മക വ്യക്തിഗതമാക്കലിൽ നിന്നോ പ്രത്യയശാസ്ത്രപരമായ വിഭജനത്തിൽ നിന്നോ നിയന്ത്രണ ശ്രദ്ധ മാറണമെന്ന് അവർ നിർബന്ധിക്കുന്നു. വിവര സാന്ദ്രത മോഡലുകൾക്ക് നൽകാൻ കഴിയുന്നത്. വൈകാരിക തന്ത്രങ്ങൾ ഉപയോഗിക്കുമ്പോഴല്ല, ഡാറ്റ ഗുണിക്കുമ്പോഴാണ് പ്രേരണ പ്രധാനമായും വളരുന്നതെന്ന് പഠനങ്ങൾ കാണിക്കുന്നു.
La പ്രകൃതിയും ശാസ്ത്രവും തമ്മിലുള്ള ഫലങ്ങളുടെ യാദൃശ്ചികത യൂറോപ്യൻ സംഘടനകളിൽ ആശങ്ക ഉയർത്തിയിട്ടുണ്ട്. ആശങ്കാകുലരാണ് ജനാധിപത്യ പ്രക്രിയകളുടെ സമഗ്രതഡിജിറ്റൽ സർവീസസ് ആക്ട് അല്ലെങ്കിൽ ഭാവിയിലെ നിർദ്ദിഷ്ട AI നിയന്ത്രണം പോലുള്ള ചട്ടക്കൂടുകളിൽ യൂറോപ്യൻ യൂണിയൻ പുരോഗതി കൈവരിക്കുന്നുണ്ടെങ്കിലും, ഈ മോഡലുകൾ വികസിക്കുന്ന വേഗത മേൽനോട്ടം, ഓഡിറ്റിംഗ്, സുതാര്യത എന്നിവയ്ക്കുള്ള സംവിധാനങ്ങളുടെ നിരന്തരമായ അവലോകനം ഇതിന് ആവശ്യമാണ്..
ഡിജിറ്റൽ സാക്ഷരതയും യാന്ത്രിക പ്രേരണയ്ക്കെതിരായ പ്രതിരോധവും
ഈ കൃതികൾക്കൊപ്പമുള്ള അക്കാദമിക് വ്യാഖ്യാനങ്ങളിലെ ആവർത്തിച്ചുള്ള സന്ദേശങ്ങളിലൊന്ന്, പ്രതികരണം വിലക്കുകളെയോ സാങ്കേതിക നിയന്ത്രണങ്ങളെയോ മാത്രം അടിസ്ഥാനമാക്കിയുള്ളതല്ല എന്നതാണ്. ശക്തിപ്പെടുത്തേണ്ടത് അത്യാവശ്യമാണെന്ന് രചയിതാക്കൾ സമ്മതിക്കുന്നു. ഡിജിറ്റൽ സാക്ഷരത ജനസംഖ്യയുടെ, അങ്ങനെ പൗരന്മാർ പഠിക്കും പ്രേരണയെ തിരിച്ചറിയുകയും ചെറുക്കുകയും ചെയ്യുക ഓട്ടോമാറ്റിക് സിസ്റ്റങ്ങൾ സൃഷ്ടിച്ചത്.
പ്രസിദ്ധീകരിച്ചത് പോലുള്ള പൂരക പരീക്ഷണങ്ങൾ PNAS നെക്സസ്വലിയ ഭാഷാ മോഡലുകൾ എത്രത്തോളം പ്രവർത്തിക്കുന്നുവെന്ന് നന്നായി മനസ്സിലാക്കുന്ന ഉപയോക്താക്കൾ കുറവ് ദുർബലമാണ് ഒരു ചാറ്റ്ബോട്ട് തെറ്റാകാമെന്നും, അതിശയോക്തിപരമായി പറയാനും, അല്ലെങ്കിൽ ഊഹക്കച്ചവടം കൊണ്ട് വിടവുകൾ നികത്താമെന്നും അറിയുന്നത്, അതിന്റെ സന്ദേശങ്ങൾ തെറ്റുപറ്റാത്ത ഒരു അധികാരിയിൽ നിന്ന് വരുന്നതുപോലെ സ്വീകരിക്കാനുള്ള പ്രവണത കുറയ്ക്കുന്നു.
അതേസമയം, AI യുടെ ബോധ്യപ്പെടുത്തുന്ന ഫലപ്രാപ്തി, സംഭാഷണക്കാരൻ ഒരു വിദഗ്ദ്ധ മനുഷ്യനോട് സംസാരിക്കുന്നുവെന്ന് വിശ്വസിക്കുന്നതിനെ ആശ്രയിച്ചല്ല, മറിച്ച് വാദങ്ങളുടെ ഗുണനിലവാരവും സ്ഥിരതയും ചില പരിശോധനകളിൽ, ചാറ്റ്ബോട്ട് സന്ദേശങ്ങൾക്ക് പോലും ഗൂഢാലോചന സിദ്ധാന്തങ്ങളിലുള്ള വിശ്വാസം കുറയ്ക്കുക, പങ്കെടുക്കുന്നവർ ഒരു വ്യക്തിയുമായോ അല്ലെങ്കിൽ ഒരു മെഷീനുമായോ ചാറ്റ് ചെയ്യുകയാണെന്ന് കരുതിയോ ഇല്ലയോ എന്നത് പരിഗണിക്കാതെ തന്നെ.
ഇത് സൂചിപ്പിക്കുന്നത് സാങ്കേതികവിദ്യ തന്നെ അന്തർലീനമായി ദോഷകരമല്ല എന്നാണ്: ഇത് രണ്ടിനും ഉപയോഗിക്കാം തെറ്റായ വിവരങ്ങൾക്കെതിരെ പോരാടുക അത് പ്രചരിപ്പിക്കുന്നതിനായിമോഡലിന് നൽകുന്ന നിർദ്ദേശങ്ങൾ, അത് പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റ, എല്ലാറ്റിനുമുപരി, അത് പ്രയോഗത്തിൽ വരുത്തുന്നവരുടെ രാഷ്ട്രീയമോ വാണിജ്യപരമോ ആയ ലക്ഷ്യങ്ങൾ എന്നിവയിലൂടെയാണ് അതിർത്തി നിർണ്ണയിക്കുന്നത്.
സർക്കാരുകളും നിയന്ത്രണ ഏജൻസികളും സുതാര്യതയുടെ പരിധികളെയും ആവശ്യകതകളെയും കുറിച്ച് വാദിക്കുമ്പോൾ, ഈ കൃതികളുടെ രചയിതാക്കൾ ഒരു ആശയത്തിൽ ഉറച്ചുനിൽക്കുന്നു: രാഷ്ട്രീയ ചാറ്റ്ബോട്ടുകൾ പൊതുജനങ്ങൾ അവരുമായി ഇടപഴകാൻ സമ്മതിച്ചാൽ മാത്രമേ അവർക്ക് വലിയ സ്വാധീനം ചെലുത്താൻ കഴിയൂ.അതിനാൽ, അതിന്റെ ഉപയോഗം, അതിന്റെ വ്യക്തമായ ലേബലിംഗ്, യാന്ത്രിക പ്രേരണയ്ക്ക് വിധേയമാകാതിരിക്കാനുള്ള അവകാശം എന്നിവയെക്കുറിച്ചുള്ള പൊതുചർച്ച വരും വർഷങ്ങളിലെ ജനാധിപത്യ സംഭാഷണത്തിലെ കേന്ദ്ര വിഷയങ്ങളായി മാറും.
നേച്ചർ ആൻഡ് സയൻസിലെ ഗവേഷണം വരച്ച ചിത്രം അവസരങ്ങളെയും അപകടസാധ്യതകളെയും വെളിപ്പെടുത്തുന്നു: പൊതു നയങ്ങൾ നന്നായി വിശദീകരിക്കാനും സങ്കീർണ്ണമായ സംശയങ്ങൾ പരിഹരിക്കാനും AI ചാറ്റ്ബോട്ടുകൾക്ക് സഹായിക്കാനാകും, പക്ഷേ അവയ്ക്ക് അവർക്ക് അതിനുള്ള കഴിവുണ്ട് തിരഞ്ഞെടുപ്പ് തുലാസിൽ തിളക്കം നൽകാൻപ്രത്യേകിച്ച് തീരുമാനമെടുക്കാത്ത വോട്ടർമാർക്കിടയിൽ, അവർ അങ്ങനെ ചെയ്യുന്നത് ഒരു അവരുടെ ബോധ്യപ്പെടുത്തൽ ശക്തി പരമാവധിയാക്കാൻ പരിശീലിപ്പിക്കപ്പെടുമ്പോൾ വിവര കൃത്യതയുടെ കാര്യത്തിൽ വ്യക്തമായ വില., ജനാധിപത്യ രാജ്യങ്ങൾ അടിയന്തിരമായും നിഷ്കളങ്കതയുമില്ലാതെയും അഭിസംബോധന ചെയ്യേണ്ട ഒരു സൂക്ഷ്മമായ സന്തുലിതാവസ്ഥ.
അവൻ്റെ "ഗീക്ക്" താൽപ്പര്യങ്ങൾ ഒരു തൊഴിലാക്കി മാറ്റിയ ഒരു സാങ്കേതിക തത്പരനാണ് ഞാൻ. എൻ്റെ ജീവിതത്തിൻ്റെ 10 വർഷത്തിലേറെ ഞാൻ അത്യാധുനിക സാങ്കേതികവിദ്യ ഉപയോഗിച്ചും ശുദ്ധമായ ജിജ്ഞാസയിൽ നിന്ന് എല്ലാത്തരം പ്രോഗ്രാമുകളും ഉപയോഗിച്ച് ചെലവഴിച്ചു. ഇപ്പോൾ ഞാൻ കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യയിലും വീഡിയോ ഗെയിമുകളിലും സ്പെഷ്യലൈസ് ചെയ്തിട്ടുണ്ട്. കാരണം, 5 വർഷത്തിലേറെയായി ഞാൻ സാങ്കേതികവിദ്യയിലും വീഡിയോ ഗെയിമുകളിലും വിവിധ വെബ്സൈറ്റുകൾക്കായി എഴുതുന്നു, എല്ലാവർക്കും മനസ്സിലാകുന്ന ഭാഷയിൽ നിങ്ങൾക്കാവശ്യമായ വിവരങ്ങൾ നൽകാൻ ശ്രമിക്കുന്ന ലേഖനങ്ങൾ സൃഷ്ടിക്കുന്നു.
നിങ്ങൾക്ക് എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടെങ്കിൽ, എൻ്റെ അറിവ് വിൻഡോസ് ഓപ്പറേറ്റിംഗ് സിസ്റ്റവുമായി ബന്ധപ്പെട്ട എല്ലാത്തിലും മൊബൈൽ ഫോണുകൾക്കായുള്ള ആൻഡ്രോയിഡുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. എൻ്റെ പ്രതിബദ്ധത നിങ്ങളോടാണ്, ഈ ഇൻ്റർനെറ്റ് ലോകത്ത് നിങ്ങൾക്കുണ്ടായേക്കാവുന്ന ഏത് ചോദ്യങ്ങളും പരിഹരിക്കാൻ കുറച്ച് മിനിറ്റ് ചെലവഴിക്കാനും നിങ്ങളെ സഹായിക്കാനും ഞാൻ എപ്പോഴും തയ്യാറാണ്.