Группа учёных из нескольких университетов выяснила, что политически предвзятые модели искусственного интеллекта эффективнее политической рекламы убеждают как демократов, так и республиканцев поддержать кандидатов в президенты от оппозиционной партии. Чат-боты аргументируют свою позицию фактами и доказательствами, однако не всегда точными. Как показали исследования, наиболее убедительные модели чаще других сообщали неправду.

В исследовании, опубликованном в журналах Nature и Science, учёные привлекли более 2300 участников для общения с чат-ботом за два месяца до президентских выборов 2024 года в США. Чат-бот был обучен поддерживать одного из двух основных кандидатов. Сторонники Дональда Трампа, пообщавшись с ИИ-моделью, поддерживающей Камалу Харрис, стали несколько больше склоняться к поддержке Харрис, сдвинувшись на 3,9 пункта в её сторону по 100-балльной шкале. Это примерно в 4 раза превышает эффект политической рекламы во время выборов 2016 и 2020 годов. ИИ-модель, поддерживающая Трампа, сдвинула сторонников Харрис на 2,3 пункта в сторону Трампа.

Аналогичные эксперименты, проведённые в преддверии федеральных выборов 2025 года в Канаде и президентских выборов 2025 года в Польше, показали ещё больший эффект. Чат-боты изменили отношение оппозиционных избирателей примерно на 10 пунктов.

Исследователи также обнаружили, что чат-боты, использующие различные модели, включая варианты GPT и DeepSeek, были более убедительными, когда им было поручено использовать факты и доказательства. Однако, некоторые из «доказательств» и «фактов», представленных чат-ботами, оказались неправдой. Чат-боты, выступающие за правых кандидатов, делали больше неточных заявлений, чем те, кто выступал за левых кандидатов. Это связано с тем, что модели обучены на большом количестве текстов, написанных людьми, и воспроизводят реальные явления, включая «политическую коммуникацию, исходящую справа, которая, как правило, менее точна», согласно исследованиям постов в социальных сетях.

В другом исследовании, опубликованном в журнале Science, учёные использовали 19 языковых моделей (LLM) для взаимодействия с почти 77 000 участниками из Великобритании по более чем 700 политическим вопросам, варьируя такие факторы, как вычислительная мощность, методы обучения и риторические стратегии. Самым эффективным способом сделать модели убедительными оказалось поручить им подкреплять свои аргументы фактами и доказательствами, а затем дополнительно обучать, предоставляя примеры убедительных разговоров. Наиболее убедительная модель сдвинула мнение участников, которые изначально не соглашались с политическим заявлением, на 26,1 пунктов в сторону согласия.