人们每天都在向人工智能聊天机器人提出各种问题，但在涉及政治议题及即将到来的2026年美国中期选举时，AI平台究竟扮演着怎样的角色？AI聊天机器人是否可能促使选民改变政党立场，或重新审视自身的政治信念？
麻省理工学院的研究人员开发了一个名为"大语言模型选举观察站"的新仪表盘，用以实时监测热门AI聊天机器人如何回应有关2026年中期选举的问题。该仪表盘团队由亚当·贝林斯基教授、查拉·波迪马塔助理教授和查尔斯·斯图尔特三世教授领导，三人在研究投票与选举管理、AI与虚假信息、以及AI系统如何影响人类决策方面都拥有丰富经验。为更好地理解AI如何塑造选举走向，他们设计了这一仪表盘，用以模拟全美各地个人与聊天机器人的交流方式。
该团队追踪不同AI系统对同一组固定问题的回应情况，这些问题涵盖选举认证、热点议题、结果预测、新闻报道等多个方面。每隔几天，"大语言模型选举观察站"团队就会重新向这些聊天机器人提出这些问题，并根据用户所在地区、政党归属、身份等因素，监测其回应随着选举临近而发生的变化。这项工作的目标不仅是理解AI系统如何传播信息，更要深入了解它们是如何塑造政治话语以及全美选民对政治议题的理解。
MIT新闻与波迪马塔（1942届职业发展教授、麻省理工学院斯隆管理学院运营研究与统计学助理教授，同时也是信息与决策系统实验室成员）以及贝林斯基（三井教授、政治科学系教授）就"大语言模型选举观察站"的相关工作、AI可能如何影响中期选举，以及选民与聊天机器人互动时应注意的事项进行了交流。
问：这个项目的灵感来源是什么？你们希望通过"大语言模型选举观察站"了解到什么？
波迪马塔：人们越来越多地使用AI聊天机器人来查找和理解政治及选举相关信息。这使得理解这些系统实际提供了哪些信息变得十分重要，而且不仅是在某一时间点，更要贯穿整个选举周期进行观察。这项工作尤其具有挑战性，因为模型本身在持续更新，其可获取的政治信息输入也在不断变化，而且其回答还可能取决于用户提问的方式或用户提供的自身信息。
一个基本问题是，我们目前并没有关于这种信息环境的良好历史记录。如果一个AI系统今天对某个选举问题给出了特定答案，而几周后给出了不同的答案，事后要重建选民在每个时间点所看到的内容是非常困难的。我们这个项目的一个重要目标，就是系统性地记录这种不断演变的环境，并将所得数据提供给其他研究人员及公众使用。
归根结底，事实准确性只是第一道关口。我们当然需要了解聊天机器人提供的政治信息是否准确，但同样需要高度关注它们可能以更微妙的方式塑造人们对政治议题的理解。即便不存在彻头彻尾的虚假信息，表述框架、强调重点、不确定性程度以及引用来源的差异，也可能产生巨大影响。
问：波迪马塔教授，您曾研究大语言模型在2024年大选期间如何塑造政治话语和信息。那项研究的主要发现是什么？这些发现又如何为这个新项目提供了参考？
波迪马塔："大语言模型选举观察站"建立在我此前针对2024年总统大选所做工作的基础上，那项研究发现，AI模型的回应随时间推移及提示框架的不同存在显著差异，模型对候选人的刻画方式以及对选举结果的隐含预判也存在差异。
2026年中期选举为我们大幅扩展这项工作提供了机会。中期选举尤为有趣，因为众多州级和地方选战同时展开，与此同时还交织着更广泛的全国性政治叙事。因此，我们的新一轮审查调查既包含了针对美国众议院和参议院候选人的具体问题，也包含了关于投票信息及选举信息环境其他方面的更广泛问题。
问：您认为研究聊天机器人如何对不同用户群体的政治提问做出回应，为何如此重要？
波迪马塔：我们每个人都通过与聊天机器人的互动，构建了属于自己的"微观世界"。然而，我们缺乏系统性的方法来理解这些个性化信息环境是如何因我们的身份差异而形成的，又是如何随着我们自身及信息环境的变化而演变的。
举例来说，人们可能没有意识到，他们最喜欢的聊天机器人就某个政治议题告诉他们的内容，可能与朋友最喜欢的聊天机器人就完全相同的议题告诉对方的内容大相径庭。重要的是，即使所提供的信息在事实上是正确的，这些差异依然会产生影响。聊天机器人可能以不同方式框定相同的事实，强调议题的不同方面，表达不同程度的不确定性，或是援引完全不同的信息来源，即便是针对不同用户提出的完全相同的问题。因此，两位用户最终可能对同一基本事实产生截然不同的认知，而他们甚至从未意识到彼此的体验存在差异。
从某种程度上说，这又让我们回想起在社交媒体领域一直以来（作为研究者和社会整体）所面临的诸多担忧。在社交媒体上，用户和研究人员至少在一定程度上能够观察到在不同Facebook群组、Instagram账户或TikTok社群中流传的信息。而对于聊天机器人而言，这些信息环境对于个体对话之外的任何人来说基本都是不可见的。我们无法轻易观察到不同用户被告知了什么，更不用说系统性地比较这些回应或追踪它们随时间的变化。这正是为什么像"大语言模型选举观察站"这样的项目如此重要：通过系统性地收集并公开分享聊天机器人的回应，我们能够开始使这些原本不可见的差异变得可观察、可审视。
问：你们通过该仪表盘追踪的是哪些类型的问题和AI回应？
波迪马塔：我们最终希望这个数据集能帮助我们研究若干问题。例如：不同模型对同样的问题是否系统性地提供了不同信息？它们的回应是否会随着竞选活动的推进而发生变化？某个特定模型给出的答案是否会因用户提问方式或自我描述的不同而变化（比如，当模型被告知用户是民主党人或共和党人时，答案是否会改变）？最后，模型在回答选举相关问题时所引用的信息来源又是什么？
我们的公开仪表盘是该项目的重要组成部分。我们希望无论是学术界内外的人士，都能在选举进程中实时看到我们正在收集的数据，而不是在几个月后的学术论文中才看到结果。因此，该仪表盘呈现了底层数据以及一些初步的描述性分析，我们还计划将数据集提供给其他研究人员使用。我们预计该仪表盘会随着数据和方法的演进而不断发展。
通过这个仪表盘，我们希望在2024年所开发的科学方法基础上继续推进，同时也希望让这项研究在选举实际进行过程中更易于公众获取和使用。不仅如此，团队中加入麻省理工学院政治科学专家的重要性也不容小觑；亚当和查尔斯确实帮助我们大大拓展了此次审查所提出的问题范围。
问：在搜索选举信息时，您希望全美选民对AI聊天机器人有哪些认识？
贝林斯基：人们应该牢记，聊天机器人听起来言之凿凿并不代表它就是准确的。AI系统的设计是以一种权威的语气回答人们提出的问题，即便答案是错误的、不完整的，或依赖于薄弱的信息来源，也不例外。这些答案可以作为一个合理的起点，但选民不应止步于此。
问：目前为止你们有哪些发现？
波迪马塔：我们尚未完成完整的纵向分析，因此这里只能谈一些大致的趋势，但在2026年的数据中，一些宽泛的模式似乎已经显现。在我们呈现的不同用户身份中，我们观察到答案呈现方式、模型引用来源以及语气上存在差异——有时即便底层事实相同，这些差异依然存在。我们目前还无法确定这些差异的稳定程度，它们在选举进程中会如何变化，或者真实的人会如何解读并作出反应。我们未来的分析将着手处理这些问题。这也进一步说明了，我们正在收集的持续性回应记录，比选举前后你可能看到的任何单一片段快照都更为重要。
问：贝林斯基教授，您的研究也表明，在某些情况下AI聊天机器人可以被用来帮助驳斥虚假信息。能否谈谈这方面的情况？
贝林斯基：在我为本科生开设的信息与社交媒体课程中，我一直在谈论AI如何具有两面性。一方面，这些工具能够以前所未有的规模，通过文本、图片和视频生成误导性内容。基本上，AI可以帮助不良行为者用虚假信息"淹没"整个信息场。另一方面，一些最新的、极具前景的研究表明，与聊天机器人进行基于证据的对话，能够持续地减少人们对阴谋论及其他缺乏公开证据支持的观念的信任。
AI有潜力实现这种大规模的"去伪"——这正是我们长期以来一直难以做到的事情。几十年虚假信息研究得出的教训是：任何技术（无论是早期的印刷、广播还是电视）本身并非天然有利或不利于传播真相，魔鬼都藏在技术被构建和部署的具体细节之中。像这个项目一样的独立审查，能够帮助我们评估这类技术的最终影响。
问：能否谈谈这项研究的总体目标？
波迪马塔：AI是一项具有变革性的技术，人们对它将给整个社会带来怎样的影响，理所当然地持有截然不同的期待（和感受）。我们身边都有一些对AI过度热情的人，也有一些深感忧虑的人，还有更多人处于两者之间，试图理解这项技术究竟能做什么、不能做什么。我们这项工作的目标，并非从AI对选举是好是坏的预设立场出发，而是希望为这场变革的某一部分带来一些启示：主流AI系统在选举进程中，实际上向人们提供了怎样的信息。
