“AI调解员”登上Science！Google DeepMind打造，“劝架”水平远超人类

正文

请到「今天看啥」查看全文

AI 如何识别、生成共同立场？

在这项研究中，Google DeepMind 团队探讨了“AI 调解员”如何帮助群体识别并生成共同立场。

研究重点是使用 HM 促进参与者之间的协商过程，其包含两个主要组成部分：一个生成模型，该模型是基于 LLM 微调的，能够生成高质量的群体声明；另一个是个性化奖励模型（PRM），用于根据预测的群体成员偏好对这些声明进行排序。排序过程通过使用社会选择函数来确保公平性，避免类似选项因分票现象而削弱排名结果。

在样本与参与者选取上，他们将参与者范围限定为成年的英国居民，通过方便抽样的形式选取了参与者，此外，他们还采用随机、分层抽样程序，从英国人口中抽取了一个具有人口统计学代表性的样本，用来虚拟公民大会的实验。

在实验环节，该研究采用了一种调解集体审议程序（如下图），通常由五人组成的小组进行讨论，围绕三个问题进行约 1 小时的讨论。参与者首先私下撰写个人观点，然后将这些观点传递给 HM，后者生成初步的群体声明。参与者对这些声明的认可程度和论证质量进行评分，并根据认同程度进行排序。随后，参与者对选择的初步声明进行批评，HM 再生成修订后的声明，参与者再次进行评分和排名。研究结束时，参与者完成调查，评价观点变化，并被告知群体声明是由算法生成的。

图｜方法概述。（来源：该论文）

研究团队通过逐个回复以下 4 个研究问题的方式揭露其研究结果。

RQ1：AI 调解的审议能帮助人们找到共同点吗？

为了回答这一问题，实验设计涉及参与者对社会问题的意见陈述。这些陈述被输入到 HM 中，该系统中使用了 Chinchilla 语言模型，通过生成候选的群体陈述并进行迭代修正，从而生成出能够最大限度得到群体认可的“共识陈述”。

在实验中，AI 生成的陈述比人类调解员生成的陈述获得了更高的认可度，这表明 AI 在帮助群体达成共识方面具有显著的优势。

请到「今天看啥」查看全文