مطالعه استنفورد: دسترسی باز روزنامه حزب کمونیست ژاپن سوگیری هوش مصنوعی را به

پنج مدل پیشرو هوش مصنوعی زاینده (Generative AI) — از اوپن‌ای‌آی (OpenAI)، گوگل (Google) و اکس‌ای‌آی (xAI) — به‌صورت سیستماتیک رأی‌دهندگان ژاپنی با مواضع چپ‌گرا را به سمت حزب کمونیست ژاپن (Japanese Communist Party) سوق می‌دهند. دلیل آن هم‌سویی ایدئولوژیک نیست، بلکه دسترسی باز وب‌سایت روزنامه حزبی اخاهاتا (Akahata) در برابر مسدودسازی خزنده‌ها توسط رسانه‌های اصلی ژاپن است.

این یافتن، که در هفته‌ی پایانی انتخابات عمومی ۸ فوریه ۲۰۲۶ (۱۹ بهمن ۱۴۰۴) به دست آمده، فرضیه‌های رایج درباره ریشه‌ی سوگیری سیاسی در هوش مصنوعی را برهم می‌زند: محیط بازیابی اطلاعات — به‌ویژه کدام ناشرها خزنده‌های هوش مصنوعی را بلاک می‌کنند — می‌تواند بر توصیه‌های خودکار رأی‌دهی غلبه کند.

همان‌طور که در تحلیل قبلی ما درباره‌ی سوگیری در مدل‌های زبانی بزرگ (LLM) اشاره کردیم، نترالیته راهنمایی‌های رأی‌دهی هوش مصنوعی به دغدغه‌ای سیاست‌گذاری تبدیل شده است. مدل‌های آمریکایی به‌کار می‌روند، اما کار تجربی کمی در بسترهای غیرآمریکایی انجام شده است. این مطالعه، نخستین شواهد سیستماتیک درباره نحوه‌ی شکل‌گیری توصیه‌های سیاسی توسط ناهمگامی دسترسی به اطلاعات است.

اندرو هال (Andrew Hall)، استاد اقتصاد سیاسی خانواده دیویز در دانشکده مدیریت استنفورد، و شو می‌یازاکی (Sho Miyazaki)، محقق میهمان در مؤسسه اقتصاد سیاسی وaseda، ۳۶٬۳۰۰ پروفایل‌های مصنوعی رأی‌دهنده (synthetic voter profiles) با تنوع جنسیت، منطقه و مواضع در ۱۲ مسئله سیاستی — از امنیت و دیپلماسی تا انرژی، اقتصاد و حوزه‌های اجتماعی — ساختند. سپس از پنج مدل با جست‌وجوی وب (web search) فعال، توصیه حزب بر اساس هر پروفایل را درخواست کردند.

نتایج کلیدی:

• مواضع سیاستی بر توصیه‌ها غلبه داشتند: نوسان ۵۰ تا ۹۸ درصدی در انتخاب حزب، در حالی که عوامل جمعیتی تنها ۰.۵ تا ۷ درصد اثر داشتند — یک مرتبه کوچکتر.
• در حالت کنترل (بدون ورودی سیاستی)، سوگیری چپ‌گرای یکنواخت وجود نداشت: سه از پنج مدل حزب لیبرال دموکرات (Liberal Democratic Party) حاکم را با نرخ بالا توصیه کردند و سهم حزب کمونیست برای چهار مدل پایین ماند.
• تنها وقتی مواضع چپ‌گرا وارد شد، تمام پنج مدل بر توصیه حزب کمونیست هم‌آهنگ شدند، هرچند احزاب اپوزیسیون دیگر مواضع مشابهی داشتند.

محققان ریشه‌ی این تمرکز را در منابع استنادشده توسط مدل‌ها یافتند. حزب کمونیست روزنامه روزانه اخاهاتا را روی وب‌سایت کاملاً باز jcp.or.jp منتشر می‌کند که خزنده‌های جست‌وجوی هوش مصنوعی به‌راحتی خزش می‌دهند. در تضاد، رسانه‌های اصلی ژاپن به‌سبب نگرانی‌های کپی‌رایت، خزنده‌ها را از طریق robots.txt مسدود کرده‌اند. وب‌سایت حزب و روزنامه اخاهاتا در میان منابع پراستناد توصیه‌های مدل‌ها بودند.

نمی‌توان مدل‌ها را مقصر دانست که بین خبرنگاری مستقل و محتوای حزبی تمایز نگذارند. همان‌طور که هال و می‌یازاکی می‌نویسند، مدلی که از jcp.or.jp/akahata بازیابی می‌کند و آن را به‌عنوان رسانه خبری طبقه‌بندی می‌کند، تنها خطای برچسب‌گذاری نمی‌کند — بلکه در محیط اطلاعاتی عمل می‌کند که مرز بین ارتباط حزبی و خبرنگاری واقعاً کدر است، با پیامد مستقیم برای توصیه‌هایش.

مطالعه همچنین نشان داد که افزودن جست‌وجوی اکس (X، پیشین توییتر) توصیه‌های چپ‌گرا را در ژاپن تقویت می‌کند — برخلاف انتظار برپایه محیط گفتمانی آمریکا، که در آن اکس اغلب به‌عنوان پلتفرم راست‌گرا تلقی می‌شود. این نکته تأکید می‌کند که اکوسیستم‌های اطلاعاتی پلتفرم‌خاص چگونه با رفتار مدل به‌شکل‌های پیش‌بینی‌نشده در بسترهای ملی متفاوت تعامل دارند.

مقاله کارکردی با عنوان «چرا مدل‌های هوش مصنوعی به رأی‌دهندگان چپ‌گرا می‌گویند حزب کمونیست را حمایت کنند؟» استدلال می‌کند که چارچوب‌های حکمرانی هوش مصنوعی باید سیاست دسترسی به محتوا و نترالیته سیاسی را حوزه‌های عمیقاً درهم‌تنیده بدانند. چارچوب‌های فعلی مبتنی بر فرضیات متمرکز بر آمریکا از این آسیب‌پذیری ساختاری غافل‌اند.

پیامدها فراتر از ژاپن می‌روند. هر دموکراسی‌ای که رسانه‌های اصلی‌اش خزنده‌های هوش مصنوعی را بلاک کنند در حالی که بازیگران حزبی محتوای باز نگه می‌دارند، محیط اطلاعاتی کج‌شده‌ای برای مدل‌های تولید بازیابی‌افزا (RAG) می‌سازد. کمیسیون‌های انتخابات باید اولویت دهند ساخت پلتفرم‌های غیرحزبی، ماشین‌خوانا (machine-readable) که مواضع احزاب را به‌صورت ساختاریافته گردآوری کنند تا رأی‌دهندگان داده‌های قابل‌مقایسه و مستقل از حزب دریافت کنند.

رسانه‌های خبری با دوچرخه‌ی استراتژیک روبرو هستند: محدودیت‌های دسترسی به‌انگیزه کپی‌رایت می‌تواند به‌صورت ناخواسته تأثیر بر اطلاعات مدیاتی شده توسط هوش مصنوعی را به بازیگران حزبی واگذار کند که چنین مانعی ندارند. توافق‌های دسترسی مذاکره‌شده — اجازه خزش تحت شرایط تعریف‌شده — می‌تواند هم درآمد را حفظ کند و هم نفوذ منافع عمومی.

بازیگران سیاسی به‌احتمال زیاد شروع می‌کنند محتوای وب خود را برای بازیابی هوش مصنوعی بهینه کنند، همان‌طور که یک‌زمان برای موتورهای جست‌وجو می‌کردند. این «بهینه‌سازی موتور جست‌وجوی هوش مصنوعی» می‌تواند کدری مرز بین ارتباط حزبی و محتوای خبرنگاری را تسریع کند و چالش نترالیته را پیچیده‌تر سازد.

برای کاربران، این مطالعه درس عبرتی است. مشاوران رأی‌دهی هوش مصنوعی داوری‌های بی‌طرف نیستند؛ آن‌ها منظر دسترسی وب را بازتاب می‌دهند. رأی‌دهندگان باید توصیه‌های هوش مصنوعی را یکی از ورودی‌های متعدد بدانند، نه جایگزین برای درگیر شدن با منابع متنوع و بازبینی‌شده ویراستاری.

استنفورد جاپان بارومتر (Stanford Japan Barometer) ردیابی تکامل اطلاعات سیاسی مدیاتی‌شده توسط هوش مصنوعی را در ژاپن و فراتر ادامه می‌دهد. سیاست‌گذاران و معماران پلتفرم باید به‌دقت رصد کنند که آیا مراجع انتخابات استانداردهای داده ساختاریافته را می‌پذیرند، آیا رسانه‌ها دسترسی خزنده را مذاکره می‌کنند، و آیا احزاب سیاسی به‌صورت صریح برای مصرف هوش مصنوعی می‌نویسند.

مقاله کامل را در سایت مؤسسه فریمن اسپوگلی استنفورد بخوانید، و جاپان بارومتر را برای تحقیقات جاری درباره نقش هوش مصنوعی در فرآیندهای دموکراتیک دنبال کنید.

گام بعدی شما

• اگر سیاست‌گذار هستید: استاندارد داده‌های ساختاریافته مواضع احزاب را برای انتخابات آینده تدوین کنید.
• اگر ناشر خبری هستید: توافق‌های خزش مشروط را با پلتفرم‌های هوش مصنوعی مذاکره کنید تا نفوذ عمومی حفظ شود.
• اگر رأی‌دهنده هستید: توصیه‌های هوش مصنوعی را با چند منبع خبری مستقل تقابل دهید، نه اعتماد کورانه.

اما داستان حکمرانی داده‌های سیاسی در عصر هوش مصنوعی حتی پیچیده‌تر است — به تحلیل ما درباره‌ی استانداردهای شفافیت الگوریتمی در انتخابات مراجعه کنید.