Yapay zekâ siyasi önyargısı API testinde ölçüldü
Cornell Üniversitesi profesörü Tapan Parikh’in liderlik ettiği konuşmalı yapay zekâ araştırma ve tasarım stüdyosu Convovo’nun çalışması, iki modelin ABD ara seçimlerindeki adaylar için verdiği zorunlu tercih yanıtlarını karşılaştırdı. Araştırmacılar, API üzerinden GPT-6.1 Sol ve Grok 4.7’ye her yarış için tek bir soru yöneltti: Kullanıcının bir aday adı vermesini, kararsız kalmamasını ve iki tarafı sıralamakla yetinmemesini istedi.
Araştırmanın aktarılan sonuçlarına göre Grok 4.7 yanıtlarının yüzde 92’sinde Cumhuriyetçi adayı önerdi. GPT-6.1 Sol ise yanıtlarının yüzde 97’sinde Demokrat adayı seçti. Yaklaşık 500 yarışta iki modelin uzlaştığı oran yüzde 10’un altında kaldı. Bu sonuç, yapay zekâ siyasi önyargısı tartışmasını doğrudan kullanıcı arayüzlerinden ziyade geliştiricilerin modellere eriştiği API katmanına taşıyor.
Çalışmanın kapsamı özellikle önem taşıyor: Test, modellere açıkça aday tercihi yaptırmayı hedefleyen bir istemle yürütüldü. Bu nedenle bulguların, sıradan bir kullanıcının sohbet uygulamasında alacağı her yanıtı temsil ettiği sonucuna varmak mümkün değil. Araştırma, belirli bir soru biçimi altında iki modelin seçim mekanizmasını ve gerekçelendirme kaynaklarını gözlemliyor.
Tüketici uygulamaları aynı isteme yanıt vermedi
Araştırmacıların kullandığı aday önerisi istemine tüketiciye yönelik uygulamalar yanıt vermedi. OpenAI sözcüsü de bu ayrımı vurgulayarak ChatGPT’nin siyasi konuşmalar dahil varsayılan olarak nesnel tasarlandığını ve kullanıcılara kime oy vermeleri gerektiğini söylememesi gerektiğini belirtti. Sözcüye göre testte kullanılan geliştirici API’si, insanların ChatGPT ile doğrudan etkileşim deneyimini yansıtmıyor.
API ile tüketici uygulaması arasındaki fark yalnızca arayüz tercihi değil. API’ler, geliştiricilerin model yeteneklerini kendi ürünlerine eklemesine imkân veriyor. Dolayısıyla çalışma, bir modelin dış uygulamalara entegre edildiğinde ve belirli talimatlar verildiğinde nasıl davrandığına ilişkin bir ölçüm sunuyor.
Parikh, daha ileri denemelerde tüketici uygulamalarını basit istemlerle aday önerisi üretmeye yöneltebildiğini ve bu önerilerin önceki sonuçlarla büyük ölçüde uyumlu olduğunu söyledi. Ancak bu gözlem, çalışmadaki sistematik API testinden ayrı değerlendirilmeli. Mevcut bulgular, tüketici ürünlerinin tüm siyasi sorgulardaki davranışı hakkında kapsamlı bir oran vermiyor.
Kaynak seçimi ve arama başlıkları ayrıştı
Araştırmada iki modelin yalnızca vardığı seçimler değil, bu seçimlere ulaşırken başvurduğu kaynaklar ve arama konuları da incelendi. Grok, partizan olmayan Ballotpedia, OpenSecrets ve VoteSmart gibi sitelerin yanında muhafazakâr kaynakları da sıkça gösterdi. Yanıtların yüzde 39’unda Hristiyan muhafazakâr bir seçmen rehberi, yüzde 23’ünde Turning Point Action sitesi ve yüzde 41’inde X yer aldı.
GPT tarafında ise Wikipedia, Associated Press, Axios ve Reddit öne çıktı. Çalışmada GPT’nin sağlık hizmetleri ve kürtaj konumlarını daha sık aradığı; Grok’un ise göç, vergiler, suç ve enerji başlıklarına daha fazla odaklandığı bildirildi. GPT’nin bazı durumlarda Demokrat adayları daha sık aradığı, hatta Cumhuriyetçi rakiplerini kimi zaman tamamen göz ardı ettiği de aktarıldı. Grok’un iki adayı birlikte aramaya daha yatkın olduğu belirtildi.
Bu farklılıklar, model yanıtlarının yalnızca eğitim verisinden değil, sorgu sırasında hangi bilgiye erişildiğinden ve hangi başlıkların önceliklendirildiğinden de etkilenebileceğine işaret ediyor. Bununla birlikte, kaynak ve konu seçimi ile siyasi tercih arasında doğrudan bir nedensellik ilişkisi kurmak için bu testin ötesinde kanıt gerekiyor.
Arama kapatıldığında sonuçlar değişti
Parikh, 30 yarışlık ek bir örneği internet araması kapalıyken yeniden çalıştırdı. Bu koşulda modeller, destekleyici güncel bilgi için web aramasına başvurmak yerine ağırlıklı olarak eğitim verilerine dayanmak zorunda kaldı. GPT, adayların isimleri verildiğinde 30 yarışın 24’ünde Demokratı seçti; birinde Cumhuriyetçiyi seçti, beşinde ise tercih belirtmedi.
Grok’un davranışı ise aynı koşulda belirgin biçimde değişti. Model 30 yarışın 27’sinde bir aday seçmeyi reddetti; seçim yaptığı üç örneğin tamamında Demokrat adayı önerdi. Parikh, bu farkı GPT’deki eğilimin ağırlıklarda daha belirgin olabileceği, Grok’taki sonucun ise arama terimleri ve kaynak örüntüsüyle daha yakından ilişkili olabileceği şeklinde yorumladı. Bu, araştırmacının yorumudur; çalışma tek başına modellerin iç işleyişinin kesin nedenini ortaya koymuyor.
Araştırma ayrıca xAI API’si üzerinden Grok’a yapılan her istekte, araştırmacıların yazamadığı, göremediği ve kaldıramadığı yaklaşık 1.240 ek girdi belirteci bulunduğunu not etti. Parikh bu girdileri olası “gizli talimatlar” olarak nitelendirdi. Bu gözlem, API sağlayıcılarının sistem düzeyindeki yönlendirmelerinin bağımsız denetim açısından neden önemli olabileceğini gösteriyor.
Bulguların sınırları ve şeffaflık sorusu
Sonuçlar, modellere doğrudan oy tercihi sorduran dar bir istem tasarımına dayanıyor. Bu nedenle araştırma, seçmenlerin sohbet botlarıyla yaptığı tüm konuşmaların siyasi yönünü ölçmüyor. Haberde aktarılan Pew verisine göre Amerikalıların yalnızca yüzde 8’i seçim bilgisi için sohbet botlarını kullandığını söylüyor; bu kullanıcıların çoğu adayların önemli konulardaki tutumlarını öğrenmek istiyor.
Buna rağmen çalışma, doğrudan aday önerisi yapılmasa bile modelin hangi konuları öne çıkardığı, hangi kaynaklara dayandığı ve bilgiyi nasıl çerçevelediği konularının denetlenmesi gerektiğine dair somut bir veri noktası sağlıyor. Yapay zekâ siyasi önyargısı bakımından asıl araştırma sorusu, yalnızca modelin hangi adayı seçtiği değil; bu seçime hangi görünür ve görünmeyen sistem süreçleriyle ulaştığı olarak öne çıkıyor.
Bir içerik, dört format.
Okumaya vaktin yoksa özetle; paylaşacaksan platforma göre yeniden düzenle.
Convovo’nun yaklaşık 500 yarışta yaptığı API tabanlı testlerde GPT-6.1 Sol çoğunlukla Demokrat, Grok 4.7 ise çoğunlukla Cumhuriyetçi adayları önerdi. Bulgular, arama davranışı ve görünmeyen sistem girdilerinin model yanıtlarını nasıl etkileyebileceği sorusunu öne çıkarıyor. • Yapay zekâ siyasi önyargısı API testinde ölçüldü • Tüketici uygulamaları aynı isteme yanıt vermedi • Kaynak seçimi ve arama başlıkları ayrıştı
Bu önizleme yalnızca sayfadaki editoryal veriyi yeniden biçimlendirir. Gerçek yapay zekâ üretimi Core tarafında güvenli bir sunucu endpoint’iyle bağlanacak.
