GPT-3.5 등을 활용한 모의 실험에서 정치적 견해를 가진 AI 에이전트들은 반복해서 대화하며 의견과 관계망이 양극화됐다. 대화 상대를 바꾸는 것보다 다른 견해에 귀를 기울이도록 지시하는 편이 양극화 점수를 더 크게 낮췄지만, 연구진은 이 결과가 사람에게도 적용된다고 볼 수는 없다고 밝혔다.

칭화대의 징화 피아오(Jinghua Piao) 연구진은 미국 정당 지지, 총기 규제, 낙태 금지를 주제로 에이전트 1,000명씩의 네트워크를 구성했다. 에이전트들은 좌파부터 우파까지 다섯 단계의 정치적 입장을 부여받았고, 각자 자신의 견해를 뒷받침하는 이유를 만들고 다른 에이전트를 설득하는 메시지를 주고받았다. 연구 결과는 Nature Communications 논문에 실렸다.

40회 대화 뒤 중립 입장을 유지한 비율은 정당 지지 주제에서 22.5%, 총기 규제에서 0.4%, 낙태 금지에서 5.1%로 줄었다. 에이전트들은 자기와 비슷한 견해를 가진 상대와 더 자주 교류했고, 강한 견해를 가진 동료와의 대화는 입장을 중립에서 더 멀어지게 하는 경향이 있었다.

이미 양극화된 정당 지지 네트워크에서 다섯 가지 개입을 시험한 결과, 대화 상대를 무작위로 바꾸거나 온건한 반대편의 메시지만 허용하는 방식은 양극화를 조금 줄이는 데 그쳤다. 다양한 견해를 찾으라는 지시도 연결망이 형성된 뒤에는 효과가 작았다. 반면 다른 관점의 설득을 받아들이도록 지시하자 양극화 점수가 11.8% 낮아졌고, 중립 메시지를 전달하는 영향력 있는 에이전트를 추가했을 때는 8.8% 낮아졌다.

이 점수는 진영 간 적대감이 아니라 에이전트의 입장이 중립에서 평균적으로 얼마나 떨어져 있는지를 측정했다. 따라서 결과는 모의 실험에서 나타난 의견 변화이지, 진영 간 화해를 뜻하지 않는다. 연구진은 프롬프트가 에이전트 행동에 영향을 미쳤고 견해를 다섯 범주로만 나눴다는 점 등을 들어 개입 결과를 가설을 만드는 근거로 이해해야 한다고 밝혔다.

논문: Emergence of polarization in networks of large language model agents