自美國總統川普上任以來一直昭告天下他將會廢除歐巴馬政府的健保法案，並以他自己的新健保法案取代，經過一連串的辯論、投票，新的法案終於送到了參議院中準備審理。不過這其實只是每年上千份參議院待審理法案中的一份而已。
只有4%的法案會通過
大約只有4%的法案能夠順利通過成為法律，所以把精力花在哪個法案上就顯得非常重要。位於美國一間專注於分析政府政策的人工智慧公司Skopos Labs，研發了新的機器學習模型，運用了法案上的關鍵字以及各種變數訓練模型，成功以極高的精確度預測了哪條法案會通過。
研究員從追蹤國會立法紀錄的網站GovTrack下載了從1993年至2015年的立法資料，包括了多少位提案者、哪月開始討論的、提案者是否為執政黨員，將這些資料用來訓練機器學習模型。
由於法案最後審議失敗的機率高達96%，一個每次都猜法案不會通過的模型也可以有極高的精確度，研究員就預測通過機率方式，經過測量，他們機器學習模型的預測準確度比單純猜失敗還要高。
研究員發現，法案的成功與否和提案人是否已經任職國會多年有關，此外，氣候變遷相關法案裡要是出現「global」、「warming」就會增加通過機率。專利相關的法案如果出現「軟體」、「計算」(computation)則會降低通過的機率。
