Postalo je moderno razmišljati o veštačkoj inteligenciji kao o inherentnoj dehumanizujućoj tehnologiji, nemilosrdnoj sili automatizacije koja je oslobodila legije virtuelnih kvalifikovanih radnika u bezličnom obliku. Ali šta ako se pokaže da je veštačka inteligencija jedini alat koji može da identifikuje šta vaše ideje čini posebnim, prepoznajući vašu jedinstvenu perspektivu i potencijal po pitanjima gde je to najvažnije?
Biće vam oprošteno ako ste uznemireni zbog sposobnosti društva da se uhvati u koštac sa ovom novom tehnologijom. Za sada, ne nedostaje predviđanja o demokratskoj propasti koju bi veštačka inteligencija mogla da izazove američkom sistemu vlasti. Postoje opravdani razlozi za zabrinutost da bi veštačka inteligencija mogla da širi dezinformacije, da prekine proces javnog komentara o propisima, da preplavi zakonodavce veštačkim pristupom birača, da pomogne da se automatizuje korporativno lobiranje, ili čak da generiše zakone na način koji je skrojen da koristi uskim interesima.
Ali postoje razlozi da se osećate i sankvinije. Mnoge grupe su počele da demonstriraju potencijalnu korisnu upotrebu veštačke inteligencije za upravljanje. Ključni slučaj konstruktivne upotrebe AI u demokratskim procesima je da služi kao moderator diskusije i stvara konsenzus.
Da bi pomogle demokratiji da se bolje razmjeri suočeni sa rastućim, sve više međusobno povezanim populacijama – kao i širokom dostupnošću jezičkih alata AI koji mogu generirati hrpe teksta pritiskom na dugme – SAD će morati da iskoriste sposobnost AI za brzo varenje, protumačiti i rezimirati ovaj sadržaj .
Postoje dva različita načina da se pristupi upotrebi generativne AI za poboljšanje građanskog učešća i upravljanja. Svaki od njih će verovatno dovesti do drastično različitog iskustva za zagovornike javne politike i druge ljude koji pokušavaju da se njihov glas čuje u budućem sistemu u kojem su AI chatbotovi dominantni čitaoci i pisci javnih komentara.
Na primer, razmotrite pojedinačna pisma predstavniku ili komentare kao deo procesa donošenja propisa. I u jednom i u drugom slučaju mi, ljudi, govorimo vladi šta mislimo i želimo.
Više od pola veka agencije koriste ljudsku moć da pročitaju sve primljene komentare i da generišu sažetke i odgovore na svoje glavne teme. Naravno, digitalna tehnologija je pomogla.
U 2021., Vijeće federalnih šefova podataka preporučilo je modernizaciju procesa pregleda komentara primjenom alata za obradu prirodnog jezika za uklanjanje duplikata i grupiranje sličnih komentara u procese širom vlade. Ovi alati su pojednostavljeni prema standardima veštačke inteligencije 2023. Oni rade tako što procenjuju semantičku sličnost komentara na osnovu metrike kao što je učestalost reči (Koliko često ste rekli „ličnost“?) i grupišu slične komentare i daju recenzentima osećaj na koju temu se odnose. Predstavnici često koriste anegdote birača da bi humanizovali pitanja.
Zamislite ovaj pristup kao urušavanje javnog mnjenja. Oni uzimaju veliku, dlakavu masu komentara od hiljada ljudi i sažimaju ih u uredan skup suštinskog čitanja koje je generalno dovoljno da predstavi široke teme povratnih informacija zajednice. Ovo je mnogo lakše za osoblje male agencije ili zakonodavnu kancelariju nego što bi bilo da zaposleni zaista pročitaju tolike individualne perspektive.
Ali ono što se gubi u ovom kolapsu je individualnost, ličnost i odnosi. Recenzentu sažetih komentara možda nedostaju lične okolnosti koje su dovele do toga da toliki broj komentatora pišu sa zajedničkom tačkom gledišta, i može prevideti argumente i anegdote koji bi mogli biti najubedljiviji sadržaj svedočenja.
Što je najvažnije, recenzenti mogu propustiti priliku da prepoznaju posvećene i obrazovane zagovornike, bilo interesne grupe ili pojedince, koji bi mogli imati dugoročne, produktivne odnose sa agencijom.
Ovi nedostaci imaju stvarne posledice za potencijalnu efikasnost tih hiljada pojedinačnih poruka, potkopavajući ono zbog čega su svi ti ljudi to radili. Ipak, praktičnost naginje ravnotežu ka nekoj vrsti pristupa sumiranja. Strastveno zagovaračko pismo nema nikakvu vrednost ako regulatori ili zakonodavci jednostavno nemaju vremena da ga pročitaju.
Postoji još jedan pristup. Pored urušavanja svedočenja kroz sumiranje, vladino osoblje može da koristi moderne tehnike veštačke inteligencije da ga eksplodira. Oni mogu automatski da pronađu i prepoznaju karakterističan argument iz jednog dela svedočenja koji ne postoji u hiljadama drugih primljenih svedočenja. Oni mogu otkriti vrste konstitutivnih priča i iskustava koje zakonodavci vole da ponavljaju na saslušanjima, u gradskim većnicama i kampanjama. Ovaj pristup može da održi potencijalni uticaj pojedinačnih javnih komentara na oblikovanje zakona čak i kada obim svedočenja može eksponencijalno da raste.
U računarstvu postoji bogata istorija tog tipa zadatka automatizacije u onome što se zove otkrivanje odstupanja. Tradicionalne metode uglavnom uključuju pronalaženje jednostavnog modela koji objašnjava većinu podataka o kojima je reč, kao što je skup tema koje dobro opisuju ogromnu većinu dostavljenih komentara. Ali onda idu korak dalje izolovanjem onih tačaka podataka koje su van okvira — komentara koji ne koriste argumente koji se uklapaju u uredne male grupe.
Najsavremeniji AI jezički modeli nisu neophodni za identifikaciju odstupanja u skupovima podataka tekstualnog dokumenta, ali njihovo korišćenje može doneti veći stepen sofisticiranosti i fleksibilnosti ovoj proceduri. Modeli jezika veštačke inteligencije mogu imati zadatak da identifikuju nove perspektive unutar velikog korpusa teksta samo putem podsticaja. Jednostavno morate reći AI da ih pronađe.
U nedostatku te sposobnosti da izvuku karakteristične komentare, zakonodavci i regulatori nemaju drugog izbora nego da daju prioritet drugim faktorima. Ako nema ništa bolje, „ko je najviše donirao našoj kampanji“ ili „koja kompanija zapošljava najviše mojih bivših zaposlenih“ postaju razumni pokazatelji za davanje prioriteta javnim komentarima. AI može pomoći izabranim predstavnicima da rade mnogo bolje.
Ako Amerikanci žele da veštačka inteligencija pomogne u revitalizaciji posrnule demokratije u zemlji, moraju da razmisle o tome kako da usklade podsticaje izabranih lidera sa podsticajima pojedinaca. Trenutno, čak 90% konstitutivnih komunikacija su masovne e-poruke koje organizuju grupe za zastupanje, a zaposleni ih uglavnom ignorišu. Ljudi kanališu svoje strasti u ogromna digitalna skladišta gde algoritmi čuvaju njihove izraze tako da ne moraju da se čitaju. Kao rezultat toga, podsticaj građanima i grupama za zastupanje je da tu kutiju popune do vrha, pa će neko primetiti da je prepuna.
Talentovani, obrazovani, angažovani građanin treba da bude u stanju da artikuliše svoje ideje i podeli svoja lična iskustva i karakteristične tačke gledišta na način da se oboje mogu uključiti u komentare svih drugih gde doprinose sumiranju i pojedinačno prepoznati među ostalim komentarima. Efikasan proces rezimiranja komentara izvukao bi te jedinstvene tačke gledišta iz gomile i stavio ih u ruke zakonodavaca.
