?如果說紐約“華爾街”是國(guó)際金融中心的話，那么華盛頓的“K街”可謂是風(fēng)云變幻的國(guó)際政治中心。

華盛頓的“K街”離白宮不遠(yuǎn)，這里有著一群專業(yè)的“政治說客”，每當(dāng)美國(guó)政府有了新的法案草案，他們就會(huì)花費(fèi)大量時(shí)間仔細(xì)研究法案草案，以評(píng)估它們是否與他們的客戶相關(guān)，這些客戶通常是各大企業(yè)。

美國(guó)政府各種法案的威力不用多說了，比如近期通過的《芯片與科學(xué)法案》，直接受到波及的半導(dǎo)體企業(yè)就為數(shù)不少，及時(shí)了解各類法案會(huì)不會(huì)影響到自己，成為企業(yè)政策研究的重中之重。

現(xiàn)在，這項(xiàng)工作也可能要被ChatGPT取代了。

斯坦福法律信息中心的研究員約翰 · 內(nèi)(John Nay)最新的研究顯示，AI模型能夠在75%的情況下預(yù)測(cè)一份美國(guó)國(guó)會(huì)法案的摘要是否與特定公司有關(guān)，更重要的是，隨后能夠起草一封信給該法案的發(fā)起人，主張對(duì)立法進(jìn)行修改，這個(gè)模型和ChatGPT一樣，背后同樣也是 OpenAI 的GPT-3 大語言模型(LLM)。

論文 arXiv 預(yù)印本：https://arxiv.org/ftp/arxiv/papers/2301/2301.01181.pdf

讀政府法案，判斷法案影響，準(zhǔn)確率75%

約翰 · 內(nèi)(John Nay)的論文顯示，他基于OpenAI 的 GPT-3大語言模型(LLM) 開發(fā)的初級(jí) AI 說客，可以在讀取一份美國(guó)國(guó)會(huì)法案的摘要的基礎(chǔ)上，判斷一份美國(guó)國(guó)會(huì)法案的摘要是否與特定公司有關(guān)。

比如上面提到的芯片法案，如果你有一家涉及半導(dǎo)體產(chǎn)業(yè)的公司，但并非主要業(yè)務(wù)，你不確定芯片法案是否會(huì)影響到你的公司，那么這個(gè)AI就可以告訴你答案，準(zhǔn)確率高達(dá)75%。

這是如何做到的呢？

首先，當(dāng)然是AI如何理解文本的問題，這個(gè)需要大量的數(shù)據(jù)用來訓(xùn)練，約翰 · 內(nèi)(John Nay)的方法是收集大量法案數(shù)據(jù)和企業(yè)數(shù)據(jù)，通過 OpenAI 的 API 為模型提供文本提示。

法案數(shù)據(jù)包括法案的標(biāo)題、法案摘要、由國(guó)會(huì)確定的法案主題，公司數(shù)據(jù)由公司的名稱以及該公司向美國(guó)證券交易委員會(huì)提交的業(yè)務(wù)描述作為數(shù)據(jù)組成。

給AI模型的任務(wù)示例如下：

你是一名游說者，分析國(guó)會(huì)法案對(duì)公司的潛在影響。

鑒于該法案的標(biāo)題和摘要，以及其 10K SEC 文件中有關(guān)公司的信息，你的工作是確定該法案是否至少與公司有一定的相關(guān)性（就是否會(huì)影響公司而言，如果它之后被實(shí)施）。

法案的官方標(biāo)題：{official_title}

法案的官方摘要：{summary_text}

法案的官方主題：{subjects}

公司名稱：{company_name}

公司業(yè)務(wù)描述：{business_description}

該法案是否與該公司潛在相關(guān)？

以這種格式回答：回答：“是”或“否”（全部大寫）。

說明：您為做出回應(yīng)而進(jìn)行的逐步推理。置信度：0 到 100 之間的整數(shù)，用于估計(jì)您對(duì)答案的置信度（1 為低置信度，99 為高置信度）

完成訓(xùn)練之后，約翰 · 內(nèi)(John Nay)整理了335張法案的數(shù)據(jù)，然后對(duì)模型進(jìn)行挑戰(zhàn)，以預(yù)測(cè)它們是否與121家獨(dú)特的公司有關(guān)。

因?yàn)榇蠖鄶?shù)立法不會(huì)影響到大多數(shù)公司，他發(fā)現(xiàn)，只要總是說“不”，模型就可以猜對(duì) 70.9% 的情況。當(dāng)他在2022年3月發(fā)布的舊版本 GPT-3上測(cè)試這種方法時(shí)，結(jié)果比那糟糕得多，預(yù)測(cè)準(zhǔn)確率只有52.2% 。

但是，當(dāng)在2022年11月才公布于眾的 GPT-3.5模型（也就是ChatGPT的大腦）上進(jìn)行試驗(yàn)時(shí)，它的準(zhǔn)確率達(dá)到了75.1% 。在置信度評(píng)分超過90的法案上，準(zhǔn)確率上升到79%。

如果法案與企業(yè)有關(guān)，還能自動(dòng)生成法案修改建議

對(duì)于判定相關(guān)的情況，AI還會(huì)給出相關(guān)的理由，比如：

答：是

解釋：Alkermes Plc 是一家生物制藥公司，開發(fā)和商業(yè)化旨在解決主要治療領(lǐng)域（包括成癮和精神分裂癥）患者未滿足的醫(yī)療需求的產(chǎn)品。該法案要求醫(yī)療保險(xiǎn)和醫(yī)療補(bǔ)助服務(wù)中心 (CMS) 與制藥公司就醫(yī)療保險(xiǎn)處方藥福利所涵蓋的藥物價(jià)格進(jìn)行談判，這可能會(huì)影響 Alkermes Plc 的產(chǎn)品。

置信度：95

更重要的是，如果判斷法案與企業(yè)有關(guān)，AI隨后能夠起草一封信給該法案的發(fā)起人，主張對(duì)立法進(jìn)行修改。

比如這樣的一封信：

論文沒有評(píng)估起草的信件在影響政策方面有多大效果，約翰 · 內(nèi)(John Nay)明確表示，這種方法還遠(yuǎn)遠(yuǎn)不能完成游說者的大部分工作。

但他表示，相隔數(shù)月發(fā)布的模型在預(yù)測(cè)性能方面的顯著提升是值得注意的。他表示: “目前有一個(gè)明顯的趨勢(shì)，就是能力將迅速增強(qiáng)。”

“立法程序還沒有為此做好準(zhǔn)備，”同時(shí)他還表示。“這只是幾天內(nèi)構(gòu)建的一個(gè)簡(jiǎn)單的概念證明。隨著更多的資源和更多的時(shí)間花在這上面，特別是隨著更多的關(guān)注于建立工作流程和用戶體驗(yàn)與人類說客的日常工作聯(lián)系在一起，這可能會(huì)建成一些相對(duì)復(fù)雜的東西。”?