人工智能可以预测哪些国会议案将通过

人工智能可以预测哪些国会议案将通过

人工智能可以预测国会的行为。

学校/ iStock照片
人工智能可以预测哪些国会议案将通过

通过美国参议院审议的医疗保健法案只是国会今年将考虑的数千项立法中的一项,最注定要失败。 实际上,这些法案中只有约4%成为法律。 哪些值得关注? 一种新的人工智能(AI)算法可以提供帮助。 仅使用法案的文本加上大约十几个其他变量,就可以确定法案成为法律的机会非常精确。

其他算法已经预测了一项法案是否能够在国会委员会中生存,或者参议院或众议院是否会投票批准它 - 所有这些都取得了不同程度的成功。 但John Nay是一位计算机科学家,也是总部位于纳什维尔的人工智能公司Skopos Labs的联合创始人,专注于研究政策制定,他希望更进一步。 他想预测一项引入的法案是否能够完全通过两个议院 - 以及它的机会究竟是什么。

Nay从第103届国会(1993-1995)到第113届国会(2013-2015)的数据开始,从立法追踪网站GovTrack下载。 这包括法案的全文,加上一系列变量,包括共同赞助者的数量,法案引入的月份,以及赞助商是否属于其分庭的多数党。 使用大会103到106的数据,他训练了机器学习算法 - - 将账单的文本和上下文变量与其结果相关联。 然后他预测了每一项法案在第107届国会中的作用。 然后,他在大会103到107上训练他的算法来预测第108届国会,等等。

Nay最复杂的机器学习算法结合了几个部分。 第一部分分析了法案中的语言。 它通过的单词来解释单词的含义。 例如,它可能会看到“获得教育贷款”这一短语,并假设“贷款”与“获得”和“教育”有关。然后,一个词的含义被表示为一串描述其与其他词语的关系的数字。 。 该算法将这些数字组合起来为每个句子赋予意义。 然后,它找到了句子含义与包含它们的法案成功之间的联系。 其他三种算法发现了上下文数据和账单成功之间的联系。 最后,一个伞形算法使用这四种算法的结果来预测会发生什么。

由于票据在96%的时间内失败,因此简单的“永远失败”策略几乎总是正确的。 但是,不是简单地预测每个账单是否会通过,Nay想要为每个账单分配一个特定的概率。 如果一项法案价值1000亿美元 - 或者可能需要几个月或几年才能合并 - 你不想忽视其制定的可能性,因为它的可能性低于50%。 因此,他根据分配的百分比而不是预测会成功的账单数量来评分他的方法。 Nay上个月在PLOS ONE报道称,通过这一措施, 。

Nay还研究了在预测法案成功时哪些因素最为重要。 大多数赞助商和担任多个任期的赞助商都处于优势地位(虽然每个人的赔率提高了1%或更少)。 在语言方面,像“影响”和“影响”这样的词语增加了众议院气候相关法案的可能性,而“全球”或“变暖”则带来了麻烦。 在与医疗保健相关的法案中,“医疗补助”和“再保险”降低了两院成功的可能性。 在与专利有关的法案中,“软件”降低了众议院提出的法案的可能性,“计算”对参议院法案也有同样的效果。

Nay说他对单独的法案文本具有预测能力感到惊讶。 他说:“起初我认为这个过程只是非常偏袒,而不是与立法中包含的基本政策有关。”

西雅图华盛顿大学的政治学家约翰威尔克森说,Nay使用语言分析是“创新的”和“有希望的”。 但他补充说,如果没有事先预测将某些词语与成功联系起来 - 例如“影响”这个词 - 该项目对阐明国会议员的思想如何运作没有太大作用。 “我们并没有真正了解过程,战略或政治。”

但它似乎仍然是最好的方法。 “看看账单文本的Nay方式是新的,”GovTrack的软件开发人员Joshua Tauberer说道,他拥有语言学背景,总部设在华盛顿特区,他一直使用自己的机器学习算法来预测账单制定。去年,Nay得知了Tauberer的预测,并且两人进行了比较。 Nay的方法做出了更好的预测,Tauberer为Nay's抛弃了他自己的版本。

那么新算法如何将许多(失败的)法案排除在废除“平价医疗法案”之后呢? 一个简单的基本率预测会使他们的机会达到4%。 但对于几乎所有人来说,Nay的计划让赔率更低。