Chatboty oparte na sztucznej inteligencji potrafią realnie zmieniać postawy wyborców i robią to skuteczniej niż tradycyjne reklamy polityczne. Nawet krótka rozmowa z modelem językowym może przesunąć preferencje wyborcze o kilka punktów procentowych – wynika z badania przeprowadzonego przez międzynarodowy zespół z udziałem psycholożki z Uniwersytetu Jagiellońskiego.
Wpływ sztucznej inteligencji na demokratyczne społeczeństwa i demokratyczne procedury budzi coraz większe zaniepokojenie. Duża część obaw dotyczy możliwości wpływania na postawy wyborców przez powszechnie dostępne chatboty oparte na dużych modelach językowych (LLM). Trenowane na ogromnych zbiorach danych narzędzia te przetwarzają i generują ludzką mowę, umożliwiając rozmowy z użytkownikami. Wciąż jednak nie jest jasne, na ile generatywna AI jest i będzie skuteczna w zmienianiu postaw wyborców, szczególnie w kampaniach prezydenckich. Istnieją badania naukowe, które pokazują, że AI może przewyższać ludzi w perswazji, a wchodzenie z nią w dialog jest bardziej przekonujące niż statyczne komunikaty, np. spoty wyborcze.
Międzynarodowy zespół badaczy z USA, Kanady i Polski sprawdził, czy dialogi prowadzone z najnowocześniejszymi modelami AI mogą w istotny sposób zmieniać polityczne postawy.
W kontekście wyborów prezydenckich w USA z 2024 roku, a także tegorocznych wyborów parlamentarnych w Kanadzie i prezydenckich w Polsce losowo przypisaliśmy uczestników do rozmowy z modelem AI, który opowiadał się za jednym z dwóch głównych kandydatów – opisuje dr Gabriela Czarnek z Instytutu Psychologii na Wydziale Filozoficznym Uniwersytetu Jagiellońskiego.
Do badania zaangażowano ponad 2,3 tys. Amerykanów, którzy pod koniec 2024 roku mieli przeprowadzić rozmowę z chatbotem. Określali oni swoją preferencję wobec kandydatki Demokratów Kamali Harris i kandydata Republikanów Donalda Trumpa w skali od 0 do 100 oraz swoje prawdopodobieństwo głosowania w wyborach. Następnie rozmawiali z odpowiednio „zaprogramowanym” chatbotem, który miał zmienić postawy wyborców wobec danego kandydata.
Model AI otrzymał instrukcje, zgodnie z którymi jego przekaz miał być pozytywny, pełen szacunku i opierać się na faktach. Chatbot miał też używać przekonujących argumentów i analogii, aby zbudować relację z rozmówcą. Modelowi dostarczono również informacje o tym, na kogo dany uczestnik zamierza głosować, aby chatbot spersonalizował swój przekaz. Po rozmowie uczestnicy ponownie wypełnili ankiety. Ponad miesiąc później skontaktowano się z nimi raz jeszcze, aby ocenić trwałość efektów.
Zaobserwowaliśmy istotne efekty takiej perswazji na preferencje kandydatów, gdy dyskutowano o konkretnych kwestiach politycznych – większe niż te zazwyczaj obserwowane. np. w przypadku tradycyjnych reklam wideo. Model AI popierający Donalda Trumpa spowodował przesunięcie potencjalnych wyborców Kamali Harris o 2,3 punktu procentowego w stronę kandydata Republikanów. Zaś model wspierający Kamalę Harris przesunął prawdopodobnych wyborców Trumpa o 3,9 punktu w stronę kandydatki Demokratów – raportuje dr Gabriela Czarnek.
Efekt ten jest około czterokrotnie większy niż wywołany tradycyjnymi reklamami, których wpływ testowano w wyborach w 2016 i 2020 roku. Wówczas zmiany na korzyść kandydatów nie osiągały nawet 1 punktu procentowego.
W podobnych eksperymentach z udziałem Kanadyjczyków i Polaków efekt był znacznie większy. Rozmowa z chatbotami przesuwała intencje wyborcze osób wspierających dotąd kandydatów opozycji o ok. 10 punktów procentowych. W eksperymencie przeprowadzonym w tygodniu poprzedzającym kanadyjskie wybory federalne w kwietniu 2025 roku ponad 1,5 tys. Kanadyjczyków losowo przydzielono do rozmowy z modelami AI, które opowiadały się za liderem Partii Liberalnej Markiem Carneyem lub opozycyjnym liderem Partii Konserwatywnej Pierrem Poilievrem. Efekt perswazyjny był w Kanadzie prawie 3-krotnie większy niż w eksperymencie amerykańskim. Jednak gdy model AI pozbawiono możliwości odwoływania się do faktów i danych, efekt zmniejszył się o ponad połowę.
W maju 2025 roku, w ciągu dwóch tygodni poprzedzających wybory prezydenckie nad Wislą, ponad 2,1 tys. Polaków losowo przydzielono do rozmów z modelami AI, które opowiadały się za kandydatem Koalicji Obywatelskiej Rafałem Trzaskowskim lub kandydatem wspieranym przez Prawo i Sprawiedliwość Karolem Nawrockim. Podobnie jak w Kanadzie, efekt perswazyjny był niemal 3-krotnie większy niż w eksperymencie USA, a pozbawienie AI możliwości odwoływania się do faktów zmniejszało efekt aż o 78 proc.
Analiza strategii perswazyjnych stosowanych przez modele AI wskazuje, że przekonywały one za pomocą odwoływania się do faktów i danych, a nie poprzez korzystanie z technik psychologicznych. Prawie zawsze były uprzejme i stosowały zrozumiały dla wyborcy język. Miały tendencję do podkreślania pozytywnych rezultatów i dopasowywania przekazu do wartości uczestnika. Co ciekawe, modele AI rzadko stosowały strategie często omawiane w literaturze psychologicznej i politologicznej, takie jak bezpośrednie wezwanie do głosowania, wywoływanie gniewu, strategie wpływu społecznego czy przywoływanie świadectw innych osób.
Nie wszystkie przedstawione przez nie informacje zaprezentowane jako fakty były jednak poprawne. We wszystkich trzech krajach modele AI opowiadające się za kandydatami z prawej strony sceny politycznej częściej przedstawiały nieprawdziwe twierdzenia, niż modele agitujące za kandydatami centrowymi. Jest to zgodne z wcześniejszymi badaniami pokazującymi, że w USA to wyborcy prawicy częściej udostępniają treści wprowadzające rozmówców w błąd. Modele generatywne wydają się powielać nierówności informacyjne obserwowane w społeczeństwie – dodaje dr Gabriela Czarnek.
Jak podsumowują badacze, dialog z modelami językowymi może w istotny sposób zmieniać postawy wyborców oraz ich intencje głosowania. Ma to znaczące konsekwencje dla przyszłości perswazji politycznej, reklamy politycznej oraz demokracji. Wyniki badań ukazały się na łamach „Nature”.
Łukasz Wspaniały, źródło: UJ