Krótka wymiana zdań z chatbotem może realnie przestawić polityczne preferencje wyborców – i to skuteczniej niż tradycyjna kampania reklamowa. Takie wnioski płyną z szeroko zakrojonego międzynarodowego projektu badawczego, którego współautorką jest dr Gabriela Czarnek z Uniwersytetu Jagiellońskiego. Wyniki właśnie ukazały się w prestiżowym czasopiśmie Nature.
Choć generatywna sztuczna inteligencja już dziś wkracza do debat publicznych, nie wiadomo było, na ile rzeczywiście potrafi kształtować polityczne decyzje. Dotychczasowe doniesienia wskazywały, że AI może przewyższać ludzi w perswazji, a rozmowa z nią bywa bardziej skuteczna niż odbiór statycznych komunikatów kampanijnych. Zespół badaczy z USA, Kanady i Polski postanowił sprawdzić to w warunkach zbliżonych do realnych kampanii wyborczych.
Eksperymenty z udziałem obywateli USA, Kanady i Polski przeprowadzono w momentach kulminacyjnych dla tamtejszych wyborów prezydenckich lub parlamentarnych. Uczestnicy byli przydzielani do rozmów z chatbotami, które konsekwentnie wspierały jednego z głównych kandydatów.
Dr Gabriela Czarnek wyjaśnia, że modele AI otrzymywały jasne instrukcje:
– Chatbot miał formułować argumenty w sposób przyjazny, rzetelny i oparty na faktach oraz dopasowywać przekaz do rozmówcy. Każdy uczestnik wiedział, z kim rozmawia, ale nie w jakim celu.
W amerykańskim etapie badania rozmowy przeprowadziło ponad 2300 osób. Uczestnicy oceniali swoje nastawienie do Kamali Harris i Donalda Trumpa, po czym prowadzili krótką rozmowę z chatbotem faworyzującym jedno z tych nazwisk.
Efekty okazały się zauważalne:
chatbot wspierający Donalda Trumpa przesunął preferencje zwolenników Harris o 2,3 pkt proc. na korzyść Republikanina,
chatbot sprzyjający Kamali Harris przekonał wyborców Trumpa aż o 3,9 pkt proc..
To wyniki około czterokrotnie silniejsze niż te, które zwykle generują tradycyjne reklamy polityczne z kampanii 2016 i 2020.
Przed wyborami federalnymi w Kanadzie ponad 1500 uczestników rozmawiało z chatbotami popierającymi lidera liberałów Marka Carneya lub konserwatystę Pierre’a Poilievre’a. Zmiana postaw była niemal trzykrotnie większa niż w USA.
Co ważne, gdy modelom odebrano możliwość powoływania się na fakty i dane, skuteczność perswazji w Kanadzie spadła o ponad połowę.
Podobne zjawisko zaobserwowano w Polsce. W rozmowach z ponad 2100 wyborcami chatboty przekonywały do Rafała Trzaskowskiego lub Karola Nawrockiego. Efekty były zbliżone do kanadyjskich – i drastycznie malały, gdy modele nie mogły używać faktów. W polskim przypadku spadek wyniósł aż 78 proc.
Badacze podkreślają, że modele AI rzadko korzystały z kontrowersyjnych technik opisanych w literaturze politologicznej – takich jak wywoływanie gniewu czy bezpośrednie apele o głosowanie. Zamiast tego dominowało odwoływanie się do danych, argumentów i konkretnych przykładów.
Jednocześnie nie wszystkie przytaczane „fakty” były prawdziwe. Modele wspierające kandydatów konserwatywnych częściej generowały nieścisłe lub fałszywe informacje. To z kolei – jak zauważa dr Czarnek – wpisuje się w znane z poprzednich badań różnice w rozpowszechnianiu dezinformacji między elektoratami.
Autorzy publikacji ostrzegają, że generatywna AI może w sposób niezamierzony reprodukować istniejące schematy społecznej dezinformacji. W zależności od tego, kogo popiera, model częściej lub rzadziej może „zbłądzić” w kierunku nieprawdy.
red./PAP
Twoje zdanie jest ważne jednak nie może ranić innych osób lub grup.
Komentarze mogą dodawać tylko zalogowani użytkownicy.
Komentarze