用ChatGPT预见未来？- Red Team Analysis Society

(艺术设计。 Jean-Dominique Lavoix-Carli)

在2022-2023年的深冬，人工智能（AI）再次成为热门话题。这一次，它不是一个人工智能代理的惊人能力、 DeepMind的Alphago (现在的Alphabet/Google），展示了单独战胜围棋大师的能力，但最新版本的OpenAI（微软）人工智能模型所展示的讨论和做 "许多事情 "的能力、 GPT-4.

恐惧和迷恋再一次被释放出来。

随着每一次颠覆性技术的传播，我们可能会抱怨，与它斗争，或害怕它。然而，人工智能和更具体的 "GPT型 "人工智能极有可能（超过80%，尽管并不确定）产生重大变化*。

在面对这种疯狂的变化时，最明智的行为是找出我们如何能确保技术仍然是为我们服务的工具，而不是成为技术的奴隶或受害者。

因此，本系列文章将具体探讨人工智能，更具体地说，那些基于GPT-like模型的人工智能如何帮助我们预测未来，特别是在地缘政治、国家和国际安全领域。

该系列的第一篇文章首先介绍了什么是GPT模型、ChatGPT以及为什么它们在职业和工作方面很重要。然后，我们在一个具体问题上测试了ChatGPT："未来十二个月内乌克兰战争的前景"。

在最初的失望之后，我们解释说，我们继续进行测试，以确定ChatGPT是否可以协助我们识别变量及其因果关系，以进行战略预见和预警分析。我们提供了我们与ChatGPT的对话记录以及我们的评论，并得出结论，有足够的潜力来创建一个名为Calvin的变量人工智能助手（请访问该链接).

ChatGPT、GPT、生成性人工智能......让我们先把事情做对吧

这有什么关系呢？

2023年4月5日和7日，高盛公司在其 洞察力 并在其特别技术版中简报他警告说，"生成性人工智能"（见图1）将给 "全球经济带来翻天覆地的变化"。以下是)会带来。

"它们可以推动全球GDP增加7%（或几乎$7万亿），并在10年内将生产力增长提高1.5个百分点......"

然而，"由这些进展引发的工作流程的转变可能会使相当于3亿个全职工作面临自动化......"
高盛洞察力，"生成性人工智能可使全球GDP提高7%"，2023年4月5日

OpenAI方面也进行了研究关于其人工智能模型和更广泛的大型语言模型（LLMs）对劳动力市场的影响（Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock, " "）。GPTs是GPTs：对大型语言模型的劳动力市场影响潜力的早期观察“, ArXiv，2023年3月17日（v1)，最后一次修订是2023年3月23日-v4)。然而，请注意，OpenAI在推广LLMs，特别是其GPTs模型作为 "通用技术 "方面也有企业和法律利益。对OpenAI来说，看到其GPTs模型被视为 "通用技术"，例如，意味着在保护其商标和防止其他人使用GPT名称方面具有非常大的优势（例如，Connie Loizos，"'如果OpenAI得逞，"GPT "可能很快会成为商标。“, 技术新闻网(TechCrunch)，2023年4月25日）。

一般来说，OpenAI研究公司发现，：

"......大约80%的美国劳动力的工作任务可能因引进LLM而受到至少10%的影响，而大约19%的工人可能看到他们的任务受到至少50%的影响......

我们的分析表明，如果能够获得LLM，美国所有工人的任务中约有15%可以在相同的质量水平下大大加快完成。如果将建立在LLM之上的软件和工具纳入其中，这一份额将增加到所有任务的47至56%。
Eloundou, et al. ("GPT就是GPT, 2023)

生成性人工智能将特别影响 "软件、医疗保健和金融服务行业"，以及更广泛的媒体和 "娱乐、教育、医药和IT行业 "部门（同上，高盛透视，"稳定的AI首席执行官说，AI将被证明比大流行病更具破坏性"，2023年3月31日）。

例如，在2023年5月，好莱坞作家进行了罢工，以确保他们的工作和报酬不受生成性人工智能的影响（Dawn Chmielewski 和 Lisa Richwine，"剽窃的机器"：好莱坞作家和电影公司为人工智能的未来而战", 路透社2023年5月3日）。一家销售专业辅导服务的加州公司Chegg，由于其客户使用ChatGPT，其股价暴跌（Parthana Prakash，"在这家教育技术公司表示其客户正在使用ChatGPT而不是为其学习工具付费后，Chegg的股价暴跌近50%。“, 财富，2023年5月2日）。

一般来说，估计有900种职业会受到影响，其中首先是知识工作者、科学家和软件编码员（同上）。

作为关注未来的人类，或者更具体地说，作为战略预见和预警的科学家和实践者，我们需要三次考虑这些发展。

首先，因为关注未来，我们必须能够将人工智能的发展和使用输入到我们所有的预见和警告分析中。这就是为什么，例如，我们创建了关于人工智能的最初系列文章。

第二，战略预见、预警、风险管理等的从业者是 "知识工作者 "和 "科学家"。因此，如果高盛公司是对的，我们就处于那些将被生成性人工智能打击的第一线。因此，最好是确保人工智能为我们服务，而不是杀死我们。

最后，更理想化的是，如果生成性人工智能确实在许多方面有助于缓解预测过程，那么它也应该有助于广泛传播可操作的预见性和预警的使用。因此，预防危机和减轻威胁的障碍将有可能减少。然而，与预测过程的组织和听从警告的意愿有关的挑战可能在很大程度上没有受到影响。

什么是ChatGPT、基于GPT的人工智能和生成性人工智能？

GPT模型

GPT是一个语言模型（自然语言由兴业银行 (微软），使用深度学习来生成类似人类的提示反应。GPT "代表 "生成性预训练转化器"，这意味着人工智能已经在大量的文本数据上进行了训练，不仅了解英语语言的细微差别，也了解其他语言的细微差别。GPT-模型是属于生成式人工智能家庭。

目前仍由OpenAI测试的最新模型是 gpt-4.OpenAI最近商业化使用的模型是 gpt-3.5-turbo.等待gpt-4的到来，gpt-3.5-turbo是我们在RTAS这里使用的模型，用于战略预见和警告的人工智能助手实验：Aria（在整个网站的右下角始终可用）、卡尔文、凯、里贾纳和皮斯亚.

聊天室GPT

聊天室GPT 是一个使用GPT模型的应用程序，它可以与人进行对话，并产生听起来像人写的回复。这就是该应用的与众不同之处，同时也让人们感到害怕。在2023年3-5月，公开版本的聊天室GPT 使用gpt-3.5-turbo模型。最先进的应用程序使用最新的模型gpt-4，但只对付费用户开放（通过聊天室GPT Plus).对于通过API的外部使用，开发者和用户必须通过等待名单申请。

生成式人工智能

生成式人工智能属于机器学习 > 深度学习 > 无监督、有监督和强化学习的人工智能类别（关于人工智能类型的更多细节，见Hélène Lavoix，"人工智能何时为地缘政治提供动力 - 呈现AI“, “人工智能和深度学习--正在形成的新人工智能世界“, “在现实中插入人工智能“, The Red Team Analysis Society).

GPT的最新模型是通过监督和强化学习以及人类反馈来训练的（见OpenAI，"对准语言模型，遵循指令“).

因此，生成性人工智能通常基于深度学习模型，这些模型在大型实例数据集上进行训练，以学习模式并生成新内容。例如，我们有生成式对抗网络（GANs--伊恩-古德费罗（Ian Goodfellow）等人的"生成式对抗网络"，2014年）和变异自动编码器（VAEs--2013年被定义为 Kingma等人。和 Rezende等人。 - 的解释 J. Altosaar，"教程 - 什么是变异自动编码器？").例如，GAN可以在一个图像数据集上进行训练，然后用来生成在风格和内容上与原始数据集相似的新图像，但不是完全复制。

因此，生成性人工智能是一种人工智能，旨在创造或生成新的和原创的内容，如图像、视频、音乐或文本。你可以看到以下用OpenAI生成的图像的例子 Dall-E 这篇文章的模型，关于三个主题：深海安全、太空安全和蒸汽朋克建筑。

深海安全、太空安全、蒸汽朋克建筑的图像--由生成性人工智能生成的图像（Dall-e-2模型2023年4月25日）。

用法、应用和影响

生成式人工智能具有广泛的潜在应用，从创建逼真的3D模型到为用户生成个性化的内容。然而，它也引起了围绕生成内容的潜在滥用的道德和安全问题，如深度伪造或假新闻。

像ChatGPT这样的应用实际演化的世界，以及大多数基于GPT的应用都是数字化的。换句话说，大多数基于GPT的应用程序没有能力直接在现实中具体行动......除非人类成为它们的执行者（见Helene Lavoix，"人工智能的执行者（1）：在现实中插入人工智能“, The Red Team Analysis Society，2019年1月14日）。

因此，那些将受到基于GPT的应用程序及其同类产品影响最大的活动是那些位于数字世界的活动。实际上，我们可以把这句话改写为：我们的活动越是没有实体--在没有实体存在的意义上--就越有可能受到生成性人工智能应用的影响，比如基于GPT的应用。

例如，如果你是一个水管工或泥瓦匠，ChatGPT或类似的基于GPT的应用程序极不可能对你的活动产生严重影响。它可能会帮助人们理解排水管或泥瓦匠，并给他们提供建议和步骤来做一些事情，但真正的修理脸盆或拆除部分墙壁以制作橱柜的活动仍将由真正的人进行，而且可能由专家进行。

相反，如果你的工作与世界网络直接相关并在其中进行，从网络营销到编码和开发，你的工作很可能受到ChatGPT或其同类产品的严重影响。

在与思想有关的活动世界中，包括知识，同样，生成性人工智能的影响将极有可能是重要的。

这一逻辑与我们之前确定并解释的关于传感器和执行器对人工智能发展的重要性相似（见Lavoix，"人工智能的执行者（1）：在现实中插入人工智能"，同上，2019）。这与Eloundou等人的观点相对应（"GPT就是GPT2023年）发现：

...信息处理行业（4位数NAICS）表现出较高的风险，而制造业、农业和采矿业表现出较低的风险[对LLMs和GPTs]。
Eloundou, et al. ("GPT就是GPT, 2023)

"接触GPT或由GPT驱动的软件最多的职业"，Eloundou等人（"GPT就是GPT2023年），表4，第16页。

事实上，OpenAI的研究论文提出了一个受影响职业的表格，在此转载。

从逻辑上看，根据一项活动最需要的技能类型，"思想性 "活动的接触程度也有差异。科学和批判性思维受法律硕士的影响最小，而编程和写作是受影响最大的活动的一部分：

"我们的研究结果表明，科学和批判性思维能力的重要性与暴露程度呈强烈的负相关，这表明需要这些技能的职业不太可能受到当前LLMs的影响。相反，编程和写作技能显示出与接触的强烈正相关，意味着涉及这些技能的职业更容易受到LLMs的影响"。
Eloundou, et al. ("GPT就是GPT, 2023), p.14.

"接触GPT或GPT驱动的软件的技能"，Eloundou等人（"GPT就是GPT2023年），表5，第17页。

Eloundou, et al. ("GPT就是GPT, 2023）提供了一个表格，在此转载，估计各种类型的主要认知技能的暴露。

这将使我们每个人都能根据对人工智能的看法、在社会中的整合和使用方式，评估我们的哪些任务可以被类似GPT的模型所缓解，或受到它们的威胁。

因此，我们对使用基于GPT的应用程序进行战略预见和预警的关注，是有关生成性人工智能将影响知识和思想活动的更大问题的一个案例。

现在，具体来说，生成性人工智能模型及其应用的影响类型和程度将取决于每个模型的具体情况及其在具体活动方面的应用。因此，让我们实际地转向这样一个案例，即使用ChatGPT进行战略预见和警告，以及我们所做的第一个测试，重点是乌克兰战争的未来。

测试乌克兰战争的未来的ChatGPT

并非（还）是监测当前事件的工具

我们面临的第一个挑战是gpt-3.5-turbo，也就是ChatGPT使用的模型，在2021年9月结束了它的培训。第二个挑战是，ChatGPT是一个封闭的系统，在其培训结束后无法访问互联网或任何信息来源。

用ChatGPT的话说，被问及是否能对当前事件作出政治评估：

我可以根据截至2021年9月最后一次培训截止日期的信息，尽我所能提供对当前事件的政治评估。然而，请记住，我的回答可能无法反映最新的发展或现状，因为世界在不断发展。
ChatGPT - 2023年5月2日

因此，ChatGPT及其同类产品目前还不能用于战略预见和预警过程或风险管理系统的所有步骤，这些步骤需要最新的信息。例如，它不能用于监测和调查预警问题，也不能用于估计各种情况的可能性或利用后者来指导政策。在地平线扫描方面，它需要由其他工具来完成。

对于那些会感到失望的人来说，请注意，OpenAI已经向从事以下工作的开发者开放了其模型用于ChatGPT的插件例如，这将允许 "检索实时信息"。因此，在基于GPT的模型和应用能够达到最新水平之前，只是一个时间问题。事实上，"新宾"，微软新的搜索引擎，使用GPT-4和、 事实上在这里，我们可以访问世界网络。

尽管该领域的发展非常迅速，但就目前而言，我们的测试将用现有的东西来完成：一个生成型人工智能，其 "知识 "在2021年9月被切断。

如果目前的ChatGPT（2023年春季）不是一个我们可以用来监测当前演变的工具，这是否也意味着它对我们的目的毫无用处？或者说，即使与最近的事件和知识隔绝，它仍然可以是有用的吗？

有助于建立战略预测和预警模型的工具的第一个里程碑

考虑到战略预见和预警的方法，我们将测试ChatGPT和GPT模型以何种方式成为分析过程中不同方面和部分的工具。

我们知道，大多数严肃的战略预见和预警方法，实际上是任何分析的基础，我们将首先审查ChatGPT的能力，以帮助我们创建和发展我们的模型（见Hélène Lavoix，"动态风险和不确定因素的建模 (1) : 绘制风险和不确定因素图“, The Red Team Analysis Society, 2018 [2011]; Joshua Epstein, Joshua M., "为什么要做模型？“, 人工社会和社会模拟杂志》（Journal of Artificial Societies and Social Simulation）。 11(4)12, 2008; 千年项目。未来研究方法,3.0版，2009年）。

ChatGPT能否帮助确定与我们的问题相关的关键因素和行为者？更确切地说，它能否帮助发现驱动我们的战略预见和警告问题的动态的变量和因果关系？

我们将与ChatGPT的对话剪切并粘贴在下面，并在答案旁边的栏目中添加了评论。

与Chat GPT的对话（2023年3月26日）

你能为 "未来12个月内的乌克兰战争 "这一问题确定变量及其属性吗？

ChatGPT：

当然!以下是一些可能的变量及其相关属性，可能与未来12个月内乌克兰战争的前景问题有关：

军事力量：冲突中敌对双方的相对军事力量，包括其武器装备、训练和部队水平。
外交努力：解决冲突的外交努力的程度和成功，包括乌克兰、俄罗斯和其他相关方的谈判。
经济制裁：对俄罗斯的经济制裁的使用和有效性，俄罗斯被指控支持乌克兰东部的分离主义叛乱分子。
国内政治：乌克兰、俄罗斯和其他相关国家的国内政治局势，包括领导人的受欢迎程度以及他们妥协或升级冲突的意愿。
国际联盟：乌克兰和俄罗斯从其盟友和伙伴那里得到的支持程度，包括北约、欧盟和中国。
人道主义状况：乌克兰的人道主义状况以及冲突对平民的影响，包括流离失所、伤亡以及获得食物、水和医疗等基本需求。
媒体报道：国内和国际上关于乌克兰冲突的媒体报道和公众舆论，可以影响政治决策和公众对解决问题的压力。

这些只是可能与理解未来12个月内乌克兰战争的未来有关的几个变量。其他因素，如地理、历史背景和文化差异，也可能是需要考虑的重要因素。

尽管GPT模型在战争开始前就已经关闭，但战争的基础是动态的，而这些动态往往在战争开始前就已经开始。此外，关于国际关系、战争、所涉及的各种行为者等的知识建立在几千年的理解之上。因此，在2021年9月停止的GPT培训模型应该足以帮助我们识别变量和他们的因果关系，为我们的问题。我们只需要检查所确定的变量是否允许考虑到2021年9月之后发生的现实生活中的事件和动态。如果有必要，我们可以相应地纠正我们的模型。

在这里，ChatGPT给出的变量是正确的，但正如ChatGPT所说，并不详尽，因为我们需要的变量不是全部，而是远远多于ChatGPT所给出的变量。此外，我们仍然处于一个非常高的通用水平。给出的变量几乎不足以捕捉到真实动态的复杂性，以及每个行为者的特殊性，等等。它们也没有整合知识和理解的各个方面，如系统性的分析水平。

因此，对于最初使用的问题类型，ChatGPT的答案可能对初学者、非专业人士和开始分析这类问题的人有帮助。这些变量可以帮助作为一个起点，但几乎是不够的。

就变量的属性而言，有的已经给出，但没有系统地给出。这方面将不得不在以后的工作中得到更精确和具体的处理。

你能否增加相对于国际体系的变量？

ChatGPT：

当然!以下是一些与国际体系有关的额外变量，这些变量可能与未来12个月内乌克兰战争的未来问题有关：

地缘政治学：冲突的广泛地缘政治背景，包括美国、俄罗斯、中国和欧盟等相关大国的权力动态和战略利益。
国际法：国际法和机构在解决冲突中的作用，包括联合国和国际刑事法院等机构的权威和执行能力。
准则和价值观：共同的规范和价值观，如民主、人权和法治，在形成对冲突的国际态度和影响有关各方的行为方面的作用。
经济相互依存：乌克兰、俄罗斯和其他相关国家之间的经济相互依赖程度，以及冲突对贸易、投资和全球经济稳定的潜在影响。
军事联盟：军事联盟和安全安排，如北约和集体安全条约组织，对冲突的影响和升级的可能性。
国际合作：解决冲突的国际合作与协调的程度和效果，包括提供人道主义援助、监督停火协议和支持外交谈判的努力。

这些变量突出了了解冲突发生的更广泛的国际背景的重要性，以及它如何影响有关各方的行动和决定。

因此，我们要求ChatGPT增加我们知道的其他类型的变量。

获得的结果既有趣又好。特别引人注目的是，ChatGPT想到了包括规范和价值。

然而，同样地，变量是缺失的。例如，与国际关系的现实主义学派，是不存在的，但我们可以预期，更精确的提示会产生更好的结果。我们还应该注意，不要在选择变量的阶段引入偏见。

经过两次交流，我们可以看到一种使用ChatGPT获取变量的方法，通过实践者和IA之间的迭代，帮助前者逐步获得所需的变量。

我们是否也应该把美国的国家利益作为变量加入其中？

ChatGPT：

是的，在未来12个月乌克兰战争的未来问题上，美国的国家利益可能是一个需要考虑的相关变量。美国一直以各种方式参与冲突，包括向乌克兰提供军事和经济援助，对俄罗斯实施制裁，以及支持解决冲突的外交努力。

这个变量的一些可能属性可以包括：

战略利益：乌克兰的冲突在多大程度上符合或挑战了美国的战略利益，如促进民主和人权，遏制俄罗斯的侵略，以及维护欧洲的稳定。
国内政治：国内政治在塑造美国冲突政策方面的作用，包括国会、总统和利益集团等关键利益相关者的观点和利益。
联盟和伙伴关系：美国的联盟和伙伴关系，如北约和欧盟，对冲突的影响和升级的可能性。
经济利益：冲突对美国经济利益的潜在影响，如与乌克兰和该地区其他国家的贸易和投资。
军事能力：美国军事能力在多大程度上可以被调动起来应对冲突，包括直接军事干预或支持乌克兰部队的可能性。

然而，重要的是要注意，美国的国家利益只是可能与理解未来12个月乌克兰战争的未来有关的许多变量之一，它应该与其他因素一起考虑，例如冲突中其他关键行为体的利益和行动。

我们进一步测试ChatGPT，询问一个非常具体的变量，在这种情况下，"美国国家利益 "是我们问题的一个变量。

这个答案很有意思，尽管从社会科学中变量的定义及其属性的严格角度来看是有缺陷的。

在社会科学术语中，"变量是一组逻辑上的属性"（艺术"变量和属性(研究)"维基百科--使用厄尔-R-巴比、 社会研究的实践，第12版，Wadsworth出版社，2009年，第14-18页）。

看来在这里，我们对ChatGPT的指示和定义不够清楚。因此，结果并不是我们所期望的那样。

我们没有获得一套明确的变量及其属性，而是获得了一个带有影响（或因果）和被影响（独立）变量的变量，并有解释和属性，都以解释的方式呈现。

然而，答案的实质让我们期待，如果我们纠正我们的问题，并最终充分训练ChatGPT，那么我们可以--希望--获得具有明确属性的正确变量集。

现在你强调了变量，你能说明它们之间的因果关系吗？

ChatGPT：

当然!以下是之前确定的未来12个月乌克兰战争问题的变量之间的一些可能因果联系：

军事力量 -> 冲突升级：如果一方认为有明显的军事优势，他们可能更有可能使冲突升级，导致暴力和伤亡的增加。
外交努力 -> 解决冲突：成功的外交努力可能会导致冲突的和平解决，可能通过谈判或停火协议。
经济制裁->政治压力：经济制裁可以对俄罗斯施加政治压力，使其改变行为，有可能导致减少对分离主义叛乱分子的支持，使冲突降级。
国内政治 -> 政策决定：乌克兰、俄罗斯和其他相关国家的政治局势可能影响其领导人的政策决定，有可能导致冲突升级或降级。
国际联盟 -> 军事和经济支持：乌克兰和俄罗斯从其盟友和伙伴那里得到的支持程度可能会影响到敌对双方的军事和经济能力，有可能导致冲突的升级或缓和。
人道主义局势 -> 国际干预：乌克兰的人道主义局势可能会增加国际干预的压力，有可能导致对冲突做出更有力的回应。
媒体报道-->公众舆论：媒体对冲突的报道可以影响公众舆论和政治决策，有可能导致冲突的升级或降级。
地缘政治 -> 战略决策：冲突的更广泛的地缘政治背景可能会影响相关大国的战略决策，有可能导致冲突的升级或缓和。
国际法 -> 遵守：国际法和机构在解决冲突中的作用可以影响有关各方对停火协议和其他外交努力的遵守。
经济相互依存 -> 经济影响：乌克兰、俄罗斯和其他相关国家之间的经济相互依赖程度可能会影响到冲突的潜在经济影响，有可能导致要求缓和的压力。
军事联盟 -> 升级风险：军事联盟和安全安排的影响可能会增加升级的风险，有可能导致对冲突做出更有力的反应。
国际合作 -> 解决冲突：国际合作与协调可以支持解决冲突的外交努力，有可能导致冲突的和平解决。
美国的国家利益 -> 政策决定：美国的国家利益可以影响美国政府对冲突的政策决定，有可能导致冲突的升级或降级。

需要注意的是，这些只是变量之间一些可能的因果关系，变量之间的实际因果关系可能比这些简单的关系所显示的更加复杂和相互依赖。

现在我们知道我们可以通过修正、训练和迭代得到模型的变量，下一步是要知道ChatGPT是否可以识别因果关系。

有趣的是，ChatGPT能够收集我们自谈话开始以来的所有交流变量。

它也可以识别一些变量之间的关系，但绝不是全部。仅强调众多关系中的一个缺失，"冲突升级 "和 "升级风险 "并没有被ChatGPT联系起来。

我们可以想象，虽然我们没有测试，但我们可以再次促使ChatGPT进一步测试其他因果关系的存在与否。然而，在这里，使用ChatGPT可能比不使用它，直接从我们的理解中，从经典的知识积累（搜索、阅读、理解）和/或专家研讨会中创造我们的因果关系要更重更久。

此外，一个列出变量之间因果关系的输出可能读起来非常无聊，而且几乎不实用。

要建立变量之间的因果关系，最好是使用图形构建和可视化软件，而不是基于线性的文本。ChatGPT是一个基于文本的应用程序，它不能真正帮助，或者至少在这里不能直接帮助。

为了完成实验，我们还是继续努力，试图找到一种方法，将ChatGPT的输出轻松翻译成图形软件可以阅读和使用的东西。

现在你能把变量之间的因果关系以矩阵的形式显示出来吗？

ChatGPT：

当然!下面是一个矩阵，显示了在未来12个月内为乌克兰战争的未来问题确定的变量之间可能的因果关系：

因果联系	军事力量	外交努力	经济制裁	国内政治	国际联盟	人道主义状况	媒体报道	国际关系	国际法	经济上的相互依存	军事联盟	国际合作
军事力量 -> 冲突升级	1
外交努力 -> 解决冲突		1
经济制裁 -> 政治压力			1
国内政治 -> 政策决定				1
国际联盟 -> 军事和经济支持					1
人道主义局势 -> 国际干预						1
媒体报道->公众舆论							1
地缘政治 -> 战略决策								1
国际法 -> 遵守									1
经济相互依存 -> 经济影响										1
军事联盟 -> 升级风险											1
国际合作 -> 冲突解决		1									1
美国国家利益 -> 政策决定				1	1				1	1	1	1

在上述矩阵中，行变量代表原因或自变量，列变量代表效果或因变量。单元中的 "X "表示相应的行变量和列变量之间存在潜在的因果关系，而空单元表示没有显著的因果关系。

同样，需要注意的是，这些只是变量之间一些可能的因果关系，而变量之间的实际因果关系可能比这些简单的关系所显示的更加复杂和相互依赖。

由于图表背后的数学工具是一个方形矩阵，我们要求ChatGPT将其识别的变量的因果关系转化为一个矩阵。

结果是令人失望的，但也是令人兴奋的。

令人兴奋的是，它确实创建了一个矩阵，令人失望的是，ChatGPT最初发现的关系被包含在行的变量中，结果是链接不正确。

然而，通过对GPT模型的训练和努力，也许可以得到更好的东西......有待于将来测试。

然后我们可以将矩阵导出为csv.文件，并在Gephi中以图形的形式读取。

试验的结论

事实上，ChatGPT和gpt-3.5-turbo模型并不能直接输出一个足够好的模型来解决有关国家和国际安全问题的战略预见和预警。

为此，GPT及其应用有很大的潜力，因此也可能是生成性人工智能。

就像现在这样，我们估计ChatGPT对初学者和非专业人员还是很有帮助的。迭代和提出越来越精确的问题似乎是在变量和因果关系方面使用ChatGPT的最佳系统方法。我们也可以想象，如果提出的问题是精确的--从而被ChatGPT很好地理解，那么人工智能可以帮助专家。

这也突出了提示（向生成性人工智能提出的问题）在与此类人工智能互动时的关键重要性，并因此建议在传统活动的基础上可能出现一种新的活动类型，特别是对于战略预见和警告，以及更广泛的对生成性人工智能的良好使用。

我们还发现了影响识别变量和因果关系的其他挑战，如参考文献的问题，这里缺乏ChatGPT答案。事实上，变量和因果关系应该建立在事实、逻辑以及科学研究的基础上。因此，理想情况下，我们需要为每个变量和每个关系提供参考。我们将在另一篇文章中讨论这一关键方面。事实上，如果错误的或明显虚假的变量和联系被包括在模型中，或者如果变量被省略，无论是自愿的还是因为偏见，那么模型将变得毫无用处，或者有偏见，在预防方面产生严重后果。

作为一个整体，我们估计这里有足够的潜力来创建一个相应的人工智能助理、卡尔文，我们的成员和读者将能够使用。我们打算继续改进这个人工智能助手。值得注意的是，在未来，为我们的特定目的进一步训练AI--称为微调 - 可能会产生非常有趣的结果。然而，似乎最好等到GPT-4的全面发布后再开始这样一个过程，在用GPT-4进行全面测试后。

最后，假设生成型人工智能确实可以创建我们所需要的概念模型，那么一个潜在的危险是，从业者会停止努力思考（也见下文**）。我们可能会想，这是否会导致认知能力的下降。在这种情况下，重要的是要确保思考继续进行，并确保生成性人工智能的能力被适当地嵌入到一个不会伤害人类的过程中。

从积极的一面来看，使用生成性人工智能可以大大增加创建适当模型的速度，它将缓解和推广使用适当的战略预见和警告，从而提高人类预防威胁的能力。

笔记

*......除非发生了其他更令人不安的事件。一般来说，使用人工智能，特别是类似ChatGPT的人工智能所产生的具体变化，也可能与我们目前的预期不同。这两点将在未来的文章中讨论。在这里，我们集中讨论极有可能发生的以及由ChatGPT-like AI产生的演变。

**......这项任务也被用在研讨会上，以打开参与者的思路，产生新的想法。对于分析家来说，在认知上努力找出变量及其因果关系这一事实本身就能增强对问题的理解和认识。因此，能够单独或在小组中执行这项任务本身就有很大的价值。因此，如果看到它完全由一个AI-agent完成，可能会产生严重的负面影响。因此，关键是要创造性地整合人工智能工具，一旦投入使用，要尽量减少弊端。

用ChatGPT预见未来？