人工智能在选民获取政治和选举相关信息的过程中发挥着越来越重要的作用，这引发了新的问题：这项技术究竟会如何影响选民获取信息的方式。无论是通过聊天机器人，还是通过常规的互联网搜索，选民在本次选举周期中都在与由人工智能生成的内容进行互动——尽管他们可能并未意识到这一点。最近关于选民使用人工智能的研究迫使各竞选团队重新审视他们的数字策略，并提醒选举官员必须重视对在线信息的维护与管理。战略对话研究所（Institute for Strategic Dialogue）的公民创新总监马克斯·里德（Max Read）对《The Hill》杂志表示：“虽然人们对人工智能生成的内容仍应保持一定的怀疑态度，但事实是，人工智能生成的内容将在未来发挥越来越重要的作用。它们不仅会成为选民的主要信息来源和信息收集渠道，还会以更为隐蔽的方式影响整个信息环境。”今年，一些研究人员正在探讨选民在多大程度上会主动使用人工智能来回答与选举相关的问题，或者在社交媒体和搜索引擎上无意中接触到由人工智能生成的内容。虽然目前还难以准确判断人工智能对信息生态系统的影响程度，但许多研究者都认为，人工智能在当前选举中的作用比以往任何时候都要显著。尽管人们对人工智能及其对社会的影响仍持怀疑态度，但美国人使用聊天机器人的频率却比以往任何时候都要高：2024年时，只有三分之一的美国成年人使用聊天机器人；到了2026年，这一比例上升到了约50%。根据一家左翼营销公司Orchestra委托进行的研究，聊天机器人每天接收到的数以亿计的请求中，约有65万条与政治相关。OpenAI的ChatGPT模型和谷歌的人工智能工具是这些政治相关请求的最常见来源。

“人们越来越多地使用这些工具来获取信息，这一趋势的增长速度令人震惊；尤其是当你意识到如今人们输入谷歌搜索的内容，大部分首先都会通过谷歌的人工智能系统得到回答时，这种趋势就更加明显了。”负责这项研究的Orchestra公司首席产品官本·沃森（Ben Worthen）说道。人工智能的发展速度非常快，如今选民可使用的AI模型比2024年时先进得多——当时人们主要担心的是AI生成的深度伪造内容，以及聊天机器人提供的不准确或误导性信息。虽然这些担忧依然存在，但它们并没有阻止选民尝试使用基于AI的服务。根据Anthropic公司发布的《经济指数》（Economic Index）的分析，该指数追踪了4月和5月期间人们与Claude聊天时的实际话题，发现AI在政治领域的应用虽然“规模不大”，但仍然具有一定的影响力，在189个话题中排名第66位。在选举前的几周里，政治相关话题的使用量显著增加；特别是在5月举行初选的州，政治类话题的比例上升了约20%。Anthropic公司的技术人员安迪·霍尔（Andy Hall）与加州大学洛杉矶分校的政治学教授丹·汤普森（Dan Thompson）在上个月的一份分析报告中指出：“如果初选能够推动AI在政治领域的应用达到这样的程度，那么11月的中期选举很可能会迎来AI在政治领域应用的高峰。”选民使用AI的方式各不相同：有些人将其视为获取信息的工具，有些人则将其视为获取建议或指导的权威来源。对于科技初创公司Sotira的联合创始人兼首席执行官阿姆里塔·巴辛（Amrita Bhasin）来说，AI帮助她理解了加州选举中的各种提案内容。“这些提案的表述方式非常混乱、难以理解，”巴辛在接受《The Hill》杂志采访时说道。

“有时候，由于提案的表述方式，你真的可能会投错票。”Bhasin利用人工智能来制作表格和对比图表，她只需给出简单的提示，比如“你能用一种7岁孩子也能理解的方式来解释这项法案吗？”或者要求系统列出候选人的政策差异。虽然报纸会针对某些具体提案或候选人编写相关指南，但Bhasin认为这些指南可能存在偏见。她说：“对我来说，更重要的是人工智能能为我提供做出明智投票决策所需的信息，而不是让人工智能直接替我做出决定。”她补充道，她经常会核实模型提供的链接来源的准确性。7月，《纽约时报》报道称，全国各地的选民都在上传自己的选票照片，并向聊天机器人寻求填写选票的帮助；还有一些选民则向这些模型咨询应该投票给谁。尽管人工智能模型在2024年后有了显著改进，但研究人员仍对它们可能给出的不一致或错误的回答表示担忧。ISD本月早些时候发布的一份报告显示，近三分之一的AI聊天机器人对选举相关问题的回答不完整、不准确或过时。在对六种AI聊天机器人进行测试时，29%的回答存在错误（例如错误地标注了选举日期或提供了过时的信息）；在16%的正确回答中，聊天机器人虽然提供了正确答案，但却遗漏了对选民有用的关键信息（如投票截止日期或身份验证方式）。当使用西班牙语进行提问时，这些模型的准确率下降了16个百分点。该研究的负责人Read在接受《The Hill》采访时指出，他希望这些研究结果能强调地方选举官员和竞选团队及时更新在线信息的重要性。Read还表示，这些模型在训练过程中通常会引用政府和民间社会的资料来源，不过不同模型之间在引用资料的数量和比例上存在很大差异。

当面对虚假或具有争议性的信息时，这些模型在反驳或回应这些信息方面表现得“相当不错”，它们更多地依赖新闻媒体网站而非政府官方网站。Read表示：“地方选举官员们的意识正在逐渐提高；归根结底，关键在于维护网站内容的准确性和社交媒体的健康使用环境。”她建议：“应删除那些包含过时信息的旧页面，并确保网站上的所有内容都被翻译成机器可识别的格式。”大型选举管辖区合作组织（PLEJ）的执行主任Carolina Lopez指出：“在为这些语言模型提供数据与直接引导公众访问特定网站之间，需要保持一种微妙的平衡。”Lopez对《The Hill》杂志说：“全国有数千个选举办公室，人们确实应该从当地选举机构获取信息。如果我们作为一个社区来倡导这一点，那么相应的责任就是：相关网站必须保持更新状态。”在关于佐治亚州参议院选举（参议员Jon Ossoff（民主党）对阵众议员Mike Collins（共和党）的案例研究中，Orchestra发现Ossoff在“塑造公众观点”方面占据了上风——这主要得益于两人网站内容的差异。报告指出：“Ossoff的国会网站和竞选网站都提供了大量具体、详细的信息（如相关立法的名称、资金数额等）；而Collins的网站则缺乏针对具体议题的详细内容，信息呈现方式也不够清晰。”报告还补充说：“信息检索系统可以从Ossoff的网站上获取更多相关信息，并且更频繁地引用这些内容。”耶鲁大学政治学教授Josh Kalla在经过两年的研究后表示：“如果有人在调查中被要求通过聊天机器人接受某种观点的‘说服’，这种说服方式是有效的，人们确实可能会改变自己的看法——这属于真正的‘有意义的说服’。”

虽然这项实验是在受控的实验室环境中进行的，但它引发了人们对模型训练过程、模型可能存在的偏见，以及恶意用户试图向这些模型输入虚假数据所带来的威胁的担忧。卡拉（Kalla）表示：“即使人们知道自己正在与计算机交流，他们的思维方式仍然会因此发生变化；他们对计算机并不会持怀疑态度或轻视的态度。”