ΕπιμέλειαΑρχοντία Κάτσουρα
Η τεχνητή νοημοσύνη έχει αρχίσει να μεταμορφώνει την πολιτική. Και όπως τα social media συνέβαλαν στην ταχεία εξάπλωση της παραπληροφόρησης και των πολιτικών διαιρέσεων, οι κίνδυνοι πολλαπλασιάζονται.
Η χρήση των social media τα τελευταία χρόνια ήταν ένα μάθημα για το πώς μπορείς να αυξήσεις την πόλωση και να πληγώσεις τη δημοκρατική διαδικασία. Και καθώς τα fake news και η παραπληροφόρηση εξαπλώνονται ταχύτερα από την αλήθεια, αυξάνονται και οι κίνδυνοι για την πολιτική εκπροσώπηση. Η τεχνητή νοημοσύνη έρχεται να το κάνει αυτό χειρότερο. Και δεν είναι μόνο οι προεκλογικές εκστρατείες με τη βοήθεια της ΑΙ.
Αυτή η τεχνολογική εξέλιξη μεταμορφώνει τον τρόπο με τον οποίο οι ψηφοφόροι μαθαίνουν –δεν ενημερώνονται- για τις εκλογές. Και αυτό γίνεται πιο γρήγορα, σε μεγάλη κλίμακα και με πολύ λιγότερη διαφάνεια. Τα μεγάλα γλωσσικά μοντέλα (LLM), όπως το ChatGPT, το Claude, το Gemini ή το Grok, γίνονται τα νέα δοχεία πολιτικής πληροφορίας. Κάποιες φορές και τα μέσα διαμεσολάβησης της πολιτικής διαφωνίας.
Η έρευνα του TIME
Το περιοδικό TIME, πραγματοποίησε μια έρευνα για την επίδραση που έχει η τεχνητή νοημοσύνη στην πολιτική. Και διαπίστωσε ότι η επιρροή των LLMs ήδη διαπερνά τη δημοκρατία.
Καθώς τα LLM έχουν ταχύτητες άγνωστες μέχρι σήμερα και η επισκεψιμότητα σε ενημερωτικούς ιστότοπους ή «ψαχτήρια» μειώνεται, οι συνέπειες είναι ορατές.
Εν όψει των ενδιάμεσων εκλογών στις ΗΠΑ το 2026, η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για τη συλλογή πληροφοριών σχετικά με τους υποψηφίους, την ατζέντα και τις την ψηφοφορία. Παράλληλα, εταιρείες δημοσκοπήσεων διερευνούν τις δυνατότητες της νέας τεχνολογίας για την προσομοίωση των αποτελεσμάτων των δημοσκοπήσεων ή για την κατανόηση του τρόπου σύνθεσης των απόψεων των ψηφοφόρων.
Και αν αυτό φαίνεται ουδέτερο και πολιτικά αμερόληπτο, μια διαδικασία που απλώς επαφίεται στη λειτουργία μιας μηχανής, δεν είναι. Ακόμη και αν απλώς τα LLM συνοψίζουν γεγονότα από διαφορετικές πηγές που βρίσκονται στα δεδομένα εκπαίδευσής τους ή στο διαδίκτυο, ταυτόχρονα, λειτουργούν ως μαύρα κουτιά. Είναι σχεδιασμένα και εκπαιδευμένα με τρόπους που οι χρήστες δεν μπορούν να δουν. Ήδη, έχουν υπάρξει προειδοποιήσεις για «χειραγώγηση» των μοντέλων για σπρώχνουν τους χρήστες σε συγκεκριμένες επιλογές αγορών ή ταξιδιών ή υπηρεσιών.
Μέχρι στιγμής, επίσης, έχει διαπιστωθεί ότι μεγάλα γλωσσικά μοντέλα «έλεγαν» στους χρήστες αυτά που ήθελαν να ακούσουν, ή τους καθοδηγούν σε οικονομικές ή άλλες αποφάσεις.
Πλέον, δεδομένης της τεράστιας ισχύος, της επικράτησης και της ικανότητάς τους να «εξατομικεύουν» τις πληροφορίες, η τεχνητή νοημοσύνη έχει τη δυνατότητα να διαμορφώσει τι πιστεύουν οι ψηφοφόροι για τους υποψηφίους, τα ζητήματα και τις εκλογές στο σύνολό τους. Μόνο η έκταση της επιρροής είναι άγνωστη.
Έωλες διασφαλίσεις
Οι προεδρικές εκλογές των ΗΠΑ το 2024 ήταν οι πρώτες με τεχνητή νοημοσύνη. Οι πάροχοι LLM δεσμεύτηκαν δημόσια να αντιμετωπίσουν τους κινδύνους. Η Google δήλωσε ότι υιοθετεί μια «υπεύθυνη και προσεκτική προσέγγιση» για τον χειρισμό θεμάτων που σχετίζονται με τις εκλογές. Η OpenAI δήλωσε ότι ο στόχος της ήταν να αποτρέψει την τεχνολογία της από το να «υπονομεύσει τη δημοκρατική διαδικασία».
Τα LLM προσαρμόζουν τις απαντήσεις τους σε ερωτήσεις που περιέχουν υποδείξεις σχετικά με τις πολιτικές απόψεις του χρήστη
Το TIME, για να διαπιστώσει αν αυτές οι διασφαλίσεις ήταν πραγματικά αποτελεσματικές, δημιούργησε ένα ερωτηματολόγιο με 600 ερωτήσεις σχετικά με τους υποψηφίους, την εκλογική διαδικασία και προβλέψεις για το ποιος θα κέρδιζε τις προεδρικές εκλογές.
Κάθε ερώτηση συνοδευόταν από 21 παραλλαγές. Μερικές φορές περιλαμβάνοντας περιγραφές όπως «Είμαι Δημοκρατικός/ Ρεπουμπλικάνος/ Ανεξάρτητος» ή «Είμαι Ισπανόφωνος/ Μαύρος/ Λευκός», καθώς και προτροπές όπως «Εξηγήστε το σκεπτικό σας». Συνολικά, αυτό οδήγησε σε ένα ερωτηματολόγιο με περισσότερες από 12.000 ερωτήσεις. Από τον Ιούλιο του 2024, οι ερωτήσεις αυτές ετίθεντο σχεδόν καθημερινά σε δώδεκα μοντέλα τεχνητής νοημοσύνης. Μοντέλα που είχαν δημιουργηθεί από τις Anthropic, OpenAI, Google και Perplexity.
Το αποτέλεσμα ήταν μια δημόσια διαθέσιμη βάση δεδομένων με πάνω από 16 εκατομμύρια απαντήσεις. Αυτή τεκμηριώνει πώς εξελίχθηκαν αυτά τα συστήματα μέσω ενημερώσεων προγραμματιστών, καθώς και εκλογικών γεγονότων. Και εγείρει επείγοντα ερωτήματα σχετικά με το πώς η τεχνητή νοημοσύνη κατευθύνει αυτά που μαθαίνουν οι ψηφοφόροι για τους υποψηφίους. Όπως και τι μπορεί να σημαίνει αυτό για την ακεραιότητα των εκλογών στο μέλλον.
Μεταβαλλόμενη συμπεριφορά
Η πρώτη διαπίστωση ήταν ότι η «συμπεριφορά» των LLM μεταβάλλεται συνεχώς, είτε σταδιακά είτε απότομα, στις απαντήσεις σε πανομοιότυπες ερωτήσεις με την πάροδο του χρόνου.
Ορισμένες αλλαγές συσχετίζονται με δημόσια ανακοινωθείσες ενημερώσεις μοντέλων, άλλες δεν έχουν προφανείς εξηγήσεις. Και καθώς οι μετατοπίσεις φαίνεται να είναι ανεπαίσθητες αλλά συνεπείς, υποδηλώνουν ότι ίσως οι προγραμματιστές κάνουν προσαρμογές σε πραγματικό χρόνο. Και πέρα από τις δημόσια ανακοινωθείσες ενημερώσεις. Αλλά οι περισσότεροι άνθρωποι δεν συνειδητοποιούν ότι οι πληροφορίες τους προέρχονται από συνεχώς μεταβαλλόμενες πηγές.
Μια άλλη διαπίστωση –και ανησυχητική- είναι ότι η τεχνητή νοημοσύνη δεν έχει εσωτερική συνέπεια. Τα LLM βαθμονομούν τις απαντήσεις τους με βάση δημογραφικά στοιχεία. Π.χ. «Είμαι γυναίκα» ή «Είμαι μαύρη». Επίσης, αντιμετωπίζουν ορισμένες ομάδες ως πιο αντιπροσωπευτικές του εκλογικού σώματος από άλλες με βάση τη συγκεκριμένη διατύπωση των ερωτήσεων που τέθηκαν.
Τρίτη διαπίστωση, ότι τα LLM προσαρμόζουν τις απαντήσεις τους σε ερωτήσεις που περιέχουν υποδείξεις σχετικά με τις πολιτικές απόψεις του χρήστη. Για παράδειγμα, όταν ρωτήθηκαν για την πολιτική υγειονομικής περίθαλψης, το ίδιο μοντέλο έδωσε διαφορετικές απαντήσεις σε ερωτήσεις που υποδηλώνουν ότι ο ερωτών είναι Δημοκρατικός ή Ρεπουμπλικάνος. Και παρά το γεγονός ότι τα γεγονότα ήταν συχνά ακριβή, τα LLM τροποποίησαν τις θέσεις τους με βάση αυτά τα σήματα.
Διαμορφώνοντας πεποιθήσεις
Οι πάροχοι μοντέλων τεχνητής νοημοσύνης έχουν δημιουργήσει ένα φίλτρο, που αποτρέπει από τα LLM να πουν ποιος υποψήφιος έχει τις καλύτερες πιθανότητες να κερδίσει τις εκλογές. Ωστόσο, οι «πεποιθήσεις» τους για τις εκλογές και τους υποψηφίους και η λεπτή διαμόρφωση θα μπορούσαν να διαμορφώσουν αυτό που οι ψηφοφόροι θεωρούν αληθές ή φυσιολογικό. Αναλύοντας τις απαντήσεις τους σε ερωτήσεις των exit poll, συμπεριλαμβανομένων εκείνων όπως ποια ζητήματα έχουν τη μεγαλύτερη σημασία για τους ψηφοφόρους, θα μπορούσαμε να αναστρέψουμε τις έμμεσες προβλέψεις τους σχετικά με την κατανομή των ψηφοφόρων.
Η ταχεία υιοθέτηση της τεχνητής νοημοσύνης σηματοδοτεί μια φάση μετασχηματισμού που απαιτεί προσοχή
Το ίδιο μοντέλο πότε προέβλεπε νίκη της Κάμαλα Χάρις και πότε του Ντόναλντ Τραμπ, ανάλογα με την ερώτηση που του έθεταν. Συνεπώς, διαπιστώνουν, οι εσωτερικές πεποιθήσεις των μοντέλων είναι στρεβλωμένες με βάση τον τρόπο διατύπωσης των ερωτήσεων ή τα θέματά τους.
Φιλτραρισμένη πληροφορία
Όταν οι ψηφοφόροι προσφεύγουν στην τεχνητή νοημοσύνη για να λάβουν πληροφορίες για τις εκλογές, υπάρχει ένας σαφής κίνδυνος. Αυτές είναι φιλτραρισμένες μέσω συστημάτων που φαίνεται να κάνουν πολιτικές υποθέσεις τις οποίες οι ίδιοι δεν μπορούν να δουν ή να αξιολογήσουν. Ο χρήστης δεν γνωρίζει από ποιες πηγές αντλεί το LLM, πώς ζυγίζει τις αντικρουόμενες πληροφορίες ή πώς αλλάζει τα αποτελέσματά του με την πάροδο του χρόνου.
Οι συνέπειες μπορεί να είναι συντριπτικές για τον τρόπο με τον οποίο χαράσσεται πολιτική ή επηρεάζεται ο ψηφοφόρος. Η ταχεία υιοθέτηση της τεχνητής νοημοσύνης σηματοδοτεί μια φάση μετασχηματισμού που απαιτεί ιδιαίτερη προσοχή.
Οι πάροχοι μοντέλων δεν μπορούν να ανοίξουν πλήρως τα μαύρα κουτιά τους, αλλά μπορούν να υποστηρίξουν και να ενθαρρύνουν τον ανεξάρτητο έλεγχο. Όπως να δώσουν τη δυνατότητα στους ερευνητές να υποβάλλουν ερωτήσεις και να αναλύουν τα αποτελέσματα σε κλίμακα. Με τον τρόπο αυτό θα δημιουργηθεί ένα συστηματικό αρχείο της συμπεριφοράς του μοντέλου με την πάροδο του χρόνου. Και οι ερευνητές θα πρέπει να προσεγγίσουν αυτό το θέμα με περιέργεια και επιθυμία να κατανοήσουν, αντί να απορρίψουν χωρίς να έχουν όλες τις πληροφορίες.
Η τεχνητή νοημοσύνη αναδιαμορφώνει τις πληροφορίες που λαμβάνουμε, όπως ακριβώς έκαναν και τα μέσα κοινωνικής δικτύωσης. Τα λάθη πρέπει να μας γίνουν μάθημα, πριν η κατάσταση εξελιχθεί ανεξέλεγκτα.
- Με στοιχεία από το ΤΙΜΕ
