扎克伯格听证会受审被质疑作秀，社交媒体与AI成政治工具？

2018 年 4 月 12 日 AI前线 AI与政治

作者 | Manuj Aggarwal

译者 | Liu Zhiyong

编辑 | Debra Chen

AI 前线导读： Facebook创始人兼CEO马克扎克伯格因为泄漏用户数据的丑闻成为众矢之的，在近日接连两场的听证会中，小扎就此事向公众道歉（已经有人将昨天成为全球互联网道歉日……）。尽管如此，Facebook缺乏社会责任的形象已经在美国人民心里留下了深深的烙印，不只因为它泄漏用户隐私、传播虚假新闻，更重要的是它俨然已经成为政治斗争的根据地，游说者、间谍、阴谋家已经侵蚀了它，威胁到国家的根基，唐纳德·特朗普成为美国新总统，就是利用人工智能在政治活动中的应用最鲜活的例子。今天，我们将Manuj Aggarwal撰写的博文Machine learning, Deep learning, and Artificial Intelligence in politics（政治中的机器学习、深度学习和人工智能）翻译成文，以飨读者。

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

“Google 最终会向人工智能靠近。因此，我们会拥有终极版本的搜索引擎，可以理解网络中的一切。这种搜索引擎将能够确切地理解你们所想的一切，而且还能够给你们提供一切正确的东西。这就是人工智能，能够回答一切问题，究其基本原因，就是因为几乎一切都出现在网络世界中，不是吗？我们现在还无法接近这一目标。然而，我们最终将能够无限接近，这也是我们正在努力的方向。”

——Larry Page

当我们谈到机器学习、深度学习和人工智能时，它给我们带来的是一幅俄罗斯套娃的印象，这些娃娃是一个套一个组成，其中最大的套娃就是人工智能，它既能套机器学习，又能套它的子集——深度学习。人工智能定义了人机关系，当机器变得智能化时，它们可以连接数据点、理解请求并得出结论。

让我们设想以下场景：

当你准备出差时，你的智能设备会自动为你提供目的地的天气预报以及其他旅差的提醒；
当你为爱人筹备一个惊喜的周年晚宴时，你的智能机器人会帮你预约好，甚至提醒你去取蛋糕。

在上述场景中，机器理解需要哪些信息，了解所有变量之间的关系，推导出答案并自动和你通信。

简而言之，机器学习和深度学习是人工智能的子域。现在，我们来谈谈这些智能技术除了成为日常生活的一部分外，是如何进入政治舞台的。

当你需要从大量数据中找寻意义时，你可能很难决定从哪着手寻找有趣的趋势，因此你开始探索数据。为了完成这一任务，我们转而使用机器学习来帮助完成这一点。借由机器学习，计算机能够切换到自我学习模式，而无需明确的编程。换言之，它是使用算法来解析数据、然后对某事做出预测的最基本的方法。机器学习模型在系统中已经存在了一段时间，但它自动将复杂算法与大数据相关联的能力，在过去几年里得到了推动，并且也进入了政治领域。

如果你回顾一下现代史，你将会发现，大多政党都有为数不多的工具来监督他们的竞选活动。在竞选时他们更依赖的是本能而不是洞察力。但是现在，越来越多的政治活动依靠大数据来最大限度地提高活动的有效性。

机器学习系统使用的统计技术可以自动识别大量数据中的模式。事实上，现在，在选举活动中机器学习系统已经被小心翼翼地部署，以吸引选民，并使他们意识到重要的政治问题。

随着视听技术的发展和各种社交媒体的大量使用，帖子和图片已经成为政党与选民互动的新常态。使用神经网络技术或者深度学习，这些政党得以拥有一种无可比拟的能力：研究这些帖子和图片是如何影响公众舆论的。

政治形象是为了说服选民投票支持或者反对任何政党而创立的。借由神经网络的使用，政客可以完成这一任务。神经网络提供了从政治相关的人物和对象中提取特征的关键。

这种神经网络，或更广为人知的深度学习，是机器学习的一个子集。它是一种相互关联的单元组成的计算系统。信息是通过响应外部的输入来处理的，并且这个过程需要多次传递数据才能派生出含义。这种方法用在大量数据中学习复杂的模式。图像和语音识别是其中的典型应用。

人工智能融入政治活动的途径似乎多种多样。从提供一系列的计算机算法，到针对特定选民群体的网络活动，然后到更高层次的政治工作，再到公共部门工作自动化，最后到起到政府决策的角色作用，这些可能性都是无限的。

人工智能在政治体系中的关键作用体现在政党竞选期间。现在，许多政党使用这些算法来确定选民中的特定群体，通过为他们量身定做的广告活动，为他们带来潜在的选民。最常见的例子是分析 Facebook 用户的在线行为，然后用他们感兴趣的广告将选民吸引过来。

然而，技术的使用可能会引发伦理问题，因为人工智能可以用来操作选民：人工智能利用公众在互联网的足迹建立选民档案，然后向其发送定制的消息。另一个不利因素是，政党可以利用人工智能在社交媒体上传播假新闻来愚弄选民。政党一直在使用具有自主账户的智能机器人，这些账户被设定为持续传播片面的政治资讯，从而在选民中产生错觉。在 Facebook 和 Twitter 等社交媒体平台上，出现了一种激烈的政治氛围，凸显了某个政党或候选人的负面信息。

然而，这些问题并不能归咎于技术，而是在于整个政治体系的隐蔽性。对人工智能的道德方法可以为政治体系创造奇迹。用来误导和迷惑选民的算法也可以很好地用于支持民主。事实上，人工智能可以用来确保他们选出的候选人能够倾听到公众的声音。

专家们认为，随着人工智能技术的发展，将可能有越来越多的政治团体将资金投入其中。

结论

随着机器学习、深度学习和人工智能的不断成熟和发展，现在是时候开始试验这些技术如何帮助政党更智能、更好、更快的开展工作了。它可以用来从数据中获得有意义的见解，并使现有操作自动化。人工智能的能力已经有了显著的飞跃，并将更上一层楼。目睹政治将如何把人工智能融入到他们的运作中，以及它的规模能变得有多大，这将是一件令人兴奋的事情。

原文链接：Machine learning, Deep learning, and Artificial Intelligence in politics

https://medium.com/@manuj.aggarwal/machine-learning-deep-learning-and-artificial-intelligence-in-politics-5ea834dbb3c2