人工智能将颠覆社会的许多方面，消除许多系统中固有的人为限制。其中一个限制是决策中的信息和后勤瓶颈。

　　传统上，人们被迫将复杂的选择减少到少数几个不符合他们真正愿望的选择。人工智能有可能消除这一限制。它有可能彻底改变民主的运作方式。

　　人工智能研究员坦图姆·柯林斯(Tantum Collins)和我，一位公共利益技术学者，称这种人工智能克服了“有损瓶颈”。有损是信息论中的一个术语，指的是不完美的通信通道——也就是说，丢失信息的通道。

　　多项选择的实用性

　　想象一下你下一次坐下来吃饭，可以和厨师就你的饭菜进行长时间的交谈。你可以根据自己的喜好、厨师的能力和可用的食材来定制晚餐。如果你在家里做饭或由乐于助人的朋友招待，这是可能的。

　　但这在一般的餐厅是不可能实现的:厨房的局限性、订购食材的方式以及餐厅烹饪的现实，使得食客和厨师之间不可能有这种丰富的互动。你会得到一个包含几十个标准化选项的菜单，可以在边缘处进行一些修改。

　　这是有损瓶颈。你的需求和欲望是丰富和多方面的。烹饪成果的阵列同样丰富多样。但没有可扩展的方法将两者连接起来。人们被迫使用菜单之类的多项选择系统来简化决策，而他们在这个过程中丢失了很多信息。

　　人们已经习惯了这些瓶颈，以至于我们甚至没有注意到它们。当我们这样做的时候，我们倾向于认为它们是规模和效率不可避免的成本。确实如此。或者，至少，他们是。

　　的可能性

　　人工智能有潜力克服这一限制。通过在需求端存储人们的偏好和历史的丰富表示，以及在供给端存储同样丰富的能力、成本和创造性可能性的表示，人工智能系统可以实现大规模和低成本的复杂定制。想象一下，你走进一家餐厅，发现厨房已经开始为你的口味优化一顿饭，或者看到一份个性化的选择清单。

　　在这方面已经有了一些早期的尝试。人们使用ChatGPT根据饮食限制和冰箱里的食物来设计食物。这些技术还处于早期阶段，但一旦它们开始工作，可能性几乎是无限的。损耗瓶颈无处不在。

　　以劳动力市场为例。雇主会通过成绩、文凭和证书来衡量求职者是否适合职位。这些都是对求职者能力的粗略反映。例如，一个人工智能系统可以访问学生的课程作业、考试和老师的反馈，以及关于潜在工作的详细信息，可以提供更丰富的评估，判断哪些工作匹配有意义，哪些工作不匹配。

　　或服装。有钱请裁缝、有时间试衣的人可以从头开始做衣服，但我们大多数人都受限于批量生产的选择。人工智能可以通过学习你的风格，根据照片进行测量，生成符合你品味的设计，并使用可用的材料，从而大大降低定制成本。然后，它会将你的选择转换为一系列生产指令，并向启用人工智能的机器人生产线下订单。

　　或软件。今天的计算机程序通常使用“一刀切”的界面，只有很小的修改空间，但个人有广泛不同的需求和工作风格。人工智能系统可以观察每个用户的交互风格，并知道用户想从给定的软件中得到什么，从而使这种个性化更加深入，完全重新设计界面以满足个人需求。

　　消除民主的瓶颈

　　这些例子都具有变革性，但对社会影响最大的瓶颈是政治。这和餐馆的问题一样。作为一个复杂的公民，你的政策立场可能是微妙的，在不同的选择及其影响之间进行权衡。你更关心一些问题，更关心一些实现。

　　如果你有知识和时间，你可以参与审议过程，帮助制定比现在更好的法律。但你没有。而且，无论如何，社会不可能举行涉及数亿人的政策辩论。所以你到投票箱前，在两个——或者如果你幸运的话，四个或五个——个人代表或政党之间做出选择。

　　想象一个人工智能消除这种损耗瓶颈的系统。想象一下，与其试图把你的偏好塞进可用的选项中，不如把你的政治偏好详细地传达给一个人工智能系统，它会直接代表你倡导特定的政策。这可能会彻底改变民主。

　　一种方法是提高选民的代表性。通过以传统投票系统无法做到的方式捕捉每个人政治偏好的细微差别，这一系统可能会产生更好地反映选民意愿的政策。例如，你可以在你的口袋里装一个人工智能设备——比如你未来的手机——它知道你的观点和愿望，并不断以你的名义就大大小小的问题进行投票。

　　与个性化政治教育的人工智能系统相结合，它可以鼓励更多人参与民主进程，提高政治参与度。它还可以消除由于当选代表只反映选举他们的大多数人的观点而产生的问题——有时甚至不是他们的观点。

　　另一方面，允许人工智能如此密切地访问个人数据所引起的隐私问题是相当大的。重要的是要避免让人工智能自己决定该怎么做的陷阱:人类的深思熟虑对一个正常运转的民主至关重要。

　　此外，从今天的代议制民主到明天的人工智能增强的直接民主，也没有明确的过渡路径。当然，这仍然是科幻小说。

　　第一步

　　这些技术可能首先用于其他政治色彩较淡的领域。数字媒体的推荐系统已经逐渐减少了对传统媒介的依赖。广播电台就像菜单上的菜单:不管你对音乐的品味有多微妙，你都必须从少数几个选项中做出选择。早期的数字平台只是稍微好一点:“这个人喜欢爵士乐，所以我们会推荐更多的爵士乐。”

　　今天的流媒体平台使用听众历史记录和描述每首歌曲的广泛功能，为每个用户提供个性化的音乐推荐。类似的系统建议，学术论文的粒度要比订阅某一期刊大得多，电影的分析要细致入微，而不是简单地遵循类型。

　　一个没有人为瓶颈的世界也会带来风险——例如，瓶颈带来的失业——但它也有可能将人们从长期以来限制大规模人类决策的紧身衣中解放出来。在某些情况下，比如餐馆，对大多数人的影响可能很小。但在政治和招聘等其他领域，影响可能是深远的。

　　布鲁斯·施奈尔(Bruce Schneier)是哈佛大学伯克曼-克莱因互联网与社会中心的研究员，也是哈佛肯尼迪学院公共政策讲师。

　　的有限公司谈话是一种独立而不存在的非营利来源的新闻，分析和评论的学术专家。