бизнес
Исследование показало: Grok AI поддерживает республиканцев, GPT — демократов в выборах США
Новое исследование выявило значительный политический уклон в работе ведущих моделей искусственного интеллекта. Grok и GPT расходятся в выборе кандидатов в более чем 90% сценариев.
Недавнее исследование принесло на рынок данных о выраженном политическом смещении в алгоритмах двух крупнейших больших языковых моделей (LLM) — Grok от компании xAI и GPT от OpenAI. Анализ показал, что Grok склонен рекомендовать кандидатов, ассоциирующихся с Республиканской партией США, в то время как GPT демонстрирует предпочтение демократам.
По результатам анализа, проведенного исследователями, модели значительно расходятся в своих прогнозах и рекомендациях. Разногласия в выборе предпочтительного кандидата или партии были зафиксированы в более чем 90% из почти 500 проанализированных избирательных раундов. Это указывает на глубокие различия в тренировочных данных, фильтрации контенте и, возможно, в архитектуре самих нейронных сетей, которые лежат в основе этих систем.
Различия в предпочтениях между моделями Grok и GPT выходят за рамки незначительных отклонений в стиле подачи информации; они касаются фундаментального выбора политической стороны. Для Grok, разработанного компанией Илона Маска и интегрированного в экосистему X, такие политические акценты могут отражать специфические подходы к сбору и обработке данных, которые были использованы в процессе обучения модели, в то время как OpenAI продолжает использовать более широкую базу знаний, которая, судя по результатам, сформировала иной набор рекомендаций.
Подобные данные подчеркивают растущую проблему алгоритмической предвзятости (bias) в сфере искусственного интеллекта. Когда системы, которые обещают быть объективными и нейтральными, начинают демонстрировать явный уклон в сторону определенных идеологий или политических сил, это поднимает вопросы о прозрачности процессов обучения моделей и их способности функционировать в качестве беспристрастных информационных посредников. Для пользователей, особенно в контексте выборов, эта избирательная предвзятость может стать существующих стать серьезной помехой, влияющей на восприятие информации и принятие решений.
В контексте развития регулирования ИИ, эти результаты станут объектом повышенного внимания. Регуляторы по всему миру уже обсуждают необходимость стандартов, которые бы требовали от разработчиков LLM предоставления детальной информации об источниках данных, используемых при обучении, и о потенциальных рисках смещения в контенте. Если подобные выявленные предубеждения будут систематически воспроизводиться, это может привести к необходимости в разработке новых методик аудита ИИ, направленных на выявление политической или смягчение идеологического уклон в генерации ответов.
По мере того как LLM проникают в более критически важные сферы — от медиа и финансового анализа до принятия государственных решений — вопрос нейтральности и этичности алгоритмов становится не теоретическим, а практически значимым. Исследование, опубликованное TechCrunch, служит четким напоминанием о том, что технические решения, разработанные в лабораториях, не существуют в информационном вакууми. Они несут в себе отпечаток культурного, статистического и идеологического ландшафта, на момент их создания.