Det slovakiske oppstartsselskapet CulturePulse analyserer sosiale medier, og FN håper at det kan bruke kunstig intelligens til å forstå den israelsk-palestinske konflikten bedre.
KulturPuls bruker store datasett og maskinlæring til å bygge atferdsmessige og psykologiske digitale tvillinger av målgrupper. Markedsføringsbedrifter kan teste reklamen sin på disse digitale tvillingene for å se om budskapet har ønsket effekt.
CulturePulse mener at det samme prinsippet kan brukes på modellkonfliktsoner og hjelpe organisasjoner som FN til å ta bedre beslutninger i forsøket på å løse dem.
Selskapet sier at produktet modellerer trossystemer som kan "kvantifisere sinne, angst, personlighet, moral, familie, venner, økonomi, inkludering, rasisme, hatefulle ytringer" og mer enn 80 andre sosiale kategorier.
FN engasjerte selskapet i august for et fem måneder langt prøveprosjekt der CulturePulse skal skape en digital tvilling av hele konfliktområdet og dets befolkning. Den nylige opptrappingen i regionen har økt forventningene til prosjektet.
Selskapet vil i hovedsak skape en slags SIM City AI-modell med digitale tvillinger av hver og en av de 15 millioner menneskene som bor i Israel og de palestinske områdene.
Med en nøyaktig modell kan du introdusere en løsningsmetode og simulere hvordan den vil slå ut. Du kan spørre: "Hvis vi gjorde dette, hvordan ville folk reagere?", og deretter se om beslutningen sannsynligvis ville ha positive eller utilsiktede konsekvenser.
Vil det fungere?
CulturePulse hevder at modellen deres forutsier virkelige utfall med en treffsikkerhet på 95%. Men kan modellering av et publikum for markedsføring brukes effektivt i et scenario der folk dreper hverandre?
Det mener administrerende direktør i CulturePulse, Dr. Justin Lane, at det gjør. Teamet hans brukte AI-modellen sin til å analysere andre konflikter i fortiden, særlig urolighetene i Nord-Irland. Modellen forutså eskaleringene nøyaktig der som svar på Brexit i 2019.
AI har utviklet seg mye siden den gang, så det kan være at modellen deres er mye mer nøyaktig nå enn den var den gang.
Å modellere en ekstremt kompleks situasjon som den israelsk-palestinske konflikten krever enorme mengder data. Kilden til disse dataene er et annet interessant prosjekt som kunstig intelligens og maskinlæring har gjort mulig.
🌎 En nylig økning i vår Conflict Tracker satte søkelyset på den pågående situasjonen i Israel og Palestina, noe som vekket dype refleksjoner i teamet vårt.
Dette er ikke bare datapunkter. De representerer virkelige liv, historier og kamper som skjer på bakken, og som vår administrerende direktør, Justin E.... pic.twitter.com/aevIrznLqP
- CulturePulse (@culturepulseai) 9. oktober 2023
GDELT-prosjektet
CulturePulse AI-modellen baserer seg på data hentet fra mer enn 50 millioner nyhetsartikler fra GDELT-prosjektet.
GDELT bruker naturlig språk og datautvinningsalgoritmer til å overvåke nesten hele verdens nyhetsmedier og "trekke ut mer enn 300 kategorier av hendelser, millioner av temaer og tusenvis av følelser og nettverkene som binder dem sammen".
Tanken bak prosjektet er at hvis du kan få tak i alle verdens kringkastings-, trykte og nettnyheter, får du et øyeblikksbilde av det menneskelige samfunnet i sanntid. Ved hjelp av kunstig intelligens kan innholdet analyseres, oversettes og merkes, slik at det kan brukes av selskaper som CulturePulse.
Ved å fokusere på data knyttet til den aktuelle regionen mener CulturePulse at de kan modellere følelsene, troen, tenkningen og de forventede handlingene til mennesker på begge sider av den israelsk-palestinske konflikten på en nøyaktig måte.
De legger også til AI-generert desinformasjon som har bidratt til konflikten, til datasettet deres for å modellere påvirkningen som folk blir utsatt for.
Vil en AI-modell kunne gi mening til en situasjon som mennesker ikke har klart å løse på flere tiår? Med tanke på resultatene fra initiativer som AI-drevne forutseende politiarbeidser det ikke lovende ut. Vi får se om FN fornyer prosjektet i januar.
Om ikke annet lærer slike prosjekter AI-modeller mye om menneskeheten, på godt og vondt.
