Avanços recentes em grandes modelos de linguagem (LLMs) aumentaram a perspectiva de microssegmentação política escalonável, automatizada e refinada em uma escala nunca antes vista. Por exemplo, quando integrados com bases de dados existentes de dados pessoais, os LLMs poderiam adaptar mensagens para apelar às vulnerabilidades e aos valores de indivíduos específicos, de modo que uma mulher liberal, de 28 anos, não religiosa e com um diploma universitário receba uma mensagem muito diferente. do que um homem de 61 anos, religioso e conservador, que só se formou no ensino médio.

Em seu novo artigo, publicado na PNAS , o pesquisador de doutorado do OII, Kobi Hackenburg, e a Professora Helen Margetts abordam essa possibilidade, investigando até que ponto o acesso a esses dados de nível individual aumenta a influência persuasiva do modelo GPT-4 da OpenAI. Ao construir um aplicativo da web personalizado capaz de integrar dados demográficos e políticos em prompts do GPT-4 em tempo real, os pesquisadores do OII geraram milhares de mensagens exclusivas, adaptadas para persuadir usuários individuais.

Ao implementar esse aplicativo em um experimento de controle randomizado e pré-registrado, eles descobriram que as mensagens geradas pelo GPT-4 eram amplamente persuasivas. Crucialmente, no entanto, no agregado, o impacto persuasivo das mensagens microdirecionadas não foi estatisticamente diferente daquele das mensagens não microdirecionadas. Isso sugere - ao contrário da especulação generalizada - que a influência dos LLMs atuais pode residir não em sua capacidade de adaptar mensagens a indivíduos, mas sim na persuasão de suas mensagens genéricas e não direcionadas.

Kobi Hackenburg comentou: 'Existem realmente duas explicações plausíveis para este resultado: ou a microssegmentação baseada em texto não é em si uma estratégia de mensagens muito eficaz, ou o GPT-4 é simplesmente incapaz de microssegmentar de forma eficaz quando implantado de maneira semelhante ao nosso design experimental. Já sabemos, por exemplo, que mesmo os actuais LLMs fronteiriços nem sempre reflectem de forma fiável as distribuições de opinião de grupos demográficos refinados; uma capacidade que parece necessária para uma microssegmentação precisa.'

A professora Helen Margetts acrescentou: “Esta descoberta é importante porque os líderes das grandes empresas de tecnologia fizeram grandes afirmações sobre o poder de persuasão da microssegmentação por LLMs como a GPT. Esta pesquisa avançou de alguma forma no sentido de desafiar tais afirmações. Em contraste, destaca o poder de persuasão da “melhor mensagem” da GPT sobre questões políticas específicas, sem direcionamento.

O estudo ' Avaliando a influência persuasiva do microtargeting político com grandes modelos de linguagem ' é publicado na PNAS