افزون‌براین، پروژه‌های پژوهشی در برخی دانشگاه‌های سراسر دنیا نیز اکنون به جستوجو این می باشند با منفعت گیری از الگوریتم‌های پیشرفته هوش مصنوعی ناآرامی‌های اجتماعی و سیاسی را پیش‌بینی کرده و برای مدیریت مشکلاتهای احتمالی آمادگی بیشتری فراهم آورند. با وجود همه این مزایا، منفعت گیری از هوش مصنوعی در سیاست با چالش‌ها و نگرانی‌های اخلاقی و امنیتی نیز همراه است که نیازمند بازدید و دقت جدی می باشند.

این درحالیست که با اغاز روال ثبت‌نام داوطلبان چهاردهمین انتخابات ریاست جمهوری ایران در خردادماه ۱۴۰۳، بکارگیری این ابزار در امور گوناگون وابسته، بعضاً حتی توسط کاندیداها اغاز شد و حتی چند روز پیش خبر رسید که مرکز ملی فضای مجازی در راستای توانمندسازی کاندیداها و ستادهایشان، دستیار هوش مصنوعی در اختیار هر ۶ کاندیدای ریاست جمهوری قرار داده است. اکنون در روزهای تازه که تب و تاب تبلیغات و نظرسنجی‌های این دوره از انتخابات به اوج خود رسیده است و عده‌ای به سراغ منفعت گیری از هوش مصنوعی برای پیش‌بینی نتایج می‌روال؛ جا دارد این سوال مطرح شود که: آیا هوش مصنوعی می‌تواند نتیجۀ انتخابات را پیش‌بینی کند؟

قابلیت‌های هوش مصنوعی برای پیش‌بینی

منفعت گیری از هوش مصنوعی به اختصاصی در عرصه‌های سیاسی، می‌تواند به دقت و عمق تحلیل‌ها بیفزاید و نتایج بهتری را در پیش‌بینی روندها و نتایج انتخابات به دست دهد.

در ادامه به برخی از با اهمیت ترین قابلیت‌های هوش مصنوعی در این عرصه اشاره می‌شود: 

– تحلیل نظرسنجی‌ها و داده‌های تاریخی: در انتخابات ریاست جمهوری ۲۰۱۶ و ۲۰۲۰، شرکت‌هایی همانند Cambridge Analytica از بیگ دیتا و الگوریتم‌های هوش مصنوعی برای تحلیل حرکت رای‌دهندگان و مقصد‌گذاری تبلیغات منفعت گیری کردند. این تحلیل‌ها شامل داده‌های تاریخی، نظرسنجی‌ها و اطلاعات دموگرافیکی بودند که به دقت بیشتری در پیش‌بینی نتایج منجر شدند.

– تشخیص اخبار جعلی و مقابله با اطلاعات نادرست: فیسبوک و گوگل، از الگوریتم‌های هوش مصنوعی برای شناسایی و حذف اخبار جعلی و اطلاعات نادرست منفعت گیری می‌کنند. این فناوری به‌اختصاصی در دوران انتخابات برای جلوگیری از انتشار کردن اطلاعات نادرست و تأثیرگذاری بر نظرات عمومی اهمیت دارد.

– تحلیل شبکه‌های اجتماعی: محققان از الگوریتم‌های هوش مصنوعی برای تحلیل داده‌های توییتر به منظور شناسایی روندها و نگرش‌های عمومی دربارۀ مسائل سیاسی منفعت گیری می‌کنند. برای مثال، در زمان انتخابات بریتانیا، تحلیل داده‌های توییتر به پیش‌بینی نتایج انتخابات و تحلیل حرکت رای‌دهندگان پشتیبانی کرد.

– کمپین‌های تبلیغاتی موثر: حتی در انتخابات ۲۰۰۸ و ۲۰۱۲، تیم اوباما از تحلیل بیگ دیتا برای مقصد‌گذاری دقیق‌تر رأی‌دهندگان منفعت گیری کرد. این تحلیل‌ها به کمپین‌ها پشتیبانی کرد تا مطلب‌های خود را به طور مؤثرتری به رای‌دهندگان منتقل کنند.

– پیش‌بینی ناآرامی‌های اجتماعی: پروژه‌های دانشگاهی همانند ICEWS از الگوریتم‌های هوش مصنوعی برای پیش‌بینی ناآرامی‌های اجتماعی و سیاسی منفعت گیری کردند. 

قاط ضعف و قوت هوش مصنوعی برای پیش‌بینی نتایج انتخابات

هوش مصنوعی قادر است حجم وسیعی از داده‌های نظرسنجی‌ها، شبکه‌های اجتماعی، داده‌های دموگرافیک، و تاریخی را به شدت و دقت تحلیل کند. این قابلیت می‌تواند به اراعه تحلیل‌های جامع و دقیق‌تری منجر شود.

همانطور که پیش‌تر نیز اشاره شد، در انتخابات ریاست جمهوری ۲۰۲۰ امریکا، الگوریتم‌های هوش مصنوعی توسط شرکت‌هایی همانند Cambridge Analytica برای پردازش بیگ دیتای شبکه‌های اجتماعی و نظرسنجی‌ها منفعت گیری شدند.

بعد هوش مصنوعی می‌تواند الگوها و روندهای نهان در داده‌ها را که امکان پذیر برای تحلیل‌گران انسانی چندان آشکار نباشند، شناسایی کند. این توانایی می‌تواند به پیش‌بینی دقیق‌تر نتایج انتخابات پشتیبانی کند. این چنین، الگوریتم‌های هوش مصنوعی می‌توانند نظرات و نگرش‌های رای‌دهندگان را از پلتفرم‌های شبکه‌های اجتماعی همانند توییتر و فیسبوک استخراج و تحلیل کنند.

در عین حال، برای تحلیل داده‌ها و شناسایی الگوها و عواملی که می‌توانند بر نتایج انتخابات تأثیر بگذارند، می توانیم از تکنیک‌ها و الگوریتم‌های هوش مصنوعی گوناگون منفعت گیری کنیم. اما باید یک مجموعه داده جامع جمع‌آوری شود که شامل داده‌های تاریخی انتخابات همراه با عوامل مختلفی است که امکان پذیر بر نتایج انتخابات تأثیر بگذارد. این عوامل امکان پذیر شامل شاخص های اقتصادی، رویدادهای سیاسی، گرایش‌های رسانه‌های اجتماعی، اطلاعات نامزدها و… باشد. سپس می‌توانیم از الگوریتم‌های یادگیری ماشین همانند رگرسیون لجستیک، درخت‌های تصمیم و غیره برای تحلیل داده‌ها و شناسایی الگوها منفعت گیری کنیم. این الگوریتم‌ها می‌توانند پشتیبانی کنند تا بفهمیم کدام عوامل در تعیین نتایج انتخابات بیشترین تأثیر را دارند.

علاوه بر این، می‌توانیم از تکنیک‌های پردازش زبان طبیعی (NLP) برای تحلیل داده‌های رسانه‌های اجتماعی و احساسات عمومی نسبت به نامزدها منفعت گیری کنیم. تحلیل احساسات می‌تواند بینش‌هایی را در رابطه این که چطور افکار عمومی امکان پذیر بر نتایج انتخابات تأثیر بگذارد اراعه دهد. مدل‌های یادگیری عمیق، همانند RNN یا شبکه‌های عصبی کانولوشنال (CNN)، می‌توانند برای پردازش مقادیر بسیاری از داده‌های بدون ساختار همانند مقالات خبری، سخنرانی‌ها یا او گفت و گو‌ها منفعت گیری شوند. این مدل‌ها می‌توانند اطلاعات مرتبط را استخراج کرده و الگوهای پنهانی را که راه حلهای تحلیل سنتی امکان پذیر از دست بدهند، کشف کنند.

برای مطمعن از صحت و قابلیت مطمعن پیش‌بینی‌ها، باید مدل‌ها را با منفعت گیری از داده‌های انتخابات قبل قبول کرد. 

دقت به این مسئله مهم است که اگرچه هوش مصنوعی می‌تواند بینش‌ها و پیش‌بینی‌های ارزشمندی را اراعه دهد، اما نمی‌تواند رویدادهای پیش‌بینی نشده یا تغییرات ناگهانی در احساسات عمومی را توضیح دهد. به این علت، پیش‌بینی‌ها را باید زیاد تر به‌گفتن احتمالات در نظر گرفت تا قطعیت.

در نتیجه، با منفعت گیری از تکنیک‌های هوش مصنوعی همانند یادگیری ماشین، NLP و یادگیری عمیق، می‌توانیم داده‌ها را برای شناسایی الگوها و عواملی که می‌توانند بر نتایج انتخابات ریاست‌جمهوری تأثیر بگذارند، تحلیل کنیم.

این درحالیست که در برخی کشورها، دسترسی به داده‌های دقیق و قابل مطمعن می‌تواند محدود باشد، که این کار به دقت پیش‌بینی‌ها صدمه می‌زند. افزون‌براین، حرکت رای‌دهندگان امکان پذیر به شدت و به دلایل گوناگون تحول کند، و الگوریتم‌های هوش مصنوعی امکان پذیر قادر به تطبیق سریع با این تغییرات نباشند. دیگر این که داده‌های مورد منفعت گیری توسط الگوریتم‌های هوش مصنوعی امکان پذیر شامل تعصبات و اشتباهاتی باشند که به نتایج نادرست منجر شوند.

چالش‌های اخلاقی و امنیتی

 منفعت گیری از هوش مصنوعی در پیش‌بینی نتایج انتخابات این چنین می‌تواند چالش‌های اخلاقی و امنیتی تشکیل کند، از جمله مسائل مربوط به حریم خصوصی و منفعت گیری نادرست از داده‌ها.

جان کلام این که به‌کارگیری هوش مصنوعی در پیش‌بینی نتایج انتخابات ریاست جمهوری می‌تواند مزایای قابل توجهی داشته باشد، از جمله تحلیل دقیق‌تر و سریع تر داده‌ها و شناسایی الگوها و روندهای مخفی. با این حال، این فناوری با چالش‌ها و محدودیت‌هایی نیز همراه است که نیازمند دقت و مدیریت دقیق می باشند.