Kā mākslīgā intelekta pūļa simulācija prognozē sabiedrības reakcijas

Mākslīgā intelekta pūļa simulācija prognozē sabiedrības reakcijas, veidojot mākslīgā intelekta aģentu populāciju no reāla konteksta un ļaujot tiem laika gaitā mijiedarboties, nevis lūdzot vienam modelim vienu atbildi. InfoDome platformā jūsu dokuments kļūst par zināšanu grafu, grafs kļūst par simtiem aģentu ar savu raksturu, pozīciju un atmiņu, un šie aģenti debatē divās simulētās platformās izvēlētu raundu skaitu. Pēc tam analītiķa aģents nolasa notikušo un uzraksta prognozes ziņojumu, kuru varat apšaubīt.

Kāpēc simulēt pūli, nevis jautāt vienam modelim?

Ja pajautāsiet vienam mākslīgā intelekta modelim: "Kā cilvēki uz to reaģēs?", jūs iegūsiet vienu ticamu rindkopu. Tā bieži vien ir saprātīga, taču tā ir vidējā vērtība: viena balss iztēlojas visus vienlaikus. Reālas reakcijas tā nenotiek. Cilvēki reaģē viens uz otru. Kritiķa ieraksts veido to, kā neitrāls lasītājs redz ziņas; aizstāvja atbilde maina kritiķa tālāko teikto; žurnālists uztver skaļāko, nevis precīzāko kadrējumu.

Pūļa simulācija cenšas aptvert šo dinamiku. Vienas iedomātas vienprātības vietā tā modelē daudzus atšķirīgus dalībniekus un ļauj rezultātam rasties no viņu mijiedarbības. Tāpēc rezultāts var jūs pārsteigt un tāpēc ir vērts pārbaudīt pārsteigumus. Plašāka metode ir pazīstama kā daudzaģentu simulācija; mēs izskaidrojam tās pamatojumu sadaļā , kas ir daudzaģentu simulācija .

1. solis: No dokumenta līdz zināšanu grafikam

Viss sākas ar jūsu materiālu: ziņām, plāniem, ziņojumiem, politikas projektiem vai daiļliteratūru PDF, Markdown vai teksta formātā. InfoDome to nolasa kopā ar jūsu vienkāršā valodā aprakstīto informāciju par to, ko vēlaties prognozēt, un izveido zināšanu grafiku:

• Entītijas : tekstā minētās personas, organizācijas un grupas.
• Attiecības : kas atbalsta, iebilst, no kā ir atkarīgs, par ko ir ziņojis vai ar ko konkurē.
• Konteksts : fakti un pozīcijas, ko teksts piedēvē katram no tiem.

Grafikam ir nozīme, jo tas piesaista simulāciju jūsu situācijai, nevis vispārīgiem pieņēmumiem. Tas ir arī jums redzams, tāpēc varat redzēt, ko sistēma saprata, pirms kaut kas tiek palaists.

2. solis: No grafika līdz aģentiem

No grafika un jūsu auditorijas apraksta InfoDome izveido simtiem mākslīgā intelekta aģentu; precīzs skaits ir atkarīgs no dokumenta. Katrs aģents saņem:

• Raksturs : temperaments, intereses, veids, kā tas mēdz runāt un iesaistīties.
• Pozīcija : kur tā sākas ar problēmu, ko norāda grafiks.
• Ilgtermiņa atmiņa : redzētais, teiktais un stāstītais, kas saglabājas pāri raundiem.
• Valsts : varat izvēlēties līdz 10 auditorijas valstīm, un aģenti tiek vienādi sadalīti starp tām. Dokumentā norādītās īstās entītijas saglabā savu valsti.

Šī sajaukšana ir apzināta. Daži aģenti pārstāv nosauktas organizācijas vai cilvēkus no jūsu teksta; citi pārstāv plašākas auditorijas locekļus, tāpēc simulācija ietver gan redzamos dalībniekus, gan pūli, kas uz tiem reaģē.

3. solis: raundi uz divām platformām

Pēc tam aģenti mijiedarbojas simulētā sociālajā tīklā, kas paralēli darbojas divās platformās:

• Twitter līdzīga plūsma : īsi ieraksti, ātras reakcijas, atkārtoti ieraksti. Šeit ātri izplatās kadri un tonis kļūst arvien izteiktāks.
• Reddit līdzīgs forums : garākas tēmas un atbildes. Šeit tiek pārbaudīti argumenti, apspriestas detaļas un nostājas kļūst stingrākas vai mīkstākas.

Jūs izvēlaties kārtu skaitu, piemēram, 10, 20 vai 40. Katrā kārtā aģenti izlasa citu publicēto, izlemj, vai un kā atbildēt, un atjaunina savu atmiņu. Tā kā atmiņa tiek pārnesta uz nākamo kārtu, 15. kārtu veido tas, kas notika 1. līdz 14. kārtā. Arguments, uz kuru agri netika atbildēts, vēlāk var kļūt par vispārpieņemtu gudrību; labojums, kas pienāk novēloti, var nekad nepanākt.

4. solis: no sarunas līdz ziņojumam

Pēc pēdējās kārtas analītiķa aģents izpēta simulēto aktivitāti un uzraksta prognozēšanas ziņojumu ar secinājumiem: dominējošie naratīvi, kuras grupas pārvietojās un kāpēc, kuri dalībnieki darbojās kā pastiprinātāji, kādi riski un paliek neatrisināti jautājumi. Ziņojums nav vienīgais rezultāts. Varat atvērt pamatā esošās ziņas, intervēt jebkuru aģentu par tā argumentāciju un uzdot analītiķim papildu jautājumus. Šī izsekojamība ir tas, kas pārvērš simulāciju pārskatāmā hipotēzē, nevis melnās kastes spriedumā.

Kāpēc otrās kārtas reakcijas ir svarīgas

Pirmo reakciju uz ziņām parasti ir viegli uzminēt. Cenu pieaugums kaitina klientus; jauns noteikums satrauc regulēto nozari. Grūti uzminēt ir otrās kārtas reakciju : reakciju uz reakciju.

Otrās kārtas efektu piemēri, ko var atklāt pūļa simulācija:

• Uzņēmuma aizsardzības atbilde nelielu sūdzību pārvērš stāstā par augstprātību.
• Baumas ātrajā plūsmā izgaist, bet izdzīvo foruma pavedienā, kas vēlāk atkal parādās.
• Sabiedrotā remdeno atbalstu neitrālie aģenti uztver kā slēptu problēmu pazīmi.
• Divas grupas, kas sāka pretējās pusēs, atklāj kopīgu sūdzību un apvienojas.

Šie efekti parādās tikai tad, kad dalībnieki laika gaitā reaģē viens uz otru, un tieši tam ir paredzētas apļu un atmiņas funkcijas. Tie ir arī efekti, kas visbiežāk pārsteidz organizācijas nesagatavotas, jo neviena atsevišķa ieinteresēto personu intervija tos neatklātu.

Darbināts piemērs

Pilsētas pārvalde izstrādā plānu, lai rosīgu iepirkšanās ielu pārveidotu par gājēju zonu. Plānošanas komanda augšupielādē plānu, satiksmes pētījuma kopsavilkumu un vietējo ziņu ziņojumu, kurā citēti veikalu īpašnieki. Viņi jautā, kā iedzīvotāji, veikalu īpašnieki, piegādes uzņēmumi un vietējie plašsaziņas līdzekļi reaģēs pirmā mēneša laikā, un vienā valstī veic 40 apļus.

Pirmajās kārtās pārsteigumu nav: veikalu īpašnieki uztraucas par piegādēm, iedzīvotājiem patīk mazāka trokšņa ideja. Tad parādās otrās kārtas modelis. Piegādes uzņēmuma pārstāvis publicē informāciju, ka agri no rīta piegādes logi atrisinātu lielāko daļu problēmu. Veikalu īpašnieku aģenti forumā to pamana, un viņu kritika mainās no "pret plānu" uz "pret plānu bez piegādes logiem". Tikmēr ziņu plūsmā vietējo mediju aģents pastiprina iedzīvotāja sūdzību par autostāvvietu, kas novērš uzmanību no piegādēm.

Analītiķa ziņojumā secināts, ka piegādes logi varētu sašķelt opozīciju un ka stāvvietas ir pastāvīgāks risks. Komanda intervē mediju aģentu, lai saprastu, kuri fakti mainītu plāna ietvaru, un pēc tam plānam pievieno stāvvietas sadaļu. Simulācija neko nepierādīja par reālo ielu, taču tā deva komandai divas konkrētas, pārbaudāmas hipotēzes. Situācijās, kurās ir daudz baumu, baumu izplatīšanas scenārijs ir veidots, pamatojoties uz to pašu mehāniku.

Ierobežojumi, kas jāpatur prātā

Pūļa simulācija ir spēcīga dinamikas izpētei, taču tai ir skaidri ierobežojumi:

• Aģenti ir mākslīgā intelekta modeļi, kas ir atkarīgi no jūsu dokumentiem. Trūkstošas ieinteresētās personas vai vienpusējs materiāls rada aklās zonas.
• Rezultāti nav statistiski reprezentatīvi, atšķirībā no aptaujas izlases, un procentuālās daļas nevajadzētu interpretēt kā reālās pasaules īpatsvarus.
• Dažādi skrējieni var izvērsties atšķirīgi. Uztveriet konsekventus modeļus kā spēcīgākus signālus nekā atsevišķus dramatiskus mirkļus.

Izmantojot simulāciju, paturot prātā šos ierobežojumus, tā ir ātrs veids, kā redzēt, kas varētu notikt tālāk un kāpēc. Lai to izmēģinātu savā gadījumā, sagatavojiet uzdevumu konsolē .