In un’epoca in cui il conservatorismo della Silicon Valley si esprime apertamente e diventa ogni giorno più intenso, è strano pensare che una volta la tecnologia fosse vista come un alveare di liberalismo. La natura di destra dell’industria tecnologica di oggi significa che i suoi prodotti tendono a essere visti anche come al servizio degli interessi di destra, sia nel loro funzionamento effettivo (come il chatbot di destra Grok, apertamente e impenitentemente di X), sia per il semplice fatto che la loro esistenza serve advert arricchire un piccolo gruppo di persone molto potenti e molto conservatrici.
Ma deve essere così? I LLM e gli agenti di intelligenza artificiale possono trovare un posto nel toolkit dei gruppi di attivisti progressisti? La convinzione che possano farlo è l’concept alla base di una nuova app chiamata Gridoche fornisce un chatbot progettato specificamente come “mentore privato di intelligenza artificiale sul dispositivo per attivisti, organizzatori e costruttori di movimenti”. (C’è anche a versione webanche se ovviamente non ha i vantaggi in termini di privateness derivanti dall’essere completamente offline.) È il frutto dell’ingegno del co-creatore di Occupy Wall Avenue, Micah White, che ha recentemente scritto un articolo articolo del blog sul pensiero alla base del progetto.
Questa è davvero un’concept affascinante. Non è certamente l’unico modo in cui i gruppi di attivisti stanno sfruttando i prodotti della Massive Tech contro di essa. Il mese scorso abbiamo riferito sui modi in cui i locali utilizzano gli LLM per sostenere le loro campagne contro la costruzione di information middle. Ma è il primo esempio di cui sono a conoscenza in cui un LLM è stato progettato specificamente per l’utilizzo da parte di attivisti di sinistra. Inoltre, è anche un esempio di un utilizzo sempre più comune dei LLM, come consulenti specializzati.
In definitiva, Gli LLM sono database: sono un modo sofisticato e in linguaggio naturale per interrogare set di dati di grandi dimensioni per ottenere le informazioni desiderate. I chatbot generalisti come ChatGPT sono addestrati praticamente su qualsiasi cosa. In teoria, questo significa che puoi chiedere loro informazioni sulla cromodinamica quantistica con la stessa facilità con cui puoi chiedere loro consigli su come arrostire un pollo. In pratica, crea un enorme problema nel distinguere le informazioni affidabili dalle sciocchezze, perché altrimenti non c’è nulla che possa distinguere uno studio sottoposto a revisione paritaria sull’efficacia dei vaccini a mRNA da un gruppo di cuochi in un gruppo Fb che si torcono le mani su come l’iniezione Covid abbia dato loro il morbo di Morgellon, o qualcosa del genere.
Tuttavia, se limiti i dati di formazione a un determinato argomento e a fonti scelte appositamente per la loro affidabilità e rilevanza, puoi creare qualcosa come Outcry: un chatbot specializzato che sai essere stato addestrato su dati di alta qualità. Questo non vuol dire che l’app non possa commettere errori: la natura degli LLM è che proveranno a raccogliere vari dati in un risultato coerente e in linguaggio naturale e, dato che alla wonderful si affidano ai parametri di ponderazione interni e agli algoritmi di riconoscimento dei modelli, a volte il risultato che emettono sarà impreciso. (Questo è separato dal problema dei LLM che generano spontaneamente informazioni false, comunemente particular, inspiegabilmente e irritanti, come “allucinanti”.)
Questa non è certamente la prima applicazione di questa concept. Period riportato all’inizio di questo mese che qualcosa come due terzi dei medici chiedono consigli per fare diagnosi a un LLM medico specializzato chiamato OpenEvidence. Questa non è necessariamente una cosa negativa; i medici hanno sicuramente cercato su Google le cose prima dell’avvento dei LLM. Dipende davvero solo da dove chiedono e se controllano le risposte che ricevono per assicurarsi che siano effettivamente corrette. (Detto questo, se vedi il tuo medico che chiede a ChatGPT i tuoi sintomi, probabilmente dovresti trovare un nuovo medico.)
L’altra caratteristica distintiva di Outcry è che il suo set di dati è interamente offline: è incluso nel obtain. Secondo il file Leggimi, l’intero set di dati viene scaricato sul dispositivo al primo avvio e archiviato nella listing Supporto applicazioni della libreria. Ho pensato che potesse essere interessante dare un’occhiata ai dati, ma nonostante ogni sorta di grep e frugando sia nella mia libreria utente che nella libreria principale del laptop, non sono riuscito a trovare il file in questione. Non sembra essere nemmeno nel pacchetto di obtain, nonostante il pesante obtain da 3 GB. (Anche chiedere al chatbot dove erano archiviati i suoi dati non mi ha portato da nessuna parte.)
È chiaramente da qualche parte, però, perché l’app stessa è chiara sulla sua natura offline.
Detto questo, come si comporta Outcry nel suo ruolo di mentore organizzativo? Direi che le sue informazioni sono piuttosto generali e di alto livello, anche perché la sua natura offline gli impedisce di accedere a dettagli specifici non contenuti nel suo database. Prendiamo, advert esempio, la sua risposta sui gruppi locali anti-ICE a New York:
Detto questo, con un po’ di suggerimenti suggerirà azioni concrete che puoi intraprendere, e talvolta fallo subito:
Secondo White, l’app Outcry è “imperfetta” e chiede agli attivisti di testarla e di fargli sapere cosa funziona in modo che possano migliorarla.
Quindi Outcry è buono? Nel complesso, direi “sì”. Questa app ha il potenziale per essere una risorsa davvero preziosa, soprattutto per le persone che hanno appena iniziato a impegnarsi nell’attivismo e sinceramente non sanno da dove cominciare, e superare quel primo passo può essere difficile.
