机器大战米特·罗姆尼：人工智能如何解析政治言论

尽管有无数个糟糕的笑话，但政客本身并没有什么问题。他们当然是骗子，但这只能证明他们是人。政治也没有天生的缺陷。大声而低效地互相反对是灵长类动物引以为傲的传统，而与之相反的则是用拳头投票（或更致命的选择）。

政治令人不安的地方在于它赤裸裸的说服力。人们拿钱来写演讲稿，演讲稿的明显意图是引导舆论，演讲稿的措辞似乎会根据需要而变化，以迎合不同地区和选民的口味。报道政治敏感问题的记者也会引发同样的不安，当他们为某一立场进行激烈辩论，或者假装客观，只陈述事实，却选择忽略其他细节。这一切都是说服，这可能会让人感到害怕，因为我们天生就容易被说服。这是作为社会动物的代价。

幸运的是，机器不会轻易动摇。去年，卡内基梅隆大学和北卡罗来纳大学教堂山分校的研究人员发表了一篇论文，展示了如何使用人工智能剖析竞选演讲，量化候选人调整语言以吸引不同类型选民的方式。卡内基梅隆大学的计算机科学家诺亚·史密斯说：“当人们竞选美国总统时，有一种传统观点认为，在你，米特·罗姆尼或你，巴拉克·奥巴马赢得初选后，你将改变向公众展示自己的方式，并转向中间派。”

为了验证这一假设，史密斯和语音分析团队的其他成员首先通过机器学习算法运行了 112 本非小说类政治书籍和 765 期杂志，找出与特定政治意识形态最常相关的特定术语或“线索”。史密斯说，罗恩·保罗的书是“自由主义语言的典范”，但他的政治学家同事仍然必须仔细标记特定章节，以帮助系统理解它正在阅读和提取的内容。语言可以被标记为从极右到极左、自由主义或宗教，或以上所有。在收集了超过 3200 万条线索后，该团队委托了一个名为 CLIP（线索滞后意识形态比例的缩写）的计算机模型，这项令人不快的任务是筛选与 2008 年和 2012 年总统竞选相关的演讲记录，并确定这些政治线索的速率和关系。

“我们得出的结论非常清晰，是的，在我们测试的每一个案例中，赢得初选的人的言论都从极端转向了中间立场，”史密斯说。“这是人们相信的既定事实，但尚未经过实证检验。”

您可以自己阅读结果，但结果可能很难放在适当的上下文中，因为这是基于人工智能的统计分析，其中不仅涉及短语出现的次数，还涉及在演讲中出现的位置以及与其他线索的接近程度。此外，正如史密斯承认的那样，这个项目证实了一个已经普遍持有的信念，因此没有什么真正的惊喜。不过，看看 CLIP 得出的​​结果，让无情客观的机器自由地处理竞选演讲的修辞似乎具有真正的价值。

2011 年 9 月，在 2012 年初选季开始时，米特·罗姆尼在佛罗里达州坦帕市发表了一次演讲，根据 CLIP 的分析，这次演讲带有浓重的右翼色彩。例如，演讲中包括与非法移民相关的各种术语。这是一个过于简单的说法，但模型似乎认为这次演讲的右倾程度约为 68%。不到一年后，罗姆尼回到坦帕接受共和党提名。但随着全国观众通过电视观看，以及大选活动正式拉开帷幕，任何关于移民的提及都消失了。CLIP 实际上将这次演讲评定为左倾（约 54% 的政治相关语言都指向左倾）。

巴拉克·奥巴马在 2008 年的竞选中也表现出了类似的言辞变化，从初选前大约 59% 的左倾语言，到大选期间大约 53% 的右倾语言。因此，奥巴马不仅显然在推行针对中间派的经典假定策略，而且还过度转向红州问题，以更好地吸引保守派。这是有意为之，还是对反对派竞选方式的自然反应？无论原因是什么，机器似乎已经捕捉到了专家们错过的东西。

* * *

CLIP 创始人的目标不是点名批评特定的政客或策略，而是证明这种人工智能分析是有用的。“这是一个很好的例子，说明人类可能不太擅长做某事，”史密斯说。“你和我很难听完一场演讲，冷静客观地评估他们试图暗示特定选民的频率。我们太主观了，太关注问题了。我们太在意了。”

CLIP 对修辞的评估揭示了自然语言处理 (NLP) 的一个更复杂的优势，自然语言处理是人工智能研究的一个分支，专注于对口头或书面文本的分析。NLP 领域最著名的冠军是 IBM 的 Watson，它能够处理数百万页的文档，并因此在 2011 年成为 Jeopardy 冠军。该平台现在被广泛用于文本处理应用程序，其中最引人注目的是查看医学期刊和患者记录，以帮助医生确定特定癌症患者的相关治疗方法和临床试验。NLP 也是 Apple 的 Siri 的 AI 支柱，Siri 是一个功能强大的语音识别系统，它在 iPhone 广告中的用处远大于在现实生活中。

但沃森和 Siri 提供的是 NLP 多年来一直拥有的东西，也是计算机几十年来一直拥有的东西——快速处理大量数据的能力。然而，CLIP 让 NLP 进入了更令人兴奋的领域，它处理的数据是我们可能不会信任人类审查的，而且不会将人类的偏见注入到结果中。无论一个人声称自己对政治多么不了解，特定的政治家往往会引起本能的反应。“计算机根本没有参与其中，”史密斯说。“它对米特·罗姆尼应该如何表达没有立场。”

作为一种政治工具，或者实际上是一种反政治工具，NLP 似乎相对强大，它揭露了演讲撰稿人和竞选经理的一些狡猾手段。但在人工智能的大背景下，像 CLIP 这样的系统反驳了这样一种印象：NLP 在模仿人类思维方式时最令人着迷。CLIP 之所以有效，是因为它对米特·罗姆尼的宗教背景或巴拉克·奥巴马 2008 年的竞选承诺没有任何意见。CLIP 和类似的人工智能应用程序之所以有效，是因为它们可以处理人类语言，同时又保持冷漠和冷静。

CLIP 在即将到来的选举中的作用尚不清楚，而且可能无关紧要。史密斯和他的同事是学者，而不是政治操纵者或创业企业家。由于他们的方法和数据是公开的，有兴趣采用它的各方可以轻松地创建自己的模型。但史密斯的后续项目可能会对人工智能在政治中的应用产生更广泛的影响。史密斯再次与北卡罗来纳大学教堂山分校以及加州大学戴维斯分校和马里兰大学的研究人员合作，探索媒体报道政治问题的框架问题。

简而言之，框架就是选择。它指的是如何呈现一个问题，即包含和强调什么样的语言和参考资料，以及缺少什么内容。例如，一个涉及移民的故事是讨论被驱逐出境而陷入困境的儿童和家庭，还是关注安全和执法问题？

现有的研究似乎表明，框架是真实存在的，有时甚至违反直觉。1993 年的一项研究发现，阅读关注全国失业问题的贫困报道的人更有可能认为大型机构应该受到指责。与此同时，详细描述个人应对贫困的报道更有可能让读者将经济困难归咎于个人决定。换句话说，人情味故事可能会适得其反，引发的不是同情。更奇怪的是，一些人假设框架具有传染性。一家媒体的报道选择可能会传播到其他媒体，围绕某一问题的更广泛政策辩论可能会跨越州界，而特定的框架则保持不变。我们的国家辩论可能既取决于事实，也取决于语言选择。“框架似乎真的很重要。所以它似乎是真正值得追踪的东西，”史密斯说。

在美国国家科学基金会的资助下，史密斯和他的团队目前正在创建所谓的“政策框架代码手册”，重点关注与同性婚姻、吸烟和移民相关的框架。到目前为止，他们已经收集了 1990 年至 2012 年间发表的约 9500 篇文章的框架数据，这是一个艰苦的、完全人为的过程，该团队相信未来可以实现自动化。这个计划为期三年的项目已经进行了两年，现在下结论还为时过早。唯一可以确定的是，这仅仅是一个开始。人工智能越先进、越容易使用，政治家、记者和其他专业说服者就必须越注意他们说了什么，以及如何说。

我个人非常欢迎我们的机器人过度分析器。