XiaoMi-AI文件搜索系统
World File Search SystemQAnon
迈向人工智能系统的民主监管
不知不觉中，某种版本的人工智能技术——当代观察家们通常认为这种技术至少依赖于计算算法来辨别数据模式，然后触发操作或建议的技术 1——似乎无处不在。大约四成的美国成年人通过 Facebook 的新闻推送算法获取新闻。2 该算法甚至经常将持有主流政治观点的用户引导至 QAnon 和其他致力于破坏公民信任的阴谋论者。3 与此同时，人工智能也越来越多地被用于监控和删除社交媒体平台上的内容。4 根据最近的一项衡量标准，自动“机器人”生成的状态更新占 Twitter 上状态更新总数的 43%。5 今年，新冠疫情导致高中生国际文凭考试被推迟。学生们将收到一个由算法预测的考试分数，该分数是根据他们考前的学业成绩生成的。 6 在医疗领域，美国食品药品管理局已批准 30 多种“人工智能算法”用于临床，理由是它们可以提供“与医疗保健专业人员相当的诊断准确度”。 7 英国推出用于常规乳房 X 光检查的深度学习工具
基于生成代理的建模可以在社交媒体模拟中复制友谊悖论吗？
基于生成代理的建模（GABM）是一种新兴的模拟范式，将大型语言模型的推理能力与传统的基于代理的建模相结合，以复制复杂的社交行为，包括在社交媒体上进行互动。虽然先前的工作集中在局部现象（例如意见形成和信息传播）上，但其捕获全球网络动态的潜力仍然没有被逐渐消失。本文通过通过友谊悖论（FP）的角度分析基于GABM的社交媒体模拟来弥补这一差距，这是一种违反直觉现象，平均而言，个人的朋友比朋友的朋友少。我们为社交模拟的GABM框架提出了一个框架，其特征是模仿具有不同个性和兴趣的真实用户的生成代理。使用美国2020年选举和Qanon阴谋的Twitter数据集，我们表明FP自然出现在GABM模拟中。与现实世界的观察一致，模拟揭示了一个分层结构，在该结构中，代理优先与其他表现出更高活动或影响的人相连。此外，我们发现不频繁的连接主要驱动FP，反映了真实网络中的模式。这些发现将GABM验证为建模全球社交媒体现象的强大工具，并通过对用户行为进行细微的分析来强调其推进社会科学的潜力。