Нейросеть научилась предсказывать результаты голосования в конгрессе

Искусственный интеллект оказался способен предсказать успешность законопроектов, обсуждаемых в Конгрессе США.

Учёный и соучредитель Skopos Labs Джон Най разработал специальную программу, собирающую максимально полные данные о любых законопроектах, вносимых в конгресс для обсуждения. В действительности менее четырёх процентов всех предложений проходят оба чтения и превращаются в законы.

Учёту подвергались все данные: количество страниц в документе, тональность и риторика, количество авторов и соавторов, суммы, сроки, даты и многое другое.

Самым сложным, по словам учёного, было объединение алгоритмов работы и распознавания тональности документа, поскольку "жёсткость" или, наоборот, "либеральность" законов зачастую зависела от того, как написан сам текст.

Фильтрация по ключевым словам и перекрёстный анализ в сумме с "психологическим" портретом законопроекта показали, что количество одобренных законопроектов напрямую зависит от того, сколько социальных групп затрагивается в тексте документа, от того, в каком ключе подаётся сама идея и многого другого.

Метод Джона Ная безошибочно позволил "угадать" все принятые законопроекты и с большой долей вероятности позволил определить инициативы, которые не найдут понимания в конгрессе.