Mapping the Narrow Corridor with Large Language Models
Dieses Paper schlägt eine reproduzierbare, anbieterunabhängige Pipeline unter Verwendung von Large Language Models vor, um das „Narrow Corridor“-Framework von Acemoglu und Robinson zu operationalisieren, indem die Macht von Staat und Gesellschaft für zwölf Länder über die Zeit hinweg quantitativ bewertet wird, wodurch die Theorie von einem qualitativen Narrativ in einen datengesteuerten Trajektorien-Atlas transformiert wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, die Geschichte eines Landes nicht als eine Liste von Daten und Königen abzubilden, sondern als einen Spaziergang durch einen riesigen, unsichtbaren Flur. Dieser Flur ist der „Enge Korridor“ (Narrow Corridor), ein Konzept aus einem berühmten Buch von Ökonomen, die den Nobelpreis gewonnen haben. Sie argumentieren, dass wahre Freiheit nicht entsteht, wenn eine Regierung super stark ist oder wenn das Volk super stark ist; sie entsteht nur, wenn die beiden im Gleichgewicht sind und Seite an Seite diesen schmalen Pfad entlangwandern. Wenn die Regierung zu stark wird und das Volk zu schwach, wandert das Land in eine „despotische“ Zone (wie ein Gefängnis). Wenn die Regierung zu schwach und das Volk zu stark ist, verfällt es im Chaos. Wenn beide schwach sind, ist es ein „Papier“- oder „abwesender“ Staat, in dem eigentlich nichts funktioniert. Jahrzehntelang haben Historiker versucht, diese Pfade zu zeichnen, aber es ist unglaublich harte Arbeit. Es erfordert das Lesen von Jahrhunderten der Geschichte und das Treffen tausender Urteile, um genau zu entscheiden, wo ein Land zu einem gegebenen Zeitpunkt steht. Es ist, als versuche man, die Temperatur eines Sturms mit einem Lineal zu messen; es ist unordentlich, subjektiv und dauert ewig.
Nun kommen die Neuen auf den Markt: Large Language Models (LLMs). Das sind die superintelligenten KI-Computer, die fast alles lesen können, was jemals geschrieben wurde, und Fragen dazu beantworten können. Die große Frage, die dieses Paper stellt, ist einfach: Können wir diese KI-Computer lehren, die Historiker zu sein? Können wir eine KI bitten, die Geschichte eines Landes, Periode für Periode, anzusehen und ihren Wanderpfad durch den Engen Korridor zu zeichnen? Die Autoren, angeführt von Ebrahim Songhori, beschlossen, dies herauszufinden. Sie ließen die KI nicht einfach nur raten; sie entwickelten ein sorgfältiges, schrittweises Rezept. Zuerst ließen sie die KI die wichtigsten Ereignisse eines Jahrzehnts auflisten (wie eine Revolution oder ein neues Gesetz). Dann baten sie die KI, diese Liste zu nutzen, um eine Punktzahl von 0 bis 10 zu vergeben, wie stark die Regierung war und wie stark das Volk war. Dies taten sie für zwölf verschiedene Länder, darunter Giganten wie die USA und China sowie kleinere wie Somalia und den Libanon. Sie testeten sogar vier verschiedene KI-Modelle, um zu sehen, ob sie sich untereinander einig waren, und verglichen die Zeichnungen der KI mit einer berühmten, von Experten erstellten Karte namens V-Dem, um zu sehen, ob die KI auf derselben Wellenlänge wie menschliche Experten lag.
Hier ist, was sie fanden heraus. Die KI-Modelle waren überraschend gut darin, diese Pfade zu zeichnen. Wenn sie sich Länder wie das Vereinigte Königreich und die USA ansah, platzierte die KI sie korrekt innerhalb des „Engen Korridors“ und zeigte einen langen, stetigen Spaziergang, bei dem die Regierung und das Volk gemeinsam stark wurden. Wenn sie sich Orte wie den Iran und China ansah, zeigten die KI-Modelle, wie sie in die „despotische“ Zone hinaufwanderten, in der die Regierung, insbesondere nach großen Revolutionen, viel stärker wurde als das Volk. Für Länder wie die Demokratische Republik Kongo und Somalia platzierte die KI sie korrekt in die „schwache“ Zone, in der die Regierung kaum existiert. Der interessanteste Teil war, dass die KI nicht nur die Ideen des Buches kopierte; sie berechnete den Pfad tatsächlich basierend auf den Ereignissen. Zum Beispiel zeigte sie, wie Chile während eines Militärputsches im Jahr 1973 einen scharfen Sturz aus dem Korridor vollzog und dann langsam wieder hineinwanderte, nachdem die Demokratie zurückgekehrt war.
Die Autoren sind jedoch sehr vorsichtig damit zu sagen, dass die KI perfekt ist oder die Geschichte „gelöst“ hat. Sie fanden heraus, dass die KI zwar gut mit menschlichen Experten darin übereinstimmte, wie stark das Volk war, sie die Regierung jedoch manchmal anders sah. Die Experten fanden Regierungen oft stärker als die KI, besonders in älteren Zeiten. Die Autoren vermuten, dass dies daran liegt, dass die KI auf viel moderner, englischsprachiger Daten trainiert wurde, was sie dazu bringen könnte, die Vergangenheit etwas anders zu sehen als ein menschlicher Historiker, der ein Leben lang spezifische Archive studiert hat. Außerdem könnte die Übereinstimmung, da die KI auf Daten trainiert wurde, die wahrscheinlich dieselben Expertenkarten enthalten, gegen die sie verglichen wurde, einfach darauf beruhen, dass die KI sich an das erinnert, was sie gelesen hat, und nicht unbedingt neue Wahrheiten entdeckt hat.
Am Ende legt dieses Paper nahe, dass KI ein mächtiges, billiges und schnelles Werkzeug sein kann, um diese historischen Karten zu zeichnen. Sie kann in wenigen Stunden das leisten, wofür ein Team von Experten Jahre bräuchte, und sie kann dies auf eine völlig transparente Weise tun – man kann genau sehen, welche Ereignisse die KI für ihre Entscheidung genutzt hat. Die Autoren schlagen vor, die KI als „ersten Entwurf“ oder als „Baseline“ zu verwenden, um diese Pfade für viele Länder schnell zu generieren, und dann menschliche Experten einzuschalten, um die schwierigen, kontroversen Teile zu prüfen. Es ist kein Ersatz für menschliches Urteilsvermögen, sondern eine neue, aufregende Art, die unordentliche Geschichte in eine klare, visuelle Karte zu verwandeln, die jeder erkunden kann. Die Autoren haben sogar ihren gesamten Code und eine interaktive Galerie veröffentlicht, damit Sie selbst auf diese animierten Geschichtswanderungen klicken und spielen können, während Sie beobachten, wie Länder wachsen, stolpern und ihr Gleichgewicht im Engen Korridor finden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.