Лаборатория MIT News представила новый инструмент — LLM Election Observatory. Это дашборд, разработанный командой профессоров Адама Берински (Adam Berinsky), Чары Подиматы (Chara Podimata) и Чарльза Стюарта III (Charles Stewart III). Проект направлен на мониторинг того, как популярные модели искусственного интеллекта реагируют на вопросы о промежуточных выборах в США 2026 года.
Методология: от фактов к фреймингу
В отличие от разовых проверок, система работает в режиме реального времени. Команда запускает фиксированный набор вопросов через различные чат-боты каждые несколько дней. Это позволяет фиксировать изменения в ответах по мере приближения выборов. Исследователи анализируют, как ответы варьируются в зависимости от локации пользователя, политической принадлежности, идентичности и других факторов.
Ключевая цель — не только проверить фактологическую точность, но и изучить более тонкие аспекты: как ИИ формирует политический дискурс, какие источники цитирует, как выражает неопределенность и как «фреймирует» информацию. Даже при наличии верных фактов, различия в подаче могут кардинально менять восприятие проблемы избирателем.
Уроки 2024 года и вызовы 2026 года
Проект базируется на выводах исследования Подиматы во время президентской гонки 2024 года. Тогда было обнаружено значительное расхождение в ответах моделей в зависимости от формулировки запроса и времени. Выборы 2026 года представляют особый интерес из-за сложности структуры: параллельно проходят выборы в Палату представителей и Сенат, а также множество местных голосований, что создает многомерную информационную среду.
Исследователи отмечают главную проблему: отсутствие исторической записи. Если ИИ-система сегодня дает один ответ, а через неделю — другой, восстановить, что именно видел избиратель в конкретный момент, крайне сложно. LLM Election Observatory решает эту задачу, систематизируя данные для научного сообщества и общественности.
Проблема «невидимых пузырей»
Чара Подимата подчеркивает, что пользователи формируют свои «микровселенные» информации через взаимодействие с чат-ботами. В отличие от социальных сетей, где можно наблюдать за контентом в группах или аккаунтах, диалог с ИИ приватен. Два пользователя, задающие одинаковый вопрос разным ботам, могут получить разные акценты, уровни уверенности и списки источников, не подозревая об этом. Это создает риск формирования разрозненного понимания политических реалий.
| Аспект исследования | Описание и значение |
|---|---|
| Объект мониторинга | Популярные AI-чатботы (LLM) в реальном времени |
| Периодичность | Запуск тестовых запросов каждые несколько дней |
| Ключевые переменные | Локация, политическая партия, идентичность пользователя, формулировка запроса |
| Фокус анализа | Не только фактологическая точность, но и фрейминг, источники, степень неопределенности |
| Цель данных | Создание публичной архивной базы для исследователей и общественности |
Результаты работы LLM Election Observatory помогут понять, как алгоритмы влияют на принятие решений избирателей и могут ли они неявно склонять их к смене политических предпочтений.
Источник: MIT News AI ↗