与战区“难以接触”的人群对话存在重大的政治、后勤和安全困难,更不用说语言障碍了。人工智能可以用来快速实时收集和分析大量样本的数据。2019 年 12 月,联合国和拥有人工智能对话平台的初创公司 Remesh AI 在“人工智能造福社会研讨会”上发表了一篇论文,该研讨会是当年在加拿大温哥华举行的神经信息处理系统 (NeurIPS) 会议的一部分。他们描述了机器学习过程,用于识别不同人群对各种主张的一致性。他们还强调了将这种方法应用于冲突解决时可能遇到的困难:提出的问题存在偏见、样本人群存在偏见以及未能将表达的观点置于上下文中。考虑到所有这些问题,联合国驻也门和利比亚特使和代表团寻求联合国政治事务和政治部创新小组的支持,在 2020 年至 2021 年期间试验性地部署 Remesh AI 平台作为对话工具。
许多参与式平台和过程(例如Pol.IS,Remesh和定性调查)从参与者那里收集详细的自由文本意见。由于收集的信息量太大而无法由决策者直接消化,因此有必要总结铰接意见。一个关键的挑战是如何以可扩展的方式执行此总结,同时仍代表参与者的意见。我们设计了一个摘要过程,该过程直接针对可扩展性和代表性的双重目标。而不是单个陈述,我们的摘要采用了多个简短陈述的形式,每个陈述均表达了参与者体内的普遍观点。包括多个陈述使我们能够捕捉多样的意见甚至不兼容的意见。从整体上讲,我们称之为板岩的这套陈述代表了基础人群中的意见分布。因此,板岩可以作为各种决策过程的输入:人类政策制定者可以轻松消化这些板岩以将其选择基于公众意见,而支持决策制定的下游算法可以将我们的板岩用作预处理的投入。我们的过程设计基于社会选择理论领域,该理论将个人偏好研究成集体,民主决定,通过数学