人工智能技术帮助民主党在本次中期选举拿下了优势,让蓝党保住了对参议院的控制权,甚至在众议院那边也削弱了共和党占比。
根据专业筹款人称,虽然还有其他因素在起作用,但民主党在物色捐赠者时确实更依赖于AI技术,因此从小额个人捐赠者手中拿到了超过共和党竞争对手的资金。
Martin Kurucz
帮助民主党筹款的数据技术公司Sterling Data Company负责人Martin Kurucz表示,“AI将在未来的民主制度中发挥越来越重要的作用。”
十多年来,政治筹款中一直存在数据分析的身影。而机器人,特别是在社交媒体上发布信息的自动化系统,也扮演着大规模传递政治信号的角色。然而,利用AI来发现捐赠者、最大限度优化外展工作则属于新兴事物。
在民主党这边,筹款人正使用AI预测谁更可能为这一派的政治主张捐款;在共和党那边,筹款人则更倾向于用AI提高与原先捐赠者之间的联络效率。所以民主党的策略就是捐赠者多、但单位捐赠额低;共和党相反,联系到的捐赠者较少,但单位捐赠额更高。
以John Fetterman为例,这位民主党在宾夕法尼亚州击败了共和党人Mehmet Oz拿下了参议院席位。根据联邦选举委员会公布的数据,Fetterman在2022年筹集到超5500万美元,而Mehmet Oz的筹款额仅为1500多万多美元。Fetterman有半数以上款项来自捐赠额不足200美元的个人散户,而Oz那边的捐赠额中只有约三分之一来自这部分群体。
Fetterman在竞选活动中使用了AI技术,而他并非唯一的试水者。大部分州内民主党人在吸纳小数额捐赠者的支持方面,都超越了自己的共和党对手。
联邦选举委员会2022年中期选举数据显示,民主党国会竞选委员会(DCCC)等民主党捐赠组织在数字开支上花掉了约840万美元,并借此从小额捐款中拿到了8560万美元——回报约为十倍。与此同时,共和党国会委员会等共和党组织在数字开支方面花费了约3200万美元,但小额捐赠筹集到的资金不到6400万美元,回报不足两倍。
没错,支持民主党的小额捐赠者以中产为主,总体比共和党的支持者更富裕一些;但民主党的优势绝不仅仅局限在人口统计数据层面。
过去十年以来,数字广告已经成为吸引捐赠者们的主要方式。但随着苹果公司于2021年出台隐私保护措施、限制数字广告商的跟踪能力,数字广告的回报开始显著降低,迫使筹款转向电子邮件和手机端。
Kurucz坦言,“没有哪位数据分析师能从数以千万计的潜在捐赠者中,挑选出那些最有可能出钱的人。”但作为DCCC和Fetterman的双料支持者,他的公司发现“AI技术可以做到。"
Akkio公司联合创始人Jonathon Reilly表示,“我们已经发展到这一阶段,任何会用电子表格的人都能通过机器学习实现数据驱动决策。”
AI模型能够发现宏观趋势、预测线上捐赠,并在几秒钟内重新对齐目标,从而让竞选宣传活动近实时调整覆盖范围。
Convergence Media公司数字营销副总裁Tom Newhouse表示,“我们从每位捐赠者身上获得的收入,要比民主党那边更多。”但他也补充称,苹果iOS的隐私政策变化,确实损害了共和党的捐赠者识别策略。
Sterling Data用到了无代码机器学习网站Akkio.com,该网站允许用户将自己的电子表格拖进页面。在后端,Akkio会分析数据并为用户提供他们所需的预测选项。以Sterling Data为例,也就是不同受众做出捐赠的可能性。
Sterling Data已经建立起包含约3000万捐赠者的数据库,其中包含超过500列信息,包括各位捐赠者开的什么车、在Netflix上喜欢看什么节目等。通过Akkio模型分析其中的数据子集,训练后的模型就能将特定对象划定为潜在捐赠者。最终,模型能够给出一份捐赠者名单,按最可能捐赠到最不可能做出排序。这样Sterling Data就能够集中精力,避免将时间和金钱浪费在错误的人身上。
数字战略机构Veracity Media董事总经理Jacob Geers表示,“这种AI排序表非常方便,能够以低于市场平均价位的方式帮助数据企业了解捐赠者的真实价值。”
Akkio这类AI工具还让组织获得以往无法想象的扩展能力,在几秒钟内处理数百万个数据点,并确定行动优先级以实现最佳成效。
Jonathan Reilly
Akkio联合创始人Jonathan Reilly表示,“我们已经发展到这一阶段,任何会用电子表格的人都能通过机器学习实现数据驱动决策。我们的平台让非技术用户也能从数据当中提取价值。”
Sterling Data随后将优先联系人列表提供给竞选团队,由他们选择最有效的方式联络捐赠人。
Kurucz表示,“其中的重点,就是预测谁会真正愿意捐款。”Akkio的模型能整理出潜在的捐赠人名单,而且其实际捐赠额稳定达到其他统计方法的两倍。
数字筹款机构Momentum Campaigns合伙人Kevin Massey表示,在上一轮竞选周期内,由Sterling Data等供应商提供的AI驱动型捐赠者分析方案,改变了整个行业对于投资回报速度的预期。以往,通常需要大约6个月甚至更长时间,才能通过宣传邮件等形式收回全部成本。“但通过新的AI驱动型方案,整个回报周期已经缩短至一到三个月。”
更短的投资回报周期,使得竞选团队能够快速做出反应、明智使用预算,随时将策略与结果联系起来。
Sterling Data花费了数千小时与高额捐赠者电话沟通。为此,该公司使用自然语言处理技术读取通话记录,并收集关于捐赠人的更多细节。至于宣传邮件,则主要面向小额捐赠人发送。Sterling Data与民主党通力合作,上至国会候选人、下到市议会候选人全面覆盖。
Kurucz表示,“规模如此庞大的策略对齐绝非易事,通过邮件或电话联系捐赠人更是难上加难。”
好在有多种不同数据源可用于汇总捐赠者信息。“关于潜在捐赠者们的信息越多,模型质量就越高。”
Kurucz认为,无代码方法必将普及开来,将权力重新交还至普通从业者手中,使其不再需要昂贵稀缺的数据科学家即可提取数据价值。Kurucz还提到,他甚至可以在自己的笔记本电脑上随时使用Akkio创建的AI模型。
Convergence Media的Newhouse则强调,他们在Iterable邮件与短信平台上也在利用AI功能优化外展时间和模式。例如,无论是通过邮件还是手机短信,这种方式都有效提升了捐赠者的单位产出。但他表示,共和党方面还未能将种种技术要素统筹为完整的全面共享技术工具。
他最后总结称,“共和党要想扩大捐赠者基础,也必须采用AI或数据建模来识别新的捐赠群体。”
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。