AI初创公司Simile用虚拟人群模拟预测选举

计算机模拟有朝一日能否万无一失地预测全球选举？早在20世纪60年代初，奥林·克洛特沃西就坚信如此。这位CIA官员兼电脑爱好者设想，在未来，当时尚属新兴技术的计算机不仅能预测选举结果，还能比最聪明的政客更好地解释这些结果。他写道，计算机将“在这一分析过程中绕过选民本人，越过选民去寻找其决策背后的深层原因”。

如今，怀抱这一梦想的远不止克洛特沃西一人。估值20亿美元的AI初创公司Simile自称是一家“模拟公司”，承诺“通过为塑造世界的独特个体绘制鲜活画像，打造全球最精准的行为模型”。与克洛特沃西一样，Simile将借助“社会拟像”——在这里指基于访谈数据训练的AI代理——来打开人类行为与动机的黑箱，揭示选举的奥秘。他们似乎正走在成功的路上；该公司网站重点介绍了一项近期研究，该研究发现其模型“复现参与者回答的准确率达到了人类自身重测准确率的85%”。

尽管相隔64年，克洛特沃西和Simile的表述听起来仿佛出自同一时代。两者讲述的都是美国政治创新的故事——最新技术被设计并定位为彻底改变我们对政治的理解方式。但当我们把政治创新理论简化为技术承诺时，我们的政治与文化会发生什么？

我最初思考这个问题是在2012年，巴拉克·奥巴马竞选总统期间。当时，许多人认为“大数据将拯救政治”，正如《麻省理工科技评论》一期封面所宣称的那样，称奥巴马的第二次胜利表明大数据如何能够赋权数百万人、让政治更加民主。出于对这份对计算机的信心从何而来的好奇，我开始撰写《SimPolitics》一书，试图解释技术方案为何能对政治这种本质上无解的事物产生如此强大的吸引力。

克洛特沃西正是这一想象的起点。在1962年的文章《关于计算机的一些超前思考》中，他写道，从理论上讲，看似平淡无奇、彼此无关的数据——酒精消费量、天气、农作物产量、厨房电器销量——都可以被用来预测人类行为的一切，包括投票模式。这是一个激进的想法，对克洛特沃西而言，主要是一个思想实验。他引用了当时博弈论和计算领域的顶尖理论家——詹姆斯·布坎南、保罗·拉扎斯菲尔德、托马斯·谢林和诺伯特·维纳——作为灵感来源。

在别处，社会科学家和计算机科学家开始尝试用新的计算机技术预测人类行为。威廉·麦克菲和詹姆斯·科尔曼认为，计算机模型可以捕捉此前不可见的集体行为。他们的一些想法启发了臭名昭著的、由DARPA资助的Simulmatics公司，该公司承诺用计算机模拟彻底改变政治和广告业，最终于1969年破产。

其他人则取得了更大的成功。20世纪70年代，哈佛出身的社会科学家乔纳森·罗宾利用其早期计算机专长，承诺提供一种理解美国选民的新方式。罗宾后来代表了一整个行业，以及一家名为Claritas Corporation的公司——该公司声称能根据邮政编码和人口普查数据“了解”美国人的行为方式。他使用一种名为k-means聚类的统计方法对美国每个邮政编码进行分类（聚类），提出个体所属的群体比个体本身更重要。

这些聚类对当时的策略师来说极具吸引力。它们经久耐用，并成为当今微定向和直邮的基础，用于寻找易接受的受众。但聚类并不总是那么优雅。

当我们把政治创新理论简化为技术承诺时，我们的政治与文化会发生什么？

尽管该方法在技术上行得通，但要让聚类真正显现出来，需要大量精力和精细调整。罗宾和Claritas公司的许多其他员工不得不仔细地将人口普查和邮政编码记录数字化，然后通过手动整理打孔卡来合并两个庞大的数据集，再想办法通过计算找出每个邮政编码人口统计属性中的模式（即后来的聚类），结果却被告知这些洞察往往过于技术化、难以解读。聚类既需要计算解释来找到合适的阈值——不能太大也不能太小才有用——还需要一个反映共同特征的生动名称（例如“猎枪与皮卡”“蓝血庄园”和“波西米亚混搭”）。

该公司最终退出政治领域，转向利润更丰厚的市场，同时为其他用途生产新的聚类。然而，Claritas的愿景——利用庞大数据集推断选民的政治偏好，并据此预测他们的投票——自此成为计算想象的基本逻辑。

在20世纪90年代和21世纪初，政党转向新的数据库技术，收集更多政治数据，并将其选民与不断增长的数字影子关联起来。到2010年代，这些数据库成为政治参与平台的一部分，将在线习惯与其他政治记录联系起来，试图推动人们越来越多地在数字空间中参与竞选活动。而如今，在2020年代，聚类的承诺似乎兜了一个完整的圈，AI承诺为普通选民创建数字分身。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）