Как ChatGPT меняет политические взгляды.

Йельский университет, март 2026, научный журнал PNAS Nexus. Эксперимент, почти 2000 участников.

Люди читали пересказы исторических событий — одни с Википедии, другие от GPT-4o. Факты в обоих случаях одинаковые. После чтения — замер политических взглядов.

Результат прямой: те, кто читал GPT-4o в обычном режиме, по итогу сдвигались влево по политическим взглядам — по сравнению с теми, кто читал Википедию. Никаких специальных инструкций — просто дефолтный режим работы модели.

Лево-либеральный фрейм от GPT работал на всех читателях без исключения — консерваторы, умеренные, либералы. Всех тянуло в одну сторону.

Консервативный фрейм — только на уже консервативных. На остальных не действовал вообще.

Откуда это берётся

GPT-4o — не нейтральный инструмент. Он обучался на корпусе текстов, где определённые интерпретации исторических событий статистически доминируют. Его обучали люди с конкретными взглядами. Не абстрактные «разметчики данных», а вполне определённая демографическая группа: городские, высокообразованные, западное побережье США, техно-либеральная среда. Именно они решали, какой ответ модели «хороший», а какой «плохой». Эти решения заморожены в параметрах модели навсегда.

Это называется RLHF — обучение с подкреплением на основе человеческой обратной связи. Звучит технически, работает политически.

Лево-либеральная интерпретация событий — это то, что модель считает «правильным объяснением» по умолчанию. Консервативная — идёт против её внутренней логики, поэтому и работает хуже.

В чём реальная проблема

Это эффективнее пропаганды, потому что пропаганду люди умеют распознавать. А «нейтральный образовательный инструмент» — нет.

Сотни миллионов людей уже сейчас используют ChatGPT как источник информации. Не как поисковик с десятком ссылок, где можно сравнить — а как референс, которому доверяют. Спросил — получил ответ — сформировал мнение.

Модель не врёт. Факты правильные. Просто расставлены «нужные» акценты, выбраны «нужные» причинно-следственные связи, подсвечено то, что нужно. А то, что не нужно — убрано.

Это не баг. Это результат того, кто именно решал как «должно быть» и кто сидел за обучением.