XiaoMi-AI文件搜索系统
World File Search System民主
人工智能促进政党内部民主
以及是什么让它们变得民主，通常称为党内民主 (IPD)。我们研究现有的 IPD 测量方法，质疑其有效性，并探索通过机器学习 (ML) 技术增强它们的潜力。然后，我们将注意力转向 ML 在测量 IPD 和帮助政党进行日常组织方面的作用。由于政治团体的不透明性、活力和内部异质性，测量 IPD 具有挑战性，这些因素长期以来阻碍了该领域的研究。定量文本分析的最新进展提供了新的见解。学者们分析议会演讲，仔细研究党内会议上的辩论，并仔细研究党内文件以评估意识形态多样性。此外，他们还对党员和官员进行调查和问卷调查（Ceron，2017 年；Bernauer 和 Bräuninger，2009 年；Benoit 和 Herzog，2017 年；Greene 和 Haber，2017 年；2017 年；Medzihorsky、Littvay 和 Jenne，2014 年；Bäck，2008 年）。数字技术和社交媒体网站为收集相关信息以监测和评估 IPD 提供了新途径。然而，它们也引发了新的问题，即它们如何重塑 IPD 本身的动态（García Lupato 和 Meloni，2023 年；Dommett 等，2021 年；Scarrow，2013 年）。现有的 IPD 测量方法显示出一些局限性。首先，对于一个政党内部的民主究竟是什么，存在一定程度的概念模糊性（Borz & Janda，2020）。其次，目前的衡量标准往往侧重于正式要素，例如政党章程，而忽视了非正式做法，例如政党派系的影响或工会等外部影响。第三，标准的经验工具（如调查和问卷）带来了多重实际挑战，包括数据可用性有限、社会期望偏差、无法定期更新以及运行成本高昂。在本文中，我们不关注概念模糊性，这是一个影响所有方法的问题。相反，我们在特定的政党组织框架下，为 IPD 测量中更实际的挑战提供解决方案。为此，我们探索并映射数据管理和各种 ML 技术在 IPD 实证测量和研究中的适用性。这些技术涵盖多种任务，从数据收集和预处理到模式识别和定量测量。我们考虑了几种 ML 技术，例如自动文本/数据挖掘和自然语言处理 (NLP)（例如情绪分析、零样本/小样本分类 1 ）、分类算法（例如逻辑回归）、集成方法（例如随机森林）和无监督学习（例如聚类算法）。接下来，我们分析政党如何利用 ML 来提高其内部组织和决策的公平性或有效性。最近的研究表明，尤其是在欧盟，政党越来越多地使用大数据和数字技术来竞选和运行其组织结构和功能（Barberà 等，2021 年）。传统的欧洲政党逐渐加强了其
民主参与：致选举部门的公开信
政府已明确表示，我们将赋予 16 岁和 17 岁的青少年在英国所有选举中的投票权。我们希望增加年轻人对我们充满活力的民主的参与，并让他们有能力就影响他们及其未来的问题发表意见。我们知道这代表了保留选举权的重大变化，我们决心正确行事。我们将与广泛的利益相关者密切合作，以确保我们完全了解如何最好地实现这一目标，而我们在苏格兰和威尔士的同事的经验将在我们制定必要的政策和流程时发挥无价的作用，在那里 16 岁和 17 岁的青少年已经拥有权力下放选举的投票权。我们并不期望立即引入实现这一改变所需的立法，但我们确实打算实施这一立法，以允许 16 岁和 17 岁的年轻人在下一届英国议会大选中投票。
对社会凝聚力和民主韧性的威胁
上述机构的领导力严重不足。他们本应发出明确的信息，在任何情况下都不会容忍威胁、骚扰和虐待。也没有明确谴责那些从事此类行为、制造恐吓和威胁气氛的人。他们过分担心不要冒犯那些不了解事实、选择进行恐吓和骚扰的人的宗教情感。他们似乎对凝聚力缺乏理解，似乎以牺牲宗教研究老师为代价，安抚抗议者以确保抗议结束为首要任务。这种方法可能会从长远来看破坏凝聚力，因为它似乎安抚和鼓励那些创造恐吓环境的人强制推行自己的信仰，而不顾他人的权利。
对人工智能进行民主控制的人权
“对整个技术进行监管很可能是无效的” 15 ；这意味着试图对整个人工智能和数据收集行业进行监管很可能是无效的。这确实具有一定的可信度，因为试图涵盖整个技术类别的立法必须非常广泛，以至于留下的漏洞将成为危险的威胁。澳大利亚的管理机构不应该试图监管或立法整个技术群体，而应该专注于监管技术的使用，这样我们就不会面临“屠杀机器人”的未来。目前，公众对任何收集和利用其数据的组织都高度怀疑 - 包括政府。根据该论文，只有 39% 的受访者信任政府对其个人收集数据的使用。鉴于公众如此持怀疑态度，政府有责任保护他们的利益，并确保这些公民不会被科技公司利用。
虚假信息对民主的影响：... 的影响
摘要 匈牙利的民主倒退表明，冷战时期的观念，即更多的信息获取渠道将加速民主的传播，正在消亡。对于独裁者来说，社交媒体促成的虚假信息是首选武器，因为它挑战了民主制度的合法性。匈牙利 Sputnik V 疫苗的流行表明，在俄罗斯入侵乌克兰之前，俄罗斯的影响力在欧盟后院不断增长。通过利用匈牙利的社会、政治和经济不平等，俄罗斯的虚假信息促进了维克托·奥尔班在 2020 年 4 月选举前巩固权力。民主国家应该采用一种新的国家权力投射范式，将强大的国内机构视为应对社交媒体促成的虚假信息问题的方法。民主对抗虚假信息的最有效武器是制度合法性、社会经济平等和公众参与政府。 关键词：匈牙利、维克托·奥尔班、民主、虚假信息、COVID19、俄罗斯
民主武器库打造二十一世纪防御……
2.1 1946 年至 2006 年的国防预算 10 2.2 国防工业基础的构成 16 2.3 国防部预算占国内生产总值的百分比 21 2.4 粗略比较：国防开支占国内生产总值的百分比 22 2.5 1945 年至 2009 年军事人员年度成本 24 2.6 国防投资：采购和研究、开发、测试与评估 26 2.7 1986 年至 2001 年国防工业整合 33 2.8 2000 年至 2007 年国防拨款 47 2.9 现有的美国和欧洲供应商：平台级别 63 4.1 总统的预算预测与实际国防预算，财政年度 1980 年至 2005 年 160 4.2 国防预算周期， 1950 年至 2006 年 162 4.3 系统的螺旋式发展 164 4.4 大型军事和民用项目的成本增长 203 4.5 1991 年至 2006 年每架 F-22 飞机的平均总成本 207 4.6 1986 年至 2005 年 F-22 的采购数量 208 4.7 平均成本增长国防部三个项目的实施情况 209 4.8 基于门户的架构 231 4.9 持续改进：F-404 发动机维修的维护周期天数 232 5.1 国防相关就业总数 236 5.2 1961 年至 2009 年总统政府填补前 500 个职位所需的时间239 5.3 随着采购预算的增加，国防部采购人员数量减少 240 5.4 五个国家的自然科学与工程本科学位， 2004 248 6.1 1947年至2006年研发支出（根据通货膨胀进行调整） 254
民主指数 2022 最终版 - Protothema.gr
两个占世界人口 20% 以上的国家——中国和俄罗斯——的情况在 2022 年发生了决定性的恶化。2022 年，俄罗斯的得分下降幅度是全球最大的。它入侵乌克兰的同时，在国内进行了全面的镇压和审查。俄罗斯长期以来一直走在远离民主的道路上，现在正获得许多独裁统治的特征。与此同时，直到 2022 年底，中国加倍实施零新冠政策，使用最严厉的手段阻止病毒传播，长期关押数千万人，直到年底爆发抗议活动。由于担心大规模抗议活动蔓延，而非疾病蔓延，中国当局于 2022 年 12 月放弃了零新冠政策。然而，国家对所有异见表现的压制态度并未被抛弃，导致中国在 2022 年民主指数中本已很低的得分进一步下降。
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
