Mapping the Narrow Corridor with Large Language Models
本文提出了一种利用大语言模型构建的可复现、且与供应商无关的流水线，旨在通过对十二个国家随时间变化的国家权力与社会权力进行定量评分，使阿杰姆奥卢和罗宾逊的“狭窄走廊”框架得以操作化，从而将该理论从定性的叙事转化为数据驱动的轨迹图谱。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，不是将一个国家的历史绘制成一份日期和国王的清单，而是将其描绘为穿行于一条巨大的、隐形的走廊。这条走廊就是“狭窄走廊”（Narrow Corridor），这是一个来自诺贝尔奖获得者经济学家名著中的概念。他们认为，真正的自由并不是发生在政府超级强大或人民超级强大的时候；它只发生在两者力量平衡、并肩行走在这条狭窄路径上的时刻。如果政府变得过于强大而人民变得过于弱小，国家就会进入“专制”（Despotic）地带（就像监狱一样）。如果政府过于软弱而人民过于强大，国家就会陷入混乱。如果两者都弱小，则会变成“纸面”或“缺位”的国家，在那里一切都无法正常运作。几十年来，历史学家们一直试图绘制这些路径，但这极其艰苦的工作。它需要阅读数百年的历史，并做出数千次判断，以决定一个国家在任何给定时刻究竟处于什么位置。这就像是用一把尺子去测量风暴的温度；它是混乱的、主观的，而且耗时漫长。
现在，轮到这些新成员登场了：大语言模型（LLMs）。这些是超级智能的AI计算机，它们几乎可以阅读人类写下的所有文字并回答相关问题。这篇论文提出的核心问题非常简单：我们能否教这些AI计算机成为历史学家？我们能否要求一台AI观察一个国家的历史，按时期划分，并画出它在“狭窄走廊”中的行走路径？由 Ebrahim Songhori 领导的作者们决定一探究竟。他们不仅仅是让AI进行猜测；他们制定了一个严谨的、循序渐进的配方。首先，他们让AI列出每个十年的重大事件（例如一场革命或一项新法律）。然后，他们要求AI利用这个列表，为政府的力量和人民的力量分别打出 0 到 10 分的评分。他们对包括美国和中国在内的巨头，以及索马里和黎巴嫩等较小的国家进行了十二个不同国家的测试。他们甚至测试了四种不同的AI模型，以观察它们是否达成共识，并将AI绘制的图表与著名的专家制作的地图 V-Dem 进行了对比，以查看AI是否与人类专家保持一致。
以下是他们的发现。AI 模型在绘制这些路径方面表现得惊人地出色。当它们观察英国和美国时，AI 正确地将它们置于“狭窄走廊”之内，展示了一段政府与人民共同成长、稳步前行的历程。当它们观察伊朗和中国时，AI 显示它们正向“专制”地带攀升，即政府变得比人民强大得多，尤其是在重大革命之后。对于刚果民主共和国和索马里等国，AI 则正确地将它们置于“弱小”地带，即政府几乎不存在的区域。最有趣的部分在于，AI 并没有仅仅复制书中的观点；它实际上是根据事件进行了计算。例如，它显示智利在 1973 年军事政变期间经历了从走廊中剧烈坠落的过程，然后在民主回归后又缓慢地走回了走廊。
然而，作者非常谨慎，并未表示 AI 是完美的，或者说它已经“解决”了历史问题。他们发现，虽然 AI 在判断“人民”的力量方面与人类专家高度一致，但在看待“政府”力量时，有时会有所不同。专家们通常认为政府比 AI 看到的要更强大，尤其是在古代。作者认为，这是因为 AI 的训练数据包含大量现代英语数据，这可能使其看待过去的方式与研究特定档案的资深历史学家有所不同。此外，由于 AI 的训练数据很可能包含了与其进行对比的那些专家地图，这种一致性可能仅仅是因为 AI 记住了它读到的内容，而不是发现了新的真理。
最后，这篇论文表明，AI 可以成为绘制这些历史地图的一种强大、廉价且快速的工具。它可以在几小时内完成专家团队可能需要数年才能完成的工作，并且其过程完全透明——你可以清楚地看到 AI 用来做出决策的具体事件。作者建议将 AI 作为一种“初稿”或“基准”，用于快速生成许多国家的路径，然后再由人类专家介入，处理那些棘手且具有争议的部分。它不是人类判断力的替代品，而是一种全新的、令人兴奋的方式，能将混乱的历史故事转化为清晰、可视化的地图，供任何人探索。作者甚至发布了所有的代码和一个交互式画廊，让你自己点击并体验这些动画化的历史行走，观察国家如何成长、跌倒并寻找在“狭窄走廊”中的平衡。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。