让民主运作并非易事,最近的事件已经清楚地表明了这一点。一些批评者认为技术正在让情况变得更糟。但一家初创公司希望AI能够帮助缩小分歧,而不是扩大分歧。
"有一天我突然意识到,人们会要求AI像对五岁孩子那样解释事情,"ComplexChaos联合创始人兼首席执行官Tomy Lorsch告诉TechCrunch。"如果我们将它用作促进者,帮助人们相互理解并找到共同点呢?"
他和联合创始人Maya Ben Dror正在开发帮助人们达成共识的工具。他们的第一个测试案例涉及气候谈判,但实际上问题是什么并不重要。他们的目标是促进合作,缩短团体达成协议所需的时间。
"每个人都在构建像Slack、Google Docs之类的协作软件,"Lorsch说。"合作是不同的概念。"
促进合作不是容易规模化的事情
他说,促进合作不是容易规模化的事情。通常,训练有素的促进者会花时间与团体合作帮助他们达成共识,但当谈判或准备工作跨越时区甚至在不同房间进行时,这个过程可能会变慢。
Lorsch受到谷歌最近开发的一个名为哈贝马斯机器的大语言模型的鼓舞,该模型正是为这个目标而明确开发的。"这基本上是一个AI,它生成群体共识声明,让人们感到无论是多数还是少数观点都得到了代表,"他说。
气候谈判试点获得积极反馈
Lorsch和Ben Dror最近试用了他们初创公司的工具,帮助来自九个非洲国家的年轻代表在德国波恩的联合国校园为气候相关谈判做准备。该工具结合了谷歌的哈贝马斯机器和OpenAI的ChatGPT,用于生成问题、制定对话目标并帮助总结长文档。
Ben Dror说,目标是帮助代表们在开始与其他方谈判之前作为一个集团达成共识。
理想情况下,该工具也将有助于加速谈判过程。当集团或来自一组立场一致国家的代表在大型谈判会议过程中遇到新信息时,他们通常需要重新组织来处理新信息。"集团通常是谈判必须停止的原因。集团必须退出,重新谈判,重新定位,然后再回去。这会产生很多摩擦,"Ben Dror说。ComplexChaos希望其工具能够帮助缩短这个时间。
在与来自非洲国家代表的试点中,ComplexChaos表示参与者报告协调时间减少了多达60%,91%的参与者表示AI工具帮助他们看到了原本会错过的观点。
扩展到企业应用领域
ComplexChaos还在向包括科技公司和大型咨询公司在内的企业推广其合作工具。"AI战略规划基本上是同样的问题,"Lorsch说。"大多数公司的年度战略规划过程大约需要一年中的三个月时间,涉及反复协商、多层次、跨时区、跨团队等等。"
但Lorsch和Ben Dror在谈论气候谈判时最为热情。
"如果AI能够缩短这些流程,简化它们,那么我们的境况会好得多。不仅仅是气候问题,对于任何可持续发展问题,对于我们面临的任何重大挑战都是如此,"Ben Dror说。
Q&A
Q1:ComplexChaos开发的AI工具有什么特殊功能?
A:ComplexChaos开发的AI工具结合了谷歌的哈贝马斯机器和OpenAI的ChatGPT,主要用于帮助人们达成共识。它能生成问题、制定对话目标、总结长文档,并生成让多数和少数观点都感到被代表的群体共识声明,目标是促进合作并缩短团体达成协议的时间。
Q2:这个AI工具在实际应用中效果如何?
A:在与九个非洲国家代表的气候谈判试点中,ComplexChaos的AI工具取得了积极效果。参与者报告协调时间减少了多达60%,91%的参与者表示AI工具帮助他们看到了原本会错过的观点,有效提升了谈判准备效率。
Q3:ComplexChaos的AI合作工具还能用在哪些领域?
A:除了气候谈判,ComplexChaos还在向科技公司和大型咨询公司推广其合作工具,用于企业战略规划。创始人认为AI战略规划本质上是同样的问题,可以帮助缩短通常需要三个月的年度战略规划过程,减少跨时区、跨团队的反复协商时间。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。