くだらないジョークが山ほどあるとはいえ、政治家に本質的な欠陥などない。確かに彼らは嘘つきだが、それは彼らが人間であるという証拠に過ぎない。そして、政治に本質的な欠陥などない。声高に、そして非効率的に互いに意見を異にすることは、誇り高き霊長類の伝統であり、その代わりに拳で（あるいはより致命的な手段で）投票するしかないのだ。
政治で不安を掻き立てるのは、その露骨な説得力だ。人々は、世論を誘導することを明確な意図としたスピーチを執筆し、発表するために金をもらっている。その言葉遣いは、地域や選挙区に合わせて、必要に応じて変化しているように思える。政治的にデリケートな問題を取材するジャーナリストも、特定の立場を熱弁したり、事実だけを述べることで客観性を装いながらも、他の詳細は省略したりすることで、同じように不安を煽ることがある。すべては説得であり、それは恐ろしいことかもしれない。なぜなら、私たちは説得されるようにできているからだ。それは社会的な動物であるがゆえに、避けられない代償なのだ。
幸いなことに、機械はそう簡単には左右されない。昨年、カーネギーメロン大学とノースカロライナ大学チャペルヒル校の研究者たちは、人工知能を用いて選挙演説を分析し、候補者が様々な有権者層にアピールするために言葉遣いをどのように調整しているかを定量化した論文を発表した。「アメリカ大統領選に出馬する場合、ミット・ロムニー氏やバラク・オバマ氏が予備選に勝利した後は、国民へのアピール方法を変え、中道寄りになるというのが通説です」と、カーネギーメロン大学のコンピューター科学者、ノア・スミス氏は言う。
この仮説を検証するため、スミス氏とスピーチ分析チームのメンバーは、まず112冊のノンフィクション政治書籍と765冊の雑誌を機械学習アルゴリズムにかけ、特定の政治イデオロギーに最もよく関連する特定の用語または「手がかり」を特定した。ロン・ポール氏の著書は「リバタリアン言語の素晴らしい例」だとスミス氏は語るが、彼の政治学者の同僚は、システムが読み取りおよび抽出した内容を理解できるように、特定の章に注意深くラベルを付ける必要があった。言語は、極右から極左、リバタリアンまたは宗教的、またはそのすべてまで、どこにでもタグ付けできる。3,200万以上の手がかりが収集されたので、チームはCLIP（手がかり遅延イデオロギー比率の略）と呼ばれるコンピューターモデルに、2008年と2012年の大統領選挙に関連するスピーチの書き起こしをふるいにかけ、それらの政治的手がかりの割合と関係を決定するという不快なタスクを割り当てた。
「私たちが調査した結果、非常に明確な結果が得られました。つまり、どのケースでも、予備選挙で勝利した人々は、より過激な言葉遣いから中道へと移行しているということです」とスミス氏は言う。「これは人々が信じていた確立された事実でしたが、実証的に検証されていませんでした。」
結果はご自身でご確認いただけますが、これはAIベースの統計分析であり、フレーズの出現回数だけでなく、スピーチのどの部分で、他の手がかりとどれだけ近いかといった要素も考慮する必要があるため、適切な文脈で解釈するのは難しいかもしれません。さらに、スミス氏も認めているように、このプロジェクトは既に広く信じられている考え方を裏付けるものなので、特に驚くような結果ではありません。それでも、CLIPの結果を見ると、情け容赦なく客観的な機械を演説のレトリックに投入することには、真の価値があるように思えます。
2011年9月、2012年の予備選挙シーズン開幕に際し、ミット・ロムニー氏はフロリダ州タンパで演説を行いました。CLIPの分析によると、その演説は右翼的な要素が強く見られました。例えば、不法移民に関する様々な用語が使用されていました。これは極端に単純化した表現ですが、モデルは演説の約68%が右寄りであると推定しています。それから1年弱後、ロムニー氏は再びタンパに戻り、共和党の指名候補指名を受諾しました。しかし、全国の視聴者がテレビで視聴し、総選挙に向けたキャンペーンが正式に開始されたため、移民に関する言及は完全に削除されました。CLIPは実際には、この演説を左寄りと評価しました（政治的に重要な言葉の約54%が左寄りでした）。
バラク・オバマも2008年の選挙運動中に同様のレトリックの変化を見せた。予備選挙前の約59%が左寄りだった言葉遣いから、本選挙中には約53%が右寄りになったのだ。つまり、オバマは中道を目指すという従来の戦略を追求しただけでなく、保守派へのアピールを高めるために、共和党が優勢な州の問題に過度に踏み込んだと言える。これは意図的なものだったのか、それとも野党の選挙活動に対する自然な反応だったのか。原因が何であれ、このシステムは評論家たちが見逃したものを捉えたようだ。
* * *
CLIPの開発者たちの目標は、特定の政治家や戦略を批判することではなく、AIを活用したこの種の分析が有用であることを証明することだった。「これは、おそらく人々があまり得意ではないことの好例です」とスミス氏は言う。「あなたや私にとって、スピーチを聞いて、特定の支持層にどれだけの頻度で訴えようとしているかを冷静かつ客観的に評価するのは非常に難しいことです。私たちはあまりにも主観的で、問題に縛られすぎています。気にしすぎているのです。」
CLIPによる修辞評価は、自然言語処理（NLP）のより複雑な利点の1つを明らかにしている。NLPはAI研究の一分野であり、話し言葉や書き言葉の分析に重点を置く。NLPの最も有名なチャンピオンはIBMのWatsonで、何百万ページもの文書を処理できる能力により、2011年にはクイズ番組「Jeopardy」のチャンピオンに輝いた。このプラットフォームは現在、さまざまなテキスト処理アプリケーションに活用されており、最も劇的なのは、医学雑誌や患者の記録を調べて、医師が特定の癌患者に適した治療法や臨床試験を特定するのを支援することだ。NLPはAppleのSiriのAIバックボーンでもある。Siriはおそらく強力な音声認識システムだが、実生活よりもiPhoneのCMでの方がはるかに役立っている。
しかし、ワトソンとSiriが提供しているのは、NLPが長年、そしてコンピューターが数十年にわたって培ってきた能力、つまり大量のデータを迅速に処理する能力です。しかしCLIPは、人間がレビューするのはまず信頼できないようなデータを、結果に人間のバイアスを注入することなく処理することで、NLPをさらに高度な領域へと押し上げます。たとえ人が政治についてどれほど無知だと主張しても、特定の政治家は本能的な反応を引き起こす傾向があります。「コンピューターは全く関与していません」とスミスは言います。「ミット・ロムニー氏がどう発言すべきかについて、コンピューターは立場を取っていません。」
政治的ツールとして、あるいは実際には反政治的ツールとして、スピーチライターや選挙運動責任者の狡猾な戦術を暴くNLPは、比較的強力に見える。しかし、AIというより広い文脈で見ると、CLIPのようなシステムは、NLPが最も魅力的に見えるのは人間の思考を模倣するときだという印象に反論する。CLIPが機能するのは、ミット・ロムニーの宗教的背景やバラク・オバマの2008年の選挙運動での公約について意見を持たないからだ。CLIPや同様のAIアプリケーションが効果的なのは、人間の言語を扱いながらも、非人間的で冷静なままでいられるからだ。
CLIPが今後の選挙でどのような役割を果たすのかはまだ不明であり、おそらく無関係でしょう。スミス氏とその同僚は学者であり、政治活動家やスタートアップ起業家ではありません。彼らの手法とデータは公開されているため、それを応用したい人は簡単に独自のモデルを作成できます。しかし、スミス氏の後続プロジェクトは、政治におけるAIの活用にさらに広範な影響を与える可能性があります。スミス氏は、ノースカロライナ大学チャペルヒル校、カリフォルニア大学デービス校、メリーランド大学の研究者と再び協力し、政治問題のメディア報道におけるフレーミングの問題を研究しています。
フレーミングとは、一言で言えば、選択に関するものです。つまり、問題がどのように提示されるか、つまり、どのような言葉や言及が盛り込まれ、強調されるか、そしてどのような内容が欠けているかを指します。例えば、移民問題を扱った記事は、国外追放によって引き裂かれた子どもたちや家族について語っているのでしょうか、それとも安全保障や法執行の問題を扱っているのでしょうか？
既存の研究は、フレーミングが実際に存在し、時には直感に反することを示しているようだ。1993年の研究では、全国的な失業に焦点を当てた貧困に関する記事を読んだ人は、大規模な組織に責任があると感じる可能性が高いことがわかった。一方、貧困と闘う個人を詳細に扱う報道は、読者に経済的困難を個人の決断のせいにさせる可能性が高い。言い換えれば、ヒューマンインタレストストーリーは逆効果となり、同情とは正反対の反応を引き起こす可能性がある。さらに奇妙なことに、フレームは伝染するという仮説もある。あるメディアの報道の選択が他のメディアにも広がり、特定の問題をめぐるより広範な政策論争が、特定のフレームを維持したまま州境を飛び越える可能性がある。私たちの国家的な議論は、事実だけでなく言語の選択によっても定義される可能性がある。「フレーミングは本当に重要なようです。ですから、追跡する価値のある類のもののように思われます」とスミス氏は言う。
スミス氏と彼のチームは現在、国立科学財団（NSF）の資金援助を受け、「政策フレーム・コードブック」と呼ばれるものを作成中です。同性婚、喫煙、移民に関するフレームに焦点を当てています。これまでに、1990年から2012年の間に発表された約9500件の記事からフレーミングデータを収集しており、これは完全に人間が行う骨の折れる作業ですが、将来的には自動化できるとチームは考えています。3年間のプロジェクトが2年経過しましたが、多くの結論を出すのはまだ時期尚早です。確かなのは、これはまだ始まりに過ぎないということです。AIがより高度化し、よりアクセスしやすくなるほど、政治家、ジャーナリスト、その他の説得の専門家は、発言内容とその方法についてより意識する必要が出てくるでしょう。
私としては、ロボットによる過剰分析を歓迎します。
