我在斯坦福做的科研demo⋯要被导师带去美国国会演讲？.pdf

AI、大模型、GPT、自然语言处理、平台中间件、新闻 Feed、社会变革、舆论仲裁 本篇文章主要讲述了作者 Jazon 在斯坦福大学做的科研项目，即平台中间件（Platform Middleware），该项目旨在解决社交媒体平台上存在的舆论仲裁问题。下面是该项目的详细知识点： 1. 背景：社交媒体平台的发展史 社交媒体平台的发展史可以追溯到 2006 年，Facebook 推出了 News Feed，这是一个开创性的发明。News Feed 根据用户的喜好，在首页给用户展示推荐的帖子，用户可以无限下滑，查看更多帖子。后来，这个“Feed”的模式被各种平台采用，从推特主页到各大新闻网站，几乎遍布我们生活的方方面面。 2. 问题：舆论仲裁和信息传播 然而，这个模式也带来了两个主要问题：（1）对于社会、政治类一些有争议的话题，是否应该由平台作为仲裁者，去审查过激言论、过滤不实信息，避免不好的帖子出现在用户的 Feed 里呢？（2）平台拥有了影响舆论的权力，怎么确保平台不滥用这个权力，在 Feed 里给人们推送特定观点的帖子呢？ 3. 解决方案：平台中间件 为了解决上述问题，我们提出了“平台中间件”（Platform Middleware）的概念，其要义是——把 News Feed 的推荐算法去中心化，交给第三方去做。在目前的设想里，“中间件”的功能主要有：（1）辨别敏感言论，并对这些帖子标记“左倾”或“右倾”分数、“争议性”分数；如果帖子包含仇恨言论等，可以选择不显示该帖子；（2）对平台推荐的帖子，进行重新排名。“中间件”提供商会有很多，可能各自有自己的政治立场，用户可以自行选择使用哪个“中间件”的服务。 4. 技术：OpenAI API 和 GPT-3 模型 在这个项目中，我们使用了 OpenAI 的 GPT-3 模型来完成 NLP 相关任务。OpenAI 为他们的 GPT-3 模型提供了公开的 API，可以付费使用。他们提供的 GPT-3 模型家族里，目前有 4 个“engine”可用，最好的 engine 是 Davinci，它最强大，不过也最慢、价格最贵。而最基础的 engine 是 Ada。对于辨别文本“左倾还是右倾”的任务，我们主要试了下面 2 个 Endpoints：（1）Classification 文本分类：给定一个帖子、两 个 Labels “Left” 和 “Right”，返回两个 Labels 对应的匹配度分数；（2）Completion 文本完成：给定一段文字，前面是一些例句，最后附上要分类的帖子文本，让 AI 完成文本，给出 “Left”还是 “Right” 的判断。 5. 结果：变革人们接受信息的方式 通过平台中间件和 OpenAI 的 GPT-3 模型，我们可以实现舆论仲裁、信息传播的去中心化，变革人们接受信息的方式。用户可以自行选择使用哪个“中间件”的服务，从而避免平台滥用权力，确保信息传播的公正性和多样性。