ChatGPT se transforme en lobbyiste politique : aidant les entreprises à déterminer si elles sont concernées par le nouveau projet de loi du gouvernement, et rédige même des lettres suggérant des modifications à la législation.

Si « Wall Street » à New York est le centre de la finance internationale, alors « K Street » à Washington peut être considérée comme le centre d’une politique internationale en constante évolution.

"K Street" à Washington n'est pas loin de la Maison Blanche. Il y a un groupe de "lobbyistes politiques" professionnels ici chaque fois que le gouvernement américain a un nouveau projet. projet de loi, ils passent beaucoup de temps à examiner les projets de loi pour évaluer s'ils sont pertinents pour leurs clients, qui sont souvent de grandes entreprises.

Inutile de dire que le pouvoir de divers projets de loi du gouvernement américain, par exemple, la « Chip and Science Act » récemment adoptée a directement affecté de nombreuses entreprises de semi-conducteurs. savoir si divers projets de loi vous affecteront est devenu une priorité absolue pour la recherche sur les politiques d'entreprise.

Désormais, ce travail pourra également être remplacé par ChatGPT.

La dernière recherche de John Nay, chercheur au Stanford Legal Information Center, montre que le modèle d'IA peut prédire à 75% l'issue d'un projet de loi du Congrès américain. du moment. Si le résumé est lié à une entreprise spécifique, et plus important encore, peut ensuite rédiger une lettre au sponsor du projet de loi, préconisant des modifications à la législation. Ce modèle, comme ChatGPT, est également à l'origine du GPT-3 Large d'OpenAI. Modèle de langage (LLM) ).

Paper arXiv prépublication : https://arxiv.org/ftp/ arxiv/papers/2301/2301.01181.pdf

Lisez le projet de loi du gouvernement et jugez de l'impact du projet de loi, avec une précision de 75%

#🎜🎜 #

L'article de John Nay montre que le lobbyiste junior en IA qu'il a développé sur la base du grand modèle linguistique (LLM) GPT-3 d'OpenAI peut lire un résumé d'un projet de loi du Congrès américain. Déterminez si un résumé d'un projet de loi du Congrès américain. la facture est pertinente pour une entreprise spécifique.

Par exemple, la facture des puces mentionnée ci-dessus, si vous avez une entreprise impliquée dans l'industrie des semi-conducteurs, mais que ce n'est pas l'activité principale, vous n'êtes pas sûr que la La facture des puces affectera votre entreprise, alors cette IA peut vous donner la réponse avec une précision allant jusqu'à 75 %.

Comment ça se fait ?

Tout d'abord, bien sûr, il y a la question de savoir comment l'IA comprend le texte. Cela nécessite une grande quantité de données pour la formation. La méthode de John Nay consiste à collecter une. une grande quantité de données de facturation et de données d'entreprise, fournissant des invites textuelles pour les modèles via l'API d'OpenAI.

Les données de facture incluent le titre du projet de loi, le résumé du projet de loi, l'objet du projet de loi tel que déterminé par le Congrès, les données de l'entreprise comprennent le nom de l'entreprise et l'entreprise. déposé par la société auprès de la Securities and Exchange Commission des États-Unis. Les descriptions sont composées de données.

Un exemple de la tâche confiée au modèle IA est le suivant :

#🎜 🎜#

#🎜 🎜#

Vous êtes un lobbyiste analysant l'impact potentiel des projets de loi du Congrès sur les entreprises.

Compte tenu du titre et du résumé de la facture, ainsi que des informations sur l'entreprise contenues dans son dépôt 10K SEC, votre travail consiste à identifier le projet de loi est-il au moins quelque peu pertinent pour l'entreprise (en termes d'impact sur l'entreprise s'il était ensuite mis en œuvre).

Titre officiel de l'affiche : {official_title}

# 🎜 🎜# Résumé officiel du projet de loi : {summary_text}

Sujet officiel du projet de loi : {subjects}# 🎜🎜#

Nom de l'entreprise : {company_name}

# 🎜🎜# Description de l'activité de l'entreprise : {business_description}

Ce projet de loi est-il potentiellement pertinent pour l'entreprise ?

Réponse dans ce format : Réponse : OUI ou NON (tout en majuscules).

Description : Le raisonnement étape par étape que vous avez utilisé pour élaborer votre réponse. Confiance : un nombre entier compris entre 0 et 100 qui estime votre degré de confiance dans la réponse (1 correspond à une confiance faible, 99 correspond à une confiance élevée) Lors de la formation, John Nay a compilé des données sur 335 factures, puis a testé le modèle pour prédire si elles étaient liées à 121 entreprises uniques.

Comme la plupart des législations n'affectent pas la plupart des entreprises, il a découvert qu'en disant toujours « non », le modèle pouvait deviner correctement dans 70,9 % des cas. Lorsqu’il a testé cette méthode sur une ancienne version de GPT-3, publiée en mars 2022, les résultats étaient bien pires que cela, avec une précision de prédiction de seulement 52,2 %.

Cependant, lorsqu'il a été testé sur le modèle GPT-3.5 (qui est le cerveau de ChatGPT), qui n'a été annoncé au public qu'en novembre 2022, sa précision a atteint 75,1 %. Sur les factures dont le score de confiance est supérieur à 90, la précision est passée à 79 %.

Si la facture est liée à l'entreprise, il peut également générer automatiquement des suggestions de modification de facture

Pour En déterminant les situations pertinentes, l'IA donnera également des raisons pertinentes, telles que : 🎜🎜 #Explication : Alkermes Plc est une société biopharmaceutique qui développe et commercialise des produits conçus pour répondre aux besoins médicaux non satisfaits des patients dans des domaines thérapeutiques clés, notamment la toxicomanie et la schizophrénie. Le projet de loi oblige les Centers for Medicare et Medicaid Services (CMS) à négocier avec les sociétés pharmaceutiques les prix des médicaments couverts par le programme Medicare pour les médicaments sur ordonnance, ce qui pourrait affecter les produits d'Alkermes Plc.

Confiance : le sponsor de 95, qui milite pour des évolutions de la législation.

Par exemple, une lettre comme celle-ci :

#🎜 🎜 #

Le journal n'a pas évalué l'efficacité des lettres rédigées pour influencer la politique, et John Nay a clairement indiqué que cette approche est loin de faire l'essentiel du travail d'un lobbyiste.

Mais il a déclaré que l'amélioration significative des performances prédictives des modèles publiés à des mois d'intervalle est remarquable. Il a déclaré : « Il existe une tendance claire selon laquelle les capacités vont augmenter rapidement. » « Le processus législatif n'est pas prêt pour cela », a-t-il également déclaré. "Il ne s'agissait que d'une simple preuve de concept construite en quelques jours. À mesure que davantage de ressources et de temps y sont consacrés, d'autant plus que l'accent est mis davantage sur la création de flux de travail et d'expériences utilisateur avec des lobbyistes humains, le travail quotidien est lié, ce qui peut créer quelque chose de relativement complexe."​

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!