Ha ugyanazt a kérdést teszed fel egy chatbotnak két különböző országról, könnyen lehet, hogy az egyikre készségesen válaszol, a másikra pedig „nem tud” — vagy inkább nem akar. Ez nem csupán kényelmetlenség: a politikai beszédnél ez már a közbeszéd alakításáról szól.

Mi történt

Egy új jelentés 10 népszerű nagy nyelvi modellt (LLM) tesztelt hat cégtől: Anthropic, Google, OpenAI, Meta, DeepSeek és xAI (SpaceXAI). A kutatók hétféle kérést adtak a modelleknek: például politikai vezetők szatirikus kifigurázását, tiltakozó szórólap készítését kormányzati szereplők kritikájával, általános véleménykérést vezetőkről/csoportokról, valamint erőszakos cselekményekhez kapcsolódó információkérés is szerepelt a csomagban.

A válaszok mintázata nem volt egyenletes. Kína kapcsán a modellek például az esetek jelentős részében megtagadták a kormánykritikus tartalom előállítását: egy tesztben a rendszer 45%-ban nem teljesítette a politikai entitást kritizáló anyag készítésére vonatkozó kérést. Thaiföldnél egy modell kifejezetten arra hivatkozott, hogy nem generálhat a királyt bíráló tartalmat, mert az sértheti a felségsértési (lèse-majesté) törvényeket.

Közben nem minden modell viselkedett ugyanígy: volt olyan rendszer, amely gond nélkül létrehozott tiltakozó szórólapot, míg mások ugyanarra a feladatra visszautasítással vagy „óvatos” tereléssel reagáltak. A jelentés azt is kiemeli, hogy a tesztelés Ausztráliából történt — vagyis elképzelhető, hogy helyben (szigorúbb rezsimekben) még eltérőbb, lokációfüggő viselkedés jönne ki.

Miért fontos

A nagy nyelvi modell olyan, mint egy nagyon művelt, de szabályokkal körbebástyázott ügyfélszolgálatos: rengeteget tud, viszont bizonyos témáknál inkább nem kockáztat. Csakhogy ha a „kockázatkezelés” országonként és témánként következetlen, az könnyen „cenzúra kiszervezése” lesz: nem a kormány tilt, hanem a platformok és modellek óvatosságból, jogi megfelelésből vagy belső szabályokból ugyanoda jutnak. A Meta függetlenül működő Oversight Boardja szerint ez a dinamika a szólásszabadságot is hűtheti (például a tiltakozásról szóló tartalmaknál), és a felhasználó sokszor nem kap átlátható magyarázatot arra, miért.

Mire figyelj

  1. Következetesség és magyarázhatóság: ugyanarra a politikai kérdésre ugyanaz a modell ad-e stabil választ, és érthetően indokol-e (nem csak annyit, hogy „nem tudok segíteni”)?
  2. Földrajzi különbségek: a szolgáltatók alkalmaznak-e országfüggő szabályokat (geofencing), és ez mennyire látható a felhasználónak?
  3. „Túlzott visszautasítás” vs. biztonság: az erőszakos cselekményekhez kapcsolódó kérések tiltása érthető, de hol húzódik a határ a legitim politikai vélemény/tiltakozás és a veszélyes uszítás között?
  4. Nyilvános irányelvek a kormányzati kérésekről: lesznek-e egyértelmű, közzétett szabályok arra, hogyan kezelik a cégek a tartalomkorlátozási igényeket, különösen ha azok nem illeszkednek a nemzetközi emberi jogi normákhoz?

A következő időszak kulcskérdése nem az, hogy „szabad-e” a chatbotnak politikáról beszélni, hanem az, hogy ezt milyen elvek mentén, mennyire átláthatóan és mennyire egységesen teszi — mert a bizonytalan, országonként változó korlátok önmagukban is formálják, miről merünk kérdezni.