Naukowcy z MIT twierdzą, że uruchomili publiczny panel kontrolny o nazwie „LLM Election Observatory”, którego celem jest śledzenie, w jaki sposób popularne chatboty oparte na sztucznej inteligencji odpowiadają na pytania dotyczące wyborów uzupełniających w USA w 2026 roku w miarę upływu czasu. Projekt ma na celu porównanie reakcji w różnych obszarach, takich jak potwierdzanie wyników wyborów, sposób przedstawiania zagadnień, prognozy wyników, relacje w mediach oraz sygnały wskazujące na tożsamość wyborców, a jego celem jest udokumentowanie, jakie informacje ludzie mogą faktycznie otrzymywać od systemów sztucznej inteligencji w trakcie kampanii wyborczej.
Jak podaje serwis MIT News, zespołem kierują profesor Adam Berinsky, adiunkt Chara Podimata oraz profesor Charles Stewart III. Naukowcy poinformowali, że co kilka dni ponownie uruchamiają stały zestaw pytań związanych z wyborami, aby sprawdzić, czy odpowiedzi chatbota zmieniają się w miarę zbliżania się wyborów oraz czy różnią się one w zależności od takich czynników, jak lokalizacja użytkownika, przynależność polityczna i tożsamość.
W wywiadzie Podimata stwierdziła, że jednym z największych problemów związanych z badaniem sztucznej inteligencji i wyborów jest brak danych historycznych. Jeśli chatbot udzieli dzisiaj jednej odpowiedzi, a kilka tygodni później innej, trudno może być odtworzyć, jakie treści były wyświetlane wyborcom w poszczególnych momentach. Panel kontrolny ma na celu stworzenie takiej dokumentacji i udostępnienie danych zarówno badaczom, jak i opinii publicznej.
Naukowcy podkreślili również, że zgodność z faktami to tylko część problemu. Nawet jeśli dwie odpowiedzi chatbota są zasadniczo poprawne, różnice w sformułowaniu, akcentowaniu, stopniu niepewności lub cytowanych źródłach mogą nadal wpływać na to, jak użytkownicy rozumieją kwestię polityczną. Jest to efekt bardziej subtelny niż jawna dezinformacja, ale potencjalnie istotny w sytuacji, gdy informacje są niejednoznaczne i fragmentaryczne.
Z wywiadu przeprowadzonego przez MIT jasno wynika, że zespół ma nie nie przeprowadziła jeszcze pełnej analizy podłużnej. Podimata stwierdziła, że grupa na razie omawia jedynie ogólne wstępne tendencje, w tym widoczne różnice w tonie wypowiedzi, cytowaniu źródeł i sposobie prezentacji w zależności od tożsamości użytkowników, czasami nawet wtedy, gdy podstawowe fakty pozostają niezmienne.
Nie jest jednak jasne, na ile różnice te są trwałe, w jakim stopniu ulegają zmianom w trakcie kampanii oraz jak w praktyce zinterpretowaliby je prawdziwi wyborcy. To rozróżnienie ma znaczenie: obserwowanie różnic w odpowiedziach chatbota to nie to samo, co udowodnienie, że sztuczna inteligencja wpłynęła na zmianę czyjegoś głosu lub poglądów politycznych.
Praktyczny przykład hipotetyczny: dwaj wyborcy mogliby zadać różnym chatbotom to samo pytanie dotyczące wyborów do Senatu i otrzymać odpowiedzi, w których powołano by się na różne źródła lub w różny sposób przedstawiono niepewność. Nawet jeśli żadna z odpowiedzi nie zawierałaby błędu merytorycznego, użytkownicy mogliby odnieść różne wrażenia dotyczące szans kandydatów, znaczenia poszczególnych kwestii lub wiarygodności informacji.
Berinsky powiedział również serwisowi MIT News, że pewności siebie chatbota nie należy mylić z wiarygodnością. Stwierdził, że wyborcy mogą traktować odpowiedzi generowane przez sztuczną inteligencję jako punkt wyjścia, ale nie powinni na tym poprzestać. W tym samym wywiadzie zauważył, że sztuczna inteligencja może zarówno szeroko rozpowszechniać wprowadzające w błąd treści, jak i – w niektórych kontekstach – wspierać oparte na dowodach obalanie mitów.
Szersze znaczenie tego obserwatorium nie polega tyle na stwierdzeniu, czy sztuczna inteligencja jest dobra, czy zła dla demokracji, ile na ułatwieniu wglądu w warstwę informacji, która w innym przypadku pozostawałaby prywatna. W przeciwieństwie do wpisów w mediach społecznościowych rozmowy z chatbotami są zazwyczaj niewidoczne dla zewnętrznych obserwatorów, co utrudnia przeprowadzenie niezależnej kontroli, a tym samym sprawia, że staje się ona potencjalnie jeszcze ważniejsza.
Źródło: oryginalny artykuł opublikowany przez MIT News. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.
Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja wiadomości o sztucznej inteligencji.
Uwaga partnera — Implementi.ai: Takie historie uwidaczniają praktyczny problem związany z zarządzaniem w organizacjach wykorzystujących sztuczną inteligencję na potrzeby wewnętrzne: odpowiedzi mogą się różnić w zależności od czasu, polecenia i kontekstu. Dla zespołów, które polegają na generowanych przez sztuczną inteligencję komunikatach skierowanych do klientów lub pracowników, ustrukturyzowana weryfikacja może mieć równie duże znaczenie jak szybkość. Implementi.ai oferuje Audytor jakości odpowiedzi w ramach wsparcia opartego na sztucznej inteligencji w celu sprawdzania spójności i wzorców udzielania porad w odpowiedziach generowanych przy pomocy sztucznej inteligencji.
Ta strona używa plików cookie.