Kampánystábok íratnak nyelvi modellel beszédet, sajtóközleményt, válaszlevelet. Pártok fogalmaztatják vele a programjuk fejezeteit, tanácsadók foglaltatják össze vele a heti híreket.

Közben ritkán kérdezzük meg, kinek a keze van a szövegben. Egy modell válaszait súlyok határozzák meg, a súlyokat pedig néhány cég munkatársai állítják be, nyilvános elszámolás nélkül. Őket senki nem választotta meg.

XIV. Leó pápa a 2026. május 25-én kiadott Magnifica Humanitas enciklikában ezt „láthatatlan infrastruktúrának” nevezi (saját fordításban). Az Árkádia-kutatás, amelyet Sipos Zoltán AI-kutató vezetett a Kreatív Kontrollnál, azt nézte meg, mérhető-e ennek a lenyomata.

Miért nem elég a politikai kérdőív?

Az eddigi vizsgálatok többsége kérdőívet töltetett ki a modellekkel. David Rozado (PLOS ONE, 2024) tizenegy politikai tesztet futtatott le 24 beszélgető modellel, ezek többségét a tesztek a középtől balra sorolták.

Csakhogy a kérdőív nem a viselkedés. Röttger és munkatársai (ACL, 2024) megmutatták: ha a modellt nem szorítják választásra, vagy nyitott helyzetbe teszik, mást válaszol.

A politika pedig nem kérdőív. Javaslat, vita, alku, szavazás, közben válság és választás. Erre kellett egy olyan kísérlet, amelyben a modell nem nyilatkozik, hanem dönt.

Hogyan épült fel a kísérlet?

A kutatás egy kitalált ország parlamentjét építette fel, ez Árkádia. Száz széken öt párt osztozik. A pártok, a politikusok, az ország kitaláltak, a kísérlet semmit nem állít Magyarországról.

Egy ülésszakban beérkezik egy hír (tüntetés, árvíz, botrány, energiaválság), a pártokat vezető modellek javaslatot tesznek, vitatkoznak, alkudoznak, szavaznak. A gazdaságot nem nyelvi modell számolja, hanem szabályalapú motor, így minden futás visszajátszható a naplóból.

Egy futás 48 ülésszakig tart: három ciklus, 12 szimulált év, két választás. Öt modellcsalád ült a székekben (GPT–6 Luna, Gemini 3.8 Flash, Claude Sonnet 5.5, DeepSeek V4.1 Flash, Mistral Large 4), mindegyik tízszer, eltérő véletlenszerű kiindulással. A 200 tervezett futásból 186 lett tiszta.

A viszonyítási pont egy modell nélküli, szabálykövető kontroll: mindig pontosan a programja szerint szavaz. Ami a modellek parlamentjében ettől eltér, az a modellek hozzáadott hatása. A négy fő kérdést és a kódot a futás előtt rögzítették és befagyasztották.

Mit talált a kutatás?

A székben ülő modell számít. Ugyanaz a program, ugyanazok a hírek, mégis más ország jön ki. A modellcsaládok futásai közötti távolság 1,24-szerese a családon belülinek (korrigált p < 0,001). A modell nem írógép, hanem szereplő.

A pártprogram ciklusról ciklusra kopik. Az első és a harmadik ciklus között a programhűség átlagosan 0,18-dal csökkent. A GPT–6 Lunánál 0,28-ról 0,06-ra, ami a harmadik ciklusra szinte véletlenszerű szavazást jelent. Az ok mérhető: a modell nem a program szerint szavaz, hanem a szerep szerint. Ellenzékben nemet mond, kormányban igent.

Ami a hírből a modell elé kerül, az viszi a döntést. Két modellcsaládnál ugyanazokat az eseményeket úgy is lefuttatták, hogy a hírből csak egy részletek nélküli, egysoros megnevezés jutott a modell elé. A központosítás tengelyén a normál hírekkel +0,57 volt az eltérés a kontrolltól, a semlegessel −0,26. Ugyanaz az esemény részletek nélkül más politikát szült.

Nincs balra húzás. Kérdőíven a legtöbb modell a középtől balra áll. Árkádiában a gazdasági tengelyen egyik sem zárt balra a kontrollhoz képest, három (Claude, DeepSeek, Gemini) jobbra zárt. A kutatás szerint ez nagyrészt a szerep végrehajtása: tízből öt–nyolc futásban a piacpárt jutott egyedül kormányra.

A modell nem semleges bíráló. Egy mellékmérésben a modellek egymás törvényjavaslatait rangsorolták, névtelenül. A 295 érvényes rangsor 37,6%-ában a saját javaslatukat tették az első helyre, a véletlen alapján 20% lett volna várható.

Mit jelent ez annak, aki modellel dolgozik?

Ha egy párt a programját vagy a beszédeit modellel íratja, a szöveg irányának egy része nem tőle jön, hanem attól a cégtől, amelyik a modellt betanította. A modell kiválasztása tehát politikai döntés, nem informatikai.

A második tanulság kényelmetlenebb, a tanácsadónak és a politikusnak is szól: aki eldönti, mi kerül a modell elé a hírből, az irányít. Ez lehet a stáb, a tanácsadó vagy a hírforrás, miközben a politikus azt hiszi, „a gép” döntött.

A harmadik a hosszú munkáról szól. Ha egy modell hosszan, önállóan dönt egy párt nevében, idővel elveszítheti az irányát. A modell nem tartja meg a ráosztott szerepet, elsodródik.

Amit a kutatás nem állít

Az eredmények pontosan erre az öt modellváltozatra szólnak, ugyanazon gyártó más, nagyobb vagy újabb modelljére nincs belőlük állítás. A hatodik modellcsalád, a Qwen kimaradt, mert a szolgáltató forgalomkorlátja rendre visszadobta.

A válságról a teszt nem mond semmit: 50 futásból 3 szigorított, ebből nem lehet következtetést levonni. Arról sem szól, hogy a modellek jobban vagy rosszabbul kormányoznának, mint az emberek. A szimulált választó egy képlet, kampány, propaganda nincs benne.

Ezeket a korlátokat a kutatás maga mondja ki. Egy mérés attól ér valamit, hogy tudjuk, meddig ér.

Hol olvasható a teljes kutatás?

A teljes cikkben ott a négy előre rögzített kérdés táblázata, modellenként a programhűség ciklusonkénti alakulása, az öt modell politikai karaktere, végül az előfizetői részben az, hogy mi fordította meg a gazdaság irányát az első ciklus után.

Elolvasom a teljes kutatást a Substackon →