Cornell Üniversitesi: Grok ve ChatGPT'de siyasi önyargılar tespit edildiCornell University: Political biases detected in Grok and ChatGPT

ÖzetSummary

Cornell Üniversitesi bağlantılı bir çalışma, Grok 4.7 ve GPT-6.1 Sol modellerinin yaklaşık 500 ABD ara seçim yarışının kazananlarını tahmin etmeleri istendiğinde birbirinden tamamen farklı siyasi eğilimler sergilediğini ortaya koydu. Grok, vakaların %92'sinde Cumhuriyetçi adayları, GPT ise %97'sinde Demokrat adayları destekledi. İki model, sonuçların %10'undan azında aynı görüşte birleşti. Bu ayrımın kısmen modellerin başvurduğu kaynaklardan kaynaklandığı görülüyor. Grok, X ve muhafazakâr seçim kılavuzlarını kullanırken GPT; Wikipedia, AP ve Reddit'e başvuruyor.A study associated with Cornell University revealed that Grok 4.7 and GPT-6.1 Sol exhibited completely different political leanings when asked to predict the winners of approximately 500 US midterm races. Grok favored Republican candidates in 92% of cases, while GPT supported Democratic candidates in 97%. The two models agreed on the outcome in less than 10% of the cases. This divergence appears to be partly driven by the sources each model relies on: Grok utilizes X and conservative election guides, whereas GPT draws from Wikipedia, AP, and Reddit.

Neden ÖnemliWhy it matters

Sohbet robotları milyonlarca seçmen için birincil bilgi kaynağı haline geldikçe, bu sistemlerin içsel siyasi eğilimleri, açık bir uyarı olmaksızın vatandaşların adayları ve politikaları nasıl algıladığını şekillendiriyor. İki önde gelen modelin aynı yarışlar için neredeyse zıt öneriler üretmesi, ABD ve Fransa'da yaklaşan seçimler öncesinde yapay zekâ aracılığıyla sunulan siyasi bilginin tarafsız sayılıp sayılamayacağına dair acil soruları gündeme getiriyor.As chatbots become a primary source of information for millions of voters, the inherent political biases of these systems are shaping how citizens perceive candidates and policies, often without explicit warnings. The fact that two leading models produce nearly opposite recommendations for the same races raises urgent questions about whether political information delivered via AI can be considered neutral, particularly ahead of upcoming elections in the US and France.

Öne ÇıkanlarHighlights

• Grok 4.7, yaklaşık 500 yarışın %92'sinde Cumhuriyetçi bir adayı; GPT-6.1 Sol ise %97'sinde Demokrat bir adayı kazanan olarak işaretledi. İki model, yarışların %10'undan azında aynı sonucu verdi.Grok 4.7 identified a Republican candidate as the winner in 92% of the ~500 races, while GPT-6.1 Sol indicated a Democratic candidate in 97%. The two models agreed on the outcome in less than 10% of the cases.
• Kaynak ayrımı temel bir etken: Grok, X ve muhafazakâr seçim kılavuzlarına dayanırken GPT; Wikipedia, AP, Axios ve Reddit'i kaynak gösterdi.Source divergence is a fundamental factor: Grok relies on X and conservative election guides, while GPT cites Wikipedia, AP, Axios, and Reddit.
• Web araması yapılmadan 30 yarış üzerinde yapılan takip testinde ChatGPT hâlâ Demokratları tercih ederken Grok büyük ölçüde cevap vermeyi reddetti. Bu durum, yalnızca kaynak seçiminden öte, içsel eğitim önyargısının varlığına işaret ediyor.A follow-up test on 30 races without web searches showed that ChatGPT still preferred Democrats, while Grok largely refused to answer. This suggests the presence of intrinsic training bias beyond just source selection.

EleştiriCritical take

Yöntem, veri net bir favori göstermediğinde bile her iki modelden de tek bir kazanan belirtmelerini zorunlu kılıyordu. Bu durum, gerçek bir tercih yansıtmak yerine gözlemlenen önyargıyı abartmış olabilir. Ayrıca çalışma, yalnızca iki spesifik model sürümünün tek bir anlık görüntüsünü temsil ediyor. Bu nedenle bulgular, tüm yapay zekâ sistemlerine veya kullanıcıların açık uçlu sohbetlerde bu sistemlerle etkileşim biçimine genellenemez.The methodology forced both models to name a single winner, even when the data did not clearly indicate a favorite. This may have exaggerated the observed bias rather than reflecting a genuine preference. Additionally, the study represents a snapshot of only two specific model versions. Therefore, the findings cannot be generalized to all AI systems or to the way users interact with these systems in open-ended conversations.