如果纽约的“华尔街”是国际金融中心，那么“K华盛顿街”可谓是世界风云变幻的政治中心。华盛顿的“K街”离白宫不远。有一批专业的“政治说客”。每当美国政府有新的法案草案时，他们都会花很多时间仔细研究法案草案，评估是否符合他们的要求。客户，通常是大型企业。不用说，美国政府各项法案的威力，比如最近通过的《芯片与科学法案》，已经直接影响到不少半导体企业。及时了解各项法案是否会对其产生影响，成为企业政策研究的重点。重的。现在，这项工作也可能被ChatGPT取代。斯坦福法律信息中心研究员JohnNay的新研究表明，人工智能模型可以在75%的时间内预测美国国会法案的摘要是否与特定公司相关，更重要的是，可以随后起草法案。给法案发起人的一封信，提倡修改立法，这个模型和ChatGPT一样，背后也有OpenAI的GPT-3大语言模型（LLM）。论文arXiv预印本：https://arxiv.org/ftp/arxiv/papers/2301/2301.01181.pdf阅读政府法案，判断法案影响，准确率75%JohnNay的论文表明他是基于OpenAI由GPT-3LargeLanguageModel(LLM)开发的初级AI游说者，可以通过阅读美国国会法案的摘要来判断美国国会法案的摘要是否与特定公司相关。比如上面提到的芯片法案，如果你有一家公司涉及半导体行业，但不是主营业务，你不确定芯片法案是否会对你的公司造成影响，那么这个AI可以告诉你答案准确率高达75%。这是怎么做到的？首先当然是AI如何理解文本的问题。这需要大量数据进行训练。JohnNay的方法是收集大量的账单数据和企业数据，通过OpenAI的API为模型提供文字提示。法案数据包括法案标题、法案摘要、国会确定的法案主题，公司数据包括提交给美国证券交易委员会的公司名称和公司业务描述作为数据.赋予AI模型的任务示例如下：您是一名游说者，分析国会法案对公司的潜在影响。鉴于该法案的标题和摘要，以及公司在其10KSEC文件中的信息，您的工作是确定该法案是否至少与公司有一定的相关性（就是否会影响公司而言，如果它是稍后实施）。法案的官方标题：{official_title}法案的官方摘要：{summary_text}法案的官方主题：{subjects}公司名称：{company_name}公司业务描述：{business_description}该法案是否与该公司潜在相关？以这种格式回答：回答：“是”或“否”（全部大写）。说明：您对回复的逐步推理。置信度：0到100之间的一个整数，用于估计您对答案（1为低置信度，99为高置信度）数据的置信度，然后挑战模型以预测它们是否与121家独特公司相关联。由于大多数立法不会影响大多数公司，他发现简单地说“不”始终可以让模型在70.9%的时间内正确猜测。当他在2022年3月发布的旧版本GPT-3上测试该方法时，结果比这差得多，预测准确率仅为52.2%。然而，在2022年11月才对外发布的GPT-3.5模型（ChatGPT的大脑）上进行测试时，其准确率达到了75.1%。对于置信度分数超过90的账单，准确率上升到79%。如果议案与公司相关，还可以自动生成议案修正案。对于判断相关情况，AI也会给出相关理由，例如：回答：是解释：AlkermesPlc是一家生物制药公司，其开发和商业化旨在解决主要治疗领域患者未满足医疗需求的产品，包括成瘾和精神分裂症。该法案将要求医疗保险和医疗补助服务中心(CMS)与制药公司就医疗保险处方药福利所涵盖的药物进行价格谈判，这可能会影响AlkermesPlc的产品。信心：95更重要的是，如果该法案被判定为与企业相关，AI便能够起草一封致该法案发起人的信函，主张修改立法。例如，这样一封信：该文件没有评估起草的信件在影响政策方面的有效性，JohnNay明确表示的方法远远不能完成游说者的大部分工作。但他表示，相隔数月发布的模型在预测性能方面的显着改善是值得注意的。“有一个明显的趋势，即产能将迅速增加，”他说。“立法程序还没有为此做好准备，”他补充说。“这只是几天内构建的简单概念证明。”随着越来越多的资源和时间花在这上面，尤其是当更多的注意力放在建立与人类说客的日常工作相关的工作流程和用户体验上时，这可能会导致一些相对复杂的事情。“
