نوشته شده توسط لری اس. لیبوویچ و پیتر تی. کلمن

تلاش برای درک و ترویج صلح جهانی مدتهاست که به معیارهای سنتی مانند تولید ناخالص داخلی ، میزان جرم و جنایات و نظرسنجی های تخصصی متکی است. اما تحقیقات جدید نشان می دهد که ما ممکن است بتوانیم صلح را به روشی کاملاً متفاوت اندازه گیری کنیم: با تجزیه و تحلیل زبان مورد استفاده در رسانه های خبری جامعه.

در یک سری مطالعات به رهبری محققان در دانشگاه کلمبیا ، الگوریتم های یادگیری ماشین قادر به تمایز بین کشورهای بالاتر و پایین تر بر اساس کلمات اصلی پوشش خبری خود بودند. حتی قابل توجه تر ، این تحلیل با هوش مصنوعی الگوهای زبانی را نشان داد که فرضیات ما را در مورد آنچه صلح در زمین به نظر می رسد ، به چالش می کشند.

دیدگاه سنتی صلح غالباً بر عدم درگیری متمرکز است – هیچ جنگ ، بدون خشونت ، هیچ نزاع. اما هنگامی که محققان خبره در ابتدا فرض کردند که کدام کلمات در مسالمت آمیز در مقابل کشورهای کمتر صلح آمیز رایج است ، آنها تا حد زیادی اشتباه بودند. شرایطی که انتظار داشتند مانند “هارمونی” ، “همکاری” و “وحدت” در کشورهای مسالمت آمیز یا “خشونت” ، “درگیری” و “پرخاشگری” در کشورهای کمتری پیدا کنند ، به هیچ وجه تمایز دهنده اصلی نبودند.

در عوض ، هوش مصنوعی چیزی بسیار ظریف تر و عمیق تر کشف کرد. رسانه های خبری در کشورهای صلح آمیز تر تمایل دارند که روی بافت زندگی روزمره تمرکز کنند – داستان های مربوط به کار ، خانواده ، بازی ها ، خلاقیت و جامعه. این زبان متنوع تر و غیررسمی تر است ، و جامعه ای را با دیدگاه های متعدد و روش های موجودی راحت نشان می دهد. در مقابل ، خبرهایی از ملل کمتر صلح آمیز تحت سلطه کلمات مربوط به دولت ، سیاست ، کنترل و ساختارهای رسمی قدرت است که در کل تنوع کمتری دارد.

این یافته به حقیقت عمیق تری در مورد صلح اشاره دارد: ممکن است کمتر در مورد اعلامیه های بزرگ هماهنگی و بیشتر در مورد چیزهای کوچک زندگی روزمره مجاز به مرحله مرکزی باشد. هنگامی که یک جامعه واقعاً در صلح است ، شاید قابل توجه ترین چیز این باشد که مردم می توانند به جای زنده ماندن ، بر زندگی خود تمرکز کنند و نه کنترل کنند.

روش تیم تحقیق غیرمستقیم است. آنها به جای شروع با فرضیات انسانی در مورد آنچه مهم است ، به آنها اجازه می دهند میلیون ها کلمه را در بیش از 700،000 مقاله از نه کشور بلند در مقابل نه کشور کم نظیر بررسی کنند تا الگوی معنی دار پیدا کنند. این رویکرد “داده محور” به جای “فرضیه محور” به آنها اجازه می داد تا بینش هایی را کشف کنند که اگر در آزمایش تئوری های از پیش تعیین شده گیر کرده بودند ، ممکن است پنهان باقی بمانند.

نتایج فقط دانشگاهی نبودند – آنها بسیار عملی بودند. مدل یادگیری ماشین ، که بر روی این داده های زبانی آموزش دیده است ، قادر به ایجاد “شاخص صلح” بود که با اقدامات سنتی صلح که نیاز به نظرسنجی گسترده و تجزیه و تحلیل تخصصی دارد ، به شدت ارتباط دارد. اما بر خلاف آن شاخص های استاندارد ، که سالانه در بهترین حالت به روز می شوند ، این سیستم هوش مصنوعی به طور بالقوه می تواند با تجزیه و تحلیل تغییرات در پوشش خبری مداوم ، صلح را در زمان واقعی نظارت کند.

این پیامدهای عمیقی دارد. تصور کنید که می توانید با مشاهده تغییر در زبان رسانه ای یا قادر به اندازه گیری تأثیر ابتکارات صلح ، از طریق تغییر در نحوه صحبت یک جامعه در مورد خود ، علائم هشدار دهنده اولیه وخیم تر شدن صلح را تشخیص دهید. محققان در حال بررسی چگونگی پیش بینی سیستم خود در سطح صلح هستند.

شاید جالب ترین ، این مطالعات نشان داد که ایالات متحده بسیار مهم است – در اقدامات سنتی صلح بسیار زیاد است اما الگوهای زبانی را از نظر تمرکز سیاسی و پویایی بین گروهی محدود نشان می دهد. این سؤالات مهمی را در مورد رابطه بین ثبات نهادی و صلح واقعی اجتماعی ایجاد می کند.

این تحقیق همچنین به یک انقلاب گسترده تر در نحوه مطالعه جامعه اشاره دارد. علوم اجتماعی سنتی با تئوری ها شروع می شود و آنها را در برابر داده ها آزمایش می کند. اما ابزارهای جدید هوش مصنوعی به ما این امکان را می دهند تا این فرآیند را معکوس کنیم – الگوهای مجموعه ای از داده های زیادی که محققان انسانی هرگز فکر نمی کردند به دنبال آن نباشند ، پدید می آید.

این بدان معنا نیست که هوش مصنوعی می تواند جایگزین بینش بشر شود – در واقع ، کارشناسان محلی از ملت های مورد مطالعه برای درک الگوهای زبانی که هوش مصنوعی کشف کرده و آنها را به تئوری های گسترده تری در مورد عملکرد جوامع مسالمت آمیز متصل می کند ، گرفت. اما این نشان می دهد که هوش مصنوعی می تواند یک شریک ارزشمند در کمک به ما در دیدن پیش تصورات ما و تشخیص چگونگی تجلی صلح در دنیای واقعی باشد.

در زمانی که بسیاری نگران این هستند که از هوش مصنوعی عمدتاً برای ارتقاء درگیری و تقسیم استفاده شود ، این تحقیق یک نمونه ضد الهام بخش را ارائه می دهد. در اینجا از هوش مصنوعی استفاده می شود که برای دستکاری یا کنترل استفاده نمی شود بلکه به ما در درک بهتر پویایی های ظریف اجتماعی که به انسان اجازه می دهد تا در صلح با هم زندگی کنند ، استفاده می کنند.

این تحقیق به ما یادآوری می کند که صلح فقط عدم وجود جنگ نیست – این حضور جامعه ای است که به اندازه کافی کار می کند تا مردم بتوانند روی زندگی ، یادگیری ، بازی و ایجاد در کنار هم تمرکز کنند. و در حالی که ممکن است ما همیشه نتوانیم این الگوهای را با چشمان خودمان ببینیم ، هوش مصنوعی به ما کمک می کند تا بفهمیم صلح در طبیعت چگونه است. اکنون ، چالش استفاده از این بینش ها برای کمک به جوامع بیشتر در دستیابی به آن است.

لری اس. لیبوویچ یک فیزیکدان و دانشمند ارشد تحقیقاتی در کنسرسیوم پیشرفته همکاری ، درگیری و پیچیدگی در دانشکده آب و هوا در دانشگاه کلمبیا است. وی سیستم های پیچیده ای را با بسیاری از قطعات به شدت در تعامل در علوم فیزیکی ، بیولوژیکی و اجتماعی و اخیراً از یادگیری ماشین و هوش مصنوعی برای مطالعه صلح استفاده کرده است.

پیتر تی. کلمن استاد روانشناسی و آموزش در دانشگاه کلمبیا و یک متخصص مشهور در زمینه حل و فصل مناقشه سازنده ، درگیری غیرقابل تحمل و حفظ صلح است. جدیدترین کتاب او ، راه خروج: نحوه غلبه بر قطبش سمی (2021) ، توسط انتشارات دانشگاه کلمبیا منتشر شد.