سه سوالی که قدرت سیاسی هوش مصنوعی را مشخص می کند

انتخابات میان‌دوره‌ای سال 2026 اولین آزمون احساسات رای‌دهندگان را در مورد رقابت هوش مصنوعی ارائه می‌کند و دریچه‌ای به چگونگی تبدیل شدن یک بحث سیاست‌های خاص به یک موضوع مهم پیش از چرخه تبلیغات ریاست‌جمهوری ارائه می‌دهد.

چرا مهم است: نتایج نشان خواهد داد که آیا تبلیغات صریح در مورد مقررات هوش مصنوعی - یا همسویی با غول های فناوری مانند ایلان ماسک - یک استراتژی سیاسی برنده است یا یک مسئولیت برای سال 2028. یک چیز از قبل مشخص است: نامزدها به طور فزاینده ای نمی توانند برنامه های نیمه کاره هوش مصنوعی داشته باشند. در اینجا سه ​​سؤال اصلی در مورد آینده سیاست و سیاست هوش مصنوعی و رقابت‌هایی که در روز انتخابات در حال تماشای آن هستیم برای یافتن پاسخ وجود دارد.

1. آیا هوش مصنوعی شکست خورد؟

نوع متفاوتی از هزینه‌های سیاسی هوش مصنوعی در میان دوره‌ای ظاهر شده است. برخی از گروه‌ها به جای حمایت یا مخالفت با نامزدها بر اساس مواضع هوش مصنوعی، می‌خواهند سیاست هوش مصنوعی را به یک موضوع مبارزاتی تبدیل کنند. Guardrails Alliance، یک گروه حامی مقررات، اخیرا تبلیغاتی را راه‌اندازی کرده است که جمهوری‌خواهان و دموکرات‌ها را بر سر مواضعشان در مورد هوش مصنوعی در آریزونا، مونتانا، کارولینای شمالی و کالیفرنیا هدف قرار داده است.

این سازمان از عبدالالسید، نامزد مجلس سنای میشیگان حمایت کرد که گفت هوش مصنوعی مهمترین موضوع در روز انتخابات است و آن را به صراحت به مشاغل و مقرون به صرفه بودن گره می زند.

گروه دموکرات Tomorrow Together همچنین تبلیغاتی علیه سابقه هوش مصنوعی جمهوریخواهان در میشیگان، ویسکانسین، آریزونا و پنسیلوانیا راه اندازی کرد.

در همین حال، گروه‌های رقیب هوش مصنوعی Public First و Leading the Future بیش از 50 میلیون دلار از طریق super PAC‌های وابسته در نزدیک به 50 مسابقه هزینه کردند، اما تبلیغات تلویزیونی و دیجیتالی آن‌ها تا حد زیادی از همان موضوعی که می‌خواهند بر آن تأثیر بگذارند جلوگیری کرد: هوش مصنوعی. این رقابت‌ها می‌توانند آزمایش اولیه‌ای را ارائه دهند که آیا کمپین صریح بر روی هوش مصنوعی یک استراتژی سیاسی قابل دوام برای سال 2028 است یا خیر.

2. آیا ایلان ماسک به نامزدها کمک کرد یا به آنها آسیب رساند؟

هزینه های سیاسی ایلان ماسک، مشارکت در DOGE و روابط با دولت ترامپ او را به یک حامی سیاسی قدرتمند و هدف حملات دموکرات ها تبدیل کرده است. او با بیش از 400 میلیون دلار کمک بزرگ‌ترین اهداکننده در میان دوره‌ای بود. مسابقاتی که در حال تماشای آن هستیم عبارتند از: ناحیه 10 تگزاس: کریس گوبر جمهوری خواه، که نماینده ماسک در ارتباط با DOGE بود، با کیتلین رورک دموکرات روبرو می شود.

ناحیه 1 کانزاس: لورن راینهولد دموکرات به تجربه خود با DOGE متمایل شده است و از نفوذ ماسک بر دولت فدرال در چالش خود با نماینده جمهوری خواه تریسی مان انتقاد می کند.

سنای اوهایو: جان هاستد جمهوری‌خواه از هزینه‌های حزب ماسک آمریکا در رقابت با شرود براون، دموکرات، سود برده است.

سنای تگزاس: هزینه های وابسته به ماسک رقابت بین جیمز تالاریکو دموکرات و کن پکستون جمهوری خواه را به آزمون دیگری برای نفوذ سیاسی این میلیاردر تبدیل کرده است. این رقابت‌ها می‌تواند به پاسخ این سوال کمک کند که آیا پول ماسک به انتخاب متحدان جمهوری‌خواه کمک کرد یا به دموکرات‌ها هدف مفیدی داد.

3. جنبش ایمنی هوش مصنوعی در کنگره بعدی چقدر پر سر و صدا خواهد بود؟

تعداد معدودی از نامزدها که با پادمان‌های قوی‌تر هوش مصنوعی همسو هستند، می‌توانند به تعیین اینکه آیا کنگره بعدی بلوک پر سر و صدای بیشتری دارد که در برابر تلاش‌های صنعت برای محدود کردن مقررات عقب نشینی کند یا خیر، کمک کند. مسابقاتی که در حال تماشای آن هستیم عبارتند از:

سنای میشیگان: السید خواهان یک آژانس فدرال جدید در سطح کابینه است تا هوش مصنوعی را تنظیم کند و اطلاعات فوق العاده را ممنوع کند. او از دخالت سیاسی ماسک برای حمله به مایک راجرز جمهوری خواه، که از هزینه های سیاسی وابسته به ماسک سود برده است، استفاده کرده است. ناحیه 8 کلرادو: مانی روتینل، دموکرات، اولین لایحه جامع هوش مصنوعی کشور را حمایت کرد.

ناحیه یازدهم کالیفرنیا: قانون شفافیت هوش مصنوعی اسکات وینر دموکرات در مرکز یک مبارزه قانونی بود که صنعت را تقسیم کرد و پیش نمایشی از نبردها در واشنگتن را ارائه داد.

ناحیه 2 مینه سوتا: مت لیتل، دموکرات، صدای دیگری به فشار برای ممنوعیت ساخت مرکز داده و توافقنامه های عدم افشا در سطح ملی اضافه می کند. اینها برخی از رقابت‌هایی هستند که به تعیین اندازه و تأثیر ائتلاف کنگره جنبش ایمنی هوش مصنوعی کمک می‌کنند، یک شاخص مهم از اینکه مبارزه بر سر مقررات هوش مصنوعی در سال 2027 و پس از آن به کجا می‌رود.

نتیجه نهایی: عوامل زیادی بر نتایج مسابقات در سراسر کشور شکل می‌دهند. اما گروه‌های رقیب هوش مصنوعی به سرعت ادعای پیروزی می‌کنند، شکست‌های خود را توضیح می‌دهند و در مورد آنچه پیش از سال 2028 کار می‌کردند درس می‌گیرند.