人工智能用于政党内部民主
计算机与社会
2024-10-29 v2 人工智能
数据库
机器学习
社会与信息网络
摘要
本文论证了人工智能 (AI) 可如何提高政党内部民主 (Intra-Party Democracy, IPD) 进程的测量与实施。它指出了传统方法的局限性，这些方法常依赖形式参数、自报告数据以及调查等工具，导致数据收集不全面、更新不频繁且对资源要求高。为此，本文建议采用特定的数据管理和机器学习 (ML) 技术，如自然语言处理和情感分析，以提高对 IPD 的测量（ML 用于）和实践（ML 用于）的效果。文章最后讨论了 ML 在 IPD 方面的主要风险，包括数据隐私、操纵潜力以及对技术依赖的过度风险。
引用
@article{arxiv.2405.09529,
title = {Artificial Intelligence for the Internal Democracy of Political Parties},
author = {Claudio Novelli and Giuliano Formisano and Prathm Juneja and Giulia Sandri and Luciano Floridi},
journal= {arXiv preprint arXiv:2405.09529},
year = {2024}
}