自媒体写作的 QRIES 方法论,初学者如何写出让人信服的好文章

如何使用AI来衡量公众对无家可归问题的态度

2024-10-13 20:54:00 英文原文

作者:Jas Kang

加州洛杉矶——无家可归危机已经很长时间是加利福尼亚州的一个重大问题,但是为无家可归者提供庇护仍然是全国面临的问题。


你需要了解的内容

  • OATH AI系统通过社交媒体网站X来评估公众对无家可归者的看法。

  • OATH能够筛选大约240万条推特,并将它们分类到不同的类别中。

  • 该AI系统可以比人类快约6.5倍处理数据。

但公众的不同成员对无家可归者有什么看法?

一名南加州大学的博士生帮助建立了一个AI系统,用于评估美国人对无家可归问题的感受。

贾斯普里特·兰吉特是南加州大学计算机科学系三年级的学生。

这位25岁的人自从中学时期就开始参与倡导组织的活动,当她为了上学搬到洛杉矶时,她希望帮助改进当地社区团体和组织的数据收集方式。

“我看到了他们在数据处理中遇到的几个痛点,特别是在数据分析和数据收集方面,”Ranjit说。“正是这些地方让我看到了创新的机会。”

Ranjit帮助创建了在线对 homelessness(无家可归)的态度,即OATH AI模型,该模型从X平台的240万条社交媒体帖子中收集数据。OATH可以组织这些数据,并将帖子分类为不同的类别,例如解决方案、干预措施、政府批评等。

拉尼特审核了社交媒体帖子的数据后,可以看到公众对无家可归者的态度。

“关于公众看法的一个普遍误解是,有很多针对无家可归者的仇恨和有害言论,”Ranjit说。“但从我们的分析来看,实际上有很大一部分人提出了解决方案和干预措施,并提供了帮助。”

OATH可以按州和城市对社交媒体帖子进行分类,并且通常在有关无家可归问题的新闻报道或政府宣布针对无家可归者援助项目的公告时,会看到关于无家可归者的推特数量激增。

兰吉特认为收集这些数据可以帮助政策制定者通过了解居民对某一特定地区无家可归问题的看法,做出更加明智的决策。

“有些社区成员对建造避难所的位置和如何建造避难所有自己的看法,”Ranit说。“在制定这些政策时,考虑他们的意见很重要。”

上个月,加州州长加文·纽森签署了一项关于使用生成式人工智能的行政命令,其中部分内容呼吁开发者帮助解决无家可归问题,包括利用数据和问责机制创造更多住房,并将无家可归者与当地收容所联系起来,寻找更好的治疗方案。

斯瓦哈·斯瓦姆迪帕是南加州大学的一名教授,并且是该校人工智能与社会中心的副主任。

她帮助Ranjit完善了OATH模型,并表示尽管技术已经取得了很大的进步,但人工智能必须与特定领域的专业人士合作使用,以帮助找到解决方案。

“你必须与这方面的专家合作,与从事此类社会工作的人合作,”Swamdipta说。“并利用这些语言技术来协助他们。”

随着她继续她的倡导工作并帮助建立模型来解决社会问题,Ranjit希望继续推进有助于公众的技术。

“我觉得这是一个能够解决紧迫社会问题的绝佳机会,”Ranjit说。“利用我们现在拥有的技术。”

关于《如何使用AI来衡量公众对无家可归问题的态度》的评论


暂无评论

发表评论

摘要

洛杉矶,加州——无家可归危机已经很长时间是加利福尼亚州的一个重大问题,但为无家可归者提供庇护在全国范围内仍然是一项亟待解决的问题。Jaspreet Ranjit 是南加大计算机科学系三年级的学生。“我看到了他们在数据分析和数据收集方面的一些痛点,”Ranjit 说,“这就是我在创新方面看到的机会。” Ranjit 帮助创建了在线对无家可归态度的数据模型,即 OATH AI 模型,该模型从 X 平台上的240万条社交媒体帖子中收集数据。OATH 可以组织这些数据,并将帖子分为不同的类别,如解决方案、干预措施、政府批评等。“利用我们现在拥有的技术。”