۳۶٪ کاربران چت‌بات درخواست انتخاب کاندیدا کردند؛ نتایج ییل

مطالعه ییل چت‌بات روی ۲۵۰۰ رأی‌دهنده در ۳۵ ایالت نشان داد که ۳۶٪ از کاربران فعال از مدل‌های هوش مصنوعی خواسته‌اند کاندیدا را انتخاب کنند. چت‌جی‌پی‌تی در ۷۹٪ مکالمه‌های شخصی‌سازی‌شده کاندیدا پیشنهاد داد، در حالی که گراک در حالت بی‌طرف تنها در ۱۴٪ موارد موافقت کرد.

تحقیق در اکتبر ۲۰۲۶، پیش از انتخابات میاندوره ۳ نوامبر، انجام شد. شرکت‌کنندگان بزرگسالانی بودند که هفتگی از چت‌بات استفاده می‌کردند. به گزارش پیو (Pew Research)، ۴۲٪ آمریکایی‌ها برای جستجوی اطلاعات عمومی از چت‌بات بهره می‌برند، اما تنها ۸٪ برای پرسش‌های انتخاباتی رجوع کردند. از این گروه، ۷۶٪ مواضع کاندیداها را پرسیدند و ۷۱٪ ادعاهای شنیده را واقعه‌سنجی کردند. این دوره انتخاباتی به‌ویژه از جعل‌های عمیق (Deepfake) و تصاویر گمراه‌کننده هوش مصنوعی زاینده رنجید، به طوری که اوپن‌ای‌آی (OpenAI) و آنتروپیک (Anthropic) اتاق‌های جنگی (War Room) اختصاصی انتخابات راه‌اندازی کردند تا سوءاستفاده و دقت را رصد کنند. این نرخ خطا در پاسخ‌های انتخاباتی چت‌بات‌ها با تحقیق Forum AI که ۴۰ درصد پاسخ‌ها را اشتباه نشان داد هم‌خط است.

پژوهشگران ییل به کاربران اجازه دادند به‌صورت طبیعی از چت‌جی‌پی‌تی (ChatGPT)، کلود (Claude)، گراک (Grok) یا جمینای (Gemini) بپرسند، نه پرامپت‌های استاندارد. اکثر کاربران حقایق پایه مثل نام‌های روی رأی‌نامه را جستجو کردند، اما ۳۶٪ که از مدل خواستند کاندیدا را پیشنهاد دهد، سوژه‌ایتی قابل‌توجهی وارد کردند.

نتایج اصلی: شکاف ۱۴ تا ۷۹ درصدی

• در پرسش «کدام را رأی دهم» بدون اشتراک‌گذاری دیدگاه شخصی: تنها گراک به‌طور منظم کاندیدا پیشنهاد داد (۱۴٪ مکالمات).
• پس از توصیف اولویت‌ها توسط کاربر: چت‌جی‌پی‌تی در ۷۹٪ مکالمات، کلود در ۴۰٪، و گراک و جمینای در میان این دو حد کاندیدا پیشنهاد دادند.
• یک کاربر از چت‌جی‌پی‌تی «مزایا و معایب» کاندیداهای ویرجینیا خواست — درخواستی ذاتاً سوژه‌ایتی. پاسخ‌ها به شدت به منابع استناد شده وابسته بود: وب‌سایت خود کاندیدا در برابر توصیفی حریف در شبکه‌های اجتماعی، ارزیابی‌های متفاوتی تولید کرد.
• تحلیل آنتروپیک روی ۲۵۰۰۰۰ مکالمه کلود: پرسش‌های انتخاباتی تنها ۰.۵۱٪ کل چت‌ها بودند، و ۰.۰۰۲٪ نقض سیاست‌های یکپارچگی انتخابات داشتند. شرکت یادآور شد کاربران بیشتر برای رسیدن به نتیجه‌ی خود، مواضع موضوعی می‌پرسند.
• مطالعه مرکز برنان برای عدالت (Brennan Center for Justice) در اوت ۲۰۲۶ روی چت‌جی‌پی‌تی، جمینای، گراک، متا ای‌آی (Meta AI)، رن‌وِی (Runway) و فلاکس ۲ (Flux.2): چت‌بات‌ها در برابر برخی دروغ‌های انتخاباتی مقاومت خوب کردند، اما به‌سادگی تصاویر و ویدیوهای گمراه‌کننده انتخاباتی ساختند؛ حفاظت‌ها «بی‌اثر، ناهمگون اعمال شده، یا کارکردی غیرفعال» توصیف شدند.

تحقیقات جداگانه نشان داد پلتفرم‌های هوش مصنوعی اطلاعات «قدیمی یا نادرست» دادند که می‌توانست رأی‌دهندگان را با از دست دادن مهلت‌ها یا حذف مراحل لجستیک رأی‌دهی، گمراه کند. اکثر کاربران پاسخ‌های چت‌بات را با منابع لینک‌شده چک نمی‌کنند، مخصوصاً با مرورگرهای هوش مصنوعی گوگل (AI Overviews).

واگرایی بین مدل‌ها یک مسئله عمیق‌تر را فاش می‌کند: هر چت‌بات فیلترهای آموزشی و پرامپت‌های سیستمی (System Prompt) — مثل دستورالعمل داخلی که قبل از هر گفتگو به مدل داده می‌شود — مبهمی دارد که خروجی‌های سیاسی را به شکلی شکل می‌دهد که کاربران نمی‌توانند بازبینی کنند. وقتی چت‌جی‌پی‌تی در ۷۹٪ چت‌های شخصی‌سازی‌شده و گراک در ۱۴٪ حالت بی‌طرف کاندیدا پیشنهاد می‌دهد، تفاوت ریشه در انتخاب‌های طراحی دارد، نه در حقیقت عینی. بار شناختی (Cognitive Offloading) — مثل وقتی محاسبه را به ماشین‌حساب می‌سپارید و خودتان فکر نمی‌کنید — ریسک را تشدید می‌کند: رأی‌دهندگان از پیش در منظر رسانه‌ای متراکم‌اند؛ افزودن لایه‌ی چت‌بات با سوگیری‌های افشاشده، توهم خلاصه‌سازی بی‌طرفانه می‌سازد در حالی که می‌تواند تصمیم‌ها را هدایت کند. سوالاتی که مدل می‌پرسد — و ترتیبی که می‌پرسد — تعیین می‌کند کاربر چه می‌گوید و مدل در نهایت چه پیشنهاد می‌دهد. اختلاف ۱۴ تا ۷۹ درصدی در پیشنهاد کاندیدا، شکاف بین گراک و چت‌جی‌پی‌تی در انتخاب کاندیداها را تقویت می‌کند.

نرخ پایین پرسش انتخاباتی در آنتروپیک (۰.۵۱٪) نشان می‌دهد اکثر کاربران چت‌بات‌ها را هنوز ابزار مرجع موضوعی می‌دانند، نه موتور تصمیم. اما رقم ۳۶٪ ییل در میان کاربران فعال، تغییر رفتاری را سیگنال می‌دهد که می‌تواند با پیش‌فرض شدن جستجوی هوش مصنوعی، تسریع یابد. نه ییل و نه برنان هنوز اندازه نگرفته‌اند که چقدر توصیه‌های چت‌بات با ارزش‌های اعلامی کاربر هم‌خوانی دارد یا رأی را تغییر می‌دهد. محققان این را گام بحرانی بعدی می‌نامند: تعیین دقت، سوگیری، و اینکه آیا مدل‌ها پروفایل‌های ماندگار کاربر را در چرخه‌های انتخاباتی یاد می‌گیرند. نمی‌دانیم چقدر توصیه‌های چت‌بات با ارزش‌های کاربر هم‌خوانی دارد، همان نگرانی که دسترسی باز حزب کمونیست ژاپن به سوگیری مدل‌ها به آن اشاره می‌کند.

گام بعدی محققان

تیم ییل قصد دارد بررسی کند که آیا مکالمات چندمرحله‌ای هم‌سازگاری مداوم‌تری نسبت به پرسش‌های تک‌مرحله‌ای تولید می‌کنند. بازرسی‌های پس از انتخابات از سوی اتاق‌های جنگی آزمایشگاه‌های هوش مصنوعی و محققان مستقل نشان خواهد داد آیا محافظه‌های چرخه ۲۰۲۶ تحمل کرده‌اند.

گام بعدی شما

• توصیه‌های کاندیدا از چت‌بات را فقط «شروع‌کننده گفتگو» بدانید، نه تصمیم‌گیرنده — همیشه با منابع رسمی ایالتی (وب‌سایت دفتر رأی‌دهی، راهنمای رأی‌دهی) مواضع و لجستیک را تایید کنید.
• اگر از چند مدل استفاده می‌کنید، پاسخ‌های آن‌ها را در مورد یک کاندیدا مقایسه کنید؛ شکاف ۱۴ تا ۷۹ درصدی نشان می‌دهد مدل مهم است.
• برای اخبار انتخاباتی، به خبررسانی‌های سنتی و فکت‌چک‌های مستقل (مثل AP Fact Check، PolitiFact) رجوع کنید، نه فقط خلاصه‌های هوش مصنوعی.