Объединённая команда учёных из нескольких университетов обнаружила, что политически ангажированные модели искусственного интеллекта значительно эффективнее традиционной политической рекламы убеждают как демократов, так и республиканцев голосовать за кандидатов оппозиции. Chat-боты подкрепляют свои доводы фактами и доказательствами, пусть порой и сомнительной достоверности. По результатам исследований, именно наиболее убедительные модели чаще всего распространяли недостоверную информацию.
В исследовании, опубликованном в журналах Nature и Science, приняли участие свыше 2300 добровольцев, общавшихся с чат-ботом за два месяца до президентских выборов в США в 2024 году. Модель была натренирована на поддержку одного из двух главных кандидатов. Так, сторонники Дональда Трампа, пообщавшись с ИИ, отстаивавшим Камалу Харрис, сместили свои предпочтения на 3,9 пункта по 100-балльной шкале в её пользу — в четыре раза сильнее, чем эффект политической рекламы на выборах 2016 и 2020 годов. Аналогичным образом бот, поддерживавший Трампа, сдвинул симпатии приверженцев Харрис на 2,3 пункта в сторону Трампа.
Похожие эксперименты, проведённые перед федеральными выборами в Канаде 2025 года и президентской гонкой в Польше того же года, продемонстрировали ещё более выраженный эффект: чат-боты изменяли позиции оппозиционно настроенных избирателей примерно на 10 пунктов.
Учёные также установили, что боты на базе разных архитектур, включая GPT и DeepSeek, оказывались наиболее убедительными, когда их инструктировали подкреплять аргументы фактами и доказательствами. Вместе с тем часть «доказательств» и «фактов» оказалась вымышленной. Причём модели, отстаивающие правых кандидатов, допускали больше неточностей, чем те, кто выступал за левых. По мнению исследователей, это связано с тем, что ИИ обучается на обширных корпусах пользовательских текстов и воспроизводит реальные особенности политической коммуникации, в которой правая риторика, как правило, менее точна.
В ещё одном исследовании, опубликованном в Science, эксперты использовали 19 языковых моделей (LLM) для обсуждения свыше 700 политических вопросов с почти 77 000 участниками из Великобритании, варьируя вычислительные ресурсы, методы обучения и риторические приёмы. Наиболее результативным оказалось сочетание аргументации фактами и доказательствами с последующим дообучением на примерах убедительных диалогов. Самая эффективная модель сдвинула позиции первоначально несогласных на 26,1 пункта в сторону согласия.
Источник: iXBT
