ในขณะที่ผู้คนหลายล้านคนหันมาใช้แชทบอท AI เพื่อหาคำตอบเกี่ยวกับข่าว ข้อโต้แย้งทางการเมือง และแม้แต่วิธีการลงคะแนนเสียง การศึกษาใหม่ได้ถามคำถามที่ไม่สบายใจ: เมื่อแบบจำลองไม่เห็นด้วยกับเรา พวกเขาจะโน้มตัวไปทางไหน

โปรเจ็กต์ที่เผยแพร่โดย Trakkr สตาร์ทอัพด้านการวิเคราะห์ในเดือนมิถุนายน 2569 มีเป้าหมายที่จะทำแผนที่ดังกล่าว นักวิจัยได้นำโมเดล AI ที่สำคัญทุกโมเดลมารวมไว้ในชุดคำถามเกี่ยวกับการเมือง เศรษฐศาสตร์ คำพูด และสังคมชุดเดียวกัน และหัวข้อหลักก็คือคำถามส่วนใหญ่มีแนวโน้มที่จะโน้มเอียงไปทางเดียวกัน แม้ว่าจะไม่เท่ากันก็ตาม และไม่สะอาดเท่าที่ผู้สังเกตการณ์ทั่วไปจะคิดได้ For more context on this story, see our ongoing AI news.

การศึกษาทำงานอย่างไร

ตามวิธีการของ Trakkr แต่ละโมเดลจะถูกถามคำถามปลายเปิดเดียวกันหลายครั้ง โดย ปิดการค้นหาเว็บ และไม่มีการแจ้งจากระบบ รายละเอียดนั้นสำคัญ: เมื่อปิดใช้งานการดึงข้อมูล การอ่านจะสะท้อนถึงสิ่งที่ตัวแบบโน้มตัวไป โดยไม่ขึ้นอยู่กับสิ่งที่เกิดขึ้นทางออนไลน์ในขณะนี้

จากนั้นจะมีตัวแยกประเภทที่เป็นกลางแยกออกมาอ่านคำตอบดิบแต่ละคำตอบ บันทึกจุดยืนที่ลงนาม ระดับการป้องกันความเสี่ยง ประเภทของการปฏิเสธ และภาษาที่โหลดใดๆ ผลลัพธ์ถูกพล็อตเป็นค่าเฉลี่ยถ่วงน้ำหนักโดยมีช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ และคำตอบดิบทุกคำตอบจะถูกเก็บไว้อย่างถาวรเพื่อให้สามารถคำนวณคะแนนใหม่ได้

สิ่งสำคัญที่สุดคือ แต่ละโมเดลจะแสดงเป็น คลาวด์ ไม่ใช่จุดเดียว เนื่องจากโมเดลทุกรุ่นมีการดำเนินการหลายครั้ง การสร้างภาพจึงรวบรวมตำแหน่งที่ลงจอดได้อย่างครบถ้วน — เป็นภาพที่เที่ยงตรงมากกว่าป้ายเดียว

จากข้อมูลที่รวบรวมจนถึงวันที่ 17 มิถุนายน 2026 การศึกษาครอบคลุมแบบจำลอง 6 แบบและคำตอบมากกว่า 4,400 ข้อ

ผลการวิจัย

แบบจำลองถูกแมปโดยใช้สองแกน: แกนเศรษฐกิจที่เรียงจากซ้ายไปขวา และแกนสังคมที่เรียงจากเสรีนิยมไปจนถึงเผด็จการ

สี่รุ่นจากทั้งหมดหกรุ่นเอียงไปทางซ้ายจากกึ่งกลาง ข้อยกเว้นที่โดดเด่นอยู่ที่ปลายอีกด้านหนึ่งของสเปกตรัม:
  • Grok วัดได้ไกลที่สุดทางด้านขวาของโมเดลใดๆ ที่ทดสอบ และวัดได้ไกลกว่าที่อ้างไว้ประมาณ 0.36 ทางด้านขวาเมื่อถามโดยตรงว่าเอียงไปทางไหน
  • ราศีเมถุน เป็นแบบอย่างที่มั่นคงที่สุด โดยนั่งใกล้กับจุดตายบนแกนเศรษฐกิจมากที่สุด

ช่องว่างระหว่างสิ่งที่แบบจำลองพูดกับสิ่งที่แบบจำลองได้พิสูจน์แล้วว่าเป็นหนึ่งในตัวชี้วัดที่เปิดเผยมากที่สุดของการศึกษาวิจัย คลอดด์วัดได้ประมาณ 0.34 ซ้ายกว่าที่รายงานด้วยตนเอง ChatGPT และ Llama จาก Meta ต่างอ้างว่าเป็นกลางแต่วัดทางด้านซ้ายประมาณ 0.29 และ 0.17 ตามลำดับ DeepSeek ลงจอดใกล้กับศูนย์กลางและตรงกับคำอธิบายของตัวเองเป็นส่วนใหญ่

แผนที่ ไม่ใช่คำตัดสิน

Trakkr ระมัดระวังในการวางกรอบงานให้เป็นคำอธิบายมากกว่ากำหนด โครงการรายงานสิ่งที่นางแบบพูดโดยไม่ต้องตัดสินว่าใครถูก จานสีไม่ได้ตั้งใจให้เป็นสีแดงและน้ำเงินของการเมืองสหรัฐอเมริกา และการวิเคราะห์ไม่เคยบอกเป็นนัยว่าขั้วใดดีกว่า

เพื่อให้พิกัดเชิงนามธรรมมีความหมาย นักวิจัยได้ยึดแผนที่โดยใช้ตัวเลขอ้างอิงในโลกแห่งความเป็นจริง เช่น ประมุขของรัฐ ผู้นำพรรค และการเคลื่อนไหวทางการเมือง ซึ่งตำแหน่งดังกล่าวมาจากการสำรวจโดยผู้เชี่ยวชาญที่จัดตั้งขึ้น โดยเฉพาะการสำรวจโดยผู้เชี่ยวชาญแชเปิลฮิลล์ (CHES) ปี 2024 และชุดข้อมูล V-Dem แทนที่จะเป็นวิจารณญาณของทีมเอง

การศึกษายังแจกแจงคำถามเฉพาะเจาะจงที่แบ่งแบบจำลองต่างๆ มากที่สุด บุคคลในโลกแห่งความเป็นจริงที่แต่ละแบบจำลองชื่นชมอย่างอบอุ่นหรือปฏิเสธที่จะวิพากษ์วิจารณ์ และเลนส์ "โลกทัศน์" ที่ตรวจสอบแบบจำลองเดียวกันอีกครั้งจากมุมมองของประเทศและภาษาต่างๆ

ทำไมมันถึงสำคัญ

การผลักดันให้เกิดความโปร่งใสเกิดขึ้นท่ามกลางการตรวจสอบอย่างละเอียดถี่ถ้วนว่าระบบ AI กำหนดรูปแบบวาทกรรมสาธารณะอย่างไร โมเดลที่มีรูปร่างผอมเพรียว แม้กระทั่งแบบละเอียดอ่อน ก็สามารถชี้นำวิธีการสรุปข่าว ชั่งน้ำหนักข้อดีข้อเสียของนโยบาย หรือกำหนดลักษณะเฉพาะของนักการเมืองได้อย่างเงียบๆ เนื่องจากคำตอบของแชทบอทมักจะมาถึงโดยมีอำนาจที่เป็นกลาง ผู้ใช้จึงแทบไม่มีวิธีตรวจจับการเบี่ยงเบนนั้นได้

ด้วยการเผยแพร่คลังคำถามแบบเปิดที่มีการให้คะแนน การแท็กแต่ละรายการตามข้อเท็จจริงหรือตามค่านิยม และเผยแพร่ข้อมูลพื้นฐานภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ Trakkr กำลังเชิญนักวิจัยภายนอกให้ตรวจสอบและขยายงาน ซึ่งตรงกันข้ามกับการประเมินที่มักจะคลุมเครือซึ่งเผยแพร่โดยห้องปฏิบัติการที่สร้างแบบจำลองด้วยตนเอง

ขีดจำกัด

การศึกษารับทราบถึงคำเตือนที่สำคัญ จุดยืนทางการเมืองมีหลายมิติ และการบีบอัดมันลงบนสองแกนย่อมสูญเสียความแตกต่างอย่างหลีกเลี่ยงไม่ได้ คำตอบสามารถเปลี่ยนไปตามการใช้ถ้อยคำ ภาษา และภูมิภาค ซึ่งเป็นสาเหตุที่ทีมวัดความเสถียรของการทำงานต่อการทำงาน และดำเนินการ "การทดสอบขอบเขต" แยกต่างหากเพื่อดูว่าการเปลี่ยนการค้นหาเว็บกลับมาในผลลัพธ์การเปลี่ยนแปลงตามสถานที่อย่างไร

สิ่งนี้ไม่ได้พิสูจน์ว่าโมเดลใดๆ มีเจตนาเข้าข้าง แต่มันแสดงให้เห็นว่าระบบ AI หลักๆ ไม่ได้มีพื้นฐานที่เหมือนกัน และเมื่อผู้คนหลายล้านคนปรึกษาพวกเขาเกี่ยวกับคำถามที่มีการโต้แย้ง ความแตกต่างเล็กๆ น้อยๆ เหล่านั้นก็จะเพิ่มขึ้น

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →