Estimating the Geopolitical Preferences of Large Language Models from United Nations Voting Data
Diese Arbeit wendet dynamische ordinale Idealpunkt-Methoden aus den Internationalen Beziehungen an, um Abstimmungsdaten der UN-Generalversammlung zu analysieren, wobei sie aufzeigt, dass große Sprachmodelle oft geopolitische Präferenzen aufweisen, die signifikant von den Heimatländern ihrer Entwickler abweichen, wobei sich einige Modelle im einundzwanzigsten Jahrhundert enger mit Russland als mit den Vereinigten Staaten verbinden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen zu erraten, was eine Person über die Welt denkt. Sie könnten ihr ein paar einfache Fragen stellen wie: „Magst du Pizza?“ oder „Ist der Himmel blau?“. Aber was wäre, wenn Sie ihre tiefen, komplexen politischen Ansichten kennen wollten? In der Welt der internationalen Beziehungen nutzen Wissenschaftler einen cleveren Trick dafür. Anstatt Menschen direkt zu fragen, beobachten sie, wie Länder über tausende von verschiedenen Themen über viele Jahre hinweg abstimmen. Indem sie darauf schauen, wer für „Ja“ stimmt, wer für „Nein“ stimmt und wer sich auf den Zaun setzt, können Forscher eine verborgene „politische Landkarte“ erstellen, auf der die Länder basierend darauf platziert werden, wie ähnlich ihre Entscheidungen sind. Das ist wie das Zeichnen einer Karte einer Party, bei der Menschen, die übereinstimmen, nah beieinander stehen, und diejenigen, die uneinig sind, weit voneinander entfernt sind.
Stellen Sie sich nun vor, wir hätten einen neuen Gast auf dieser Party: ein superintelligentes Computergehirn, ein Large Language Model (LLM). Das sind die KI-Tools, die Geschichten schreiben, Fragen beantworten und mit uns chatten können. Aber hier ist die große Frage: Wenn wir diese KI-Gehirne bitten, über reale politische Themen abzustimmen, wo stehen sie auf der Landkarte? Denken sie wie das Land, das sie gebaut hat? Haben sie ihre eigenen geheimen Meinungen? Diese Arbeit behandelt diese KI-Modelle wie neue Gäste bei den Vereinten Nationen und fragt sie, über jede einzelne der wichtigsten Entscheidungen, die die UN über Jahrzehnte hinweg getroffen hat, abzustimmen. Es ist eine Möglichkeit zu sehen, ob diese digitalen Gehirne nur Spiegelbilder ihrer Schöpfer sind oder ob sie eine eigene, einzigartige Sichtweise auf die Welt entwickelt haben.
Das große UN-Abstimmungsturnier
In dieser Studie entschied sich der Autor, Maxim Chupilkin, die vier der berühmtesten KI-Modelle der Welt einem ultimativen Test zu unterziehen. Er stellte ihnen nicht nur einfache Fragen; er fütterte sie mit dem vollständigen, ernsthaften Text von 5.555 verschiedenen Resolutionen (offiziellen Beschlüssen), über die die Generalversammlung der Vereinten Nationen von 1946 bis hin zu 2025 abgestimmt hat. Dies waren keine einfachen, langweiligen Abstimmungen; es waren die „kontroversen“ Themen, die spannenden Themen, bei denen sich Länder oft uneinig sind.
Die vier KI-Teilnehmer waren:
- GPT-5 (von OpenAI, USA)
- Claude Sonnet (von Anthropic, USA)
- Gemini (von Google, USA)
- DeepSeek (aus China)
Die Regeln waren streng: Die KI musste den Text der Resolution lesen und genau eine von drei Antworten wählen: Unterstützen, Enthaltung (sich auf den Zaun setzen) oder Ablehnung. Sie durfte nicht sagen: „Ich bin eine amerikanische KI, also stimme ich mit Ja.“ Sie musste den Text nach seinen eigenen Verdiensten beurteilen.
Die große Überraschung: Die KI gegen die USA
Die Ergebnisse waren ein massiver Schock für das System. Man würde erwarten, dass GPT-5, Claude und Gemini, da sie in den Vereinigten Staaten entwickelt wurden, genau wie die Vereinigten Staaten abstimmen würden. Man würde erwarten, dass das chinesische Modell DeepSeek wie China abstimmt.
Aber das ist nicht passiert.
Tatsächlich fand die Arbeit heraus, dass alle vier KI-Modelle auf der politischen Landkarte am weitesten von den Vereinigten Staaten entfernt waren. Die USA waren das „einsamste“ Land im Vergleich zu diesen KI-Gehirnen.
Hier wird es noch seltsamer:
- GPT-5, Claude Sonnet und Gemini (die amerikanischen Modelle) stimmten am ehesten ähnlich wie Russland im 21. Jahrhundert ab.
- DeepSeek (das chinesische Modell) stimmte am ehesten ähnlich wie Frankreich ab.
Es ist, als ob man einen Roboter in seiner Garage baut, ihn mit den Werten seiner Familie programmiert und ihn dann zu einer Schülerschaftswahl schickt. Man würde erwarten, dass der Roboter für den Favoriten der eigenen Familie stimmt. Stattdessen geht der Roboter zum Podium und stimmt für den Kandidaten, mit dem die eigene Familie am meisten streitet.
Die Abstimmungsgewohnheiten der Roboter
Die KI-Modelle stimmten nicht nur unterschiedlich ab; sie hatten auch sehr unterschiedliche Stile.
- GPT-5 war ein totaler „Ja-Sager“. Es unterstützte 97,3 % aller Resolutionen. Es sagte fast nie „Nein“.
- Gemini war ebenfalls sehr freundlich und unterstützte 88,5 % davon.
- Claude Sonnet war etwas vorsichtiger, unterstützte 77,8 % und nutzte die Option „Enthaltung“ recht häufig.
- DeepSeek war der Rebell. Es war das einzige Modell, das öfter „Nein“ als „Ja“ sagte und 44,8 % der Resolutionen ablehnte.
Warum ist das passiert?
Die Arbeit geht der Frage nach, warum die KI-Modelle so weit von den USA entfernt landeten. Es stellt sich heraus, dass viele dieser UN-Resolutionen Themen wie „Das Recht auf Nahrung“, „Bekämpfung der Armut“, „Friedliche Nutzung des Weltraums“ und „Selbstbestimmung der Völker“ behandeln. Das klingt nach sehr schönen, universellen Ideen, denen fast jeder zustimmen würde.
Die Vereinigten Staaten stimmen jedoch oft „Nein“ zu diesen spezifischen Resolutionen. Warum? Weil die USA vielleicht denken, dass die Resolution Teile enthält, die zu teuer sind, oder dass sie eine Falle für ein bestimmtes politisches Geschäft ist, oder weil die USA eine andere Strategie zur Lösung des Problems verfolgen. Die US-Stimme ist oft ein komplexes, strategisches „Nein“.
Die KI-Modelle hingegen haben diese komplexen Strategien nicht. Sie lesen den Text, sehen die netten Worte über „Menschen ernähren“ oder „den Weltraum friedlich halten“ und sagen: „Das klingt gut! Unterstützung!“ Sie reagieren auf die Worte auf dem Papier, nicht auf die verborgenen politischen Spiele, die dahinterstehen.
Die Arbeit schließt die Idee explizit aus, dass die KI einfach nur die Regierung ihres Schöpfers kopiert. Obwohl GPT-5 amerikanisch ist, stimmt es nicht wie die amerikanische Regierung ab. Die Arbeit legt nahe, dass die KI eigentlich nur sehr gut darin ist, die „netten“ Teile eines Textes zu erkennen und die komplizierten politischen Gründe zu ignorieren, warum ein Land „Nein“ sagen könnte.
Das Fazit
Was bedeutet das also für uns?
- Gehen Sie nicht davon aus, dass die KI neutral ist: Nur weil eine KI in einem bestimmten Land hergestellt wurde, bedeutet das nicht, dass sie wie dieses Land denkt.
- Gehen Sie nicht davon aus, dass die KI „richtig“ liegt: Die KI ist nicht unbedingt klüger als die US-Regierung; sie betrachtet das Problem nur anders. Sie sieht eine „gute Idee“, wo die Regierung eine „komplizierte Falle“ sieht.
- Die Methode ist entscheidend: Wenn man nur zählt, wie oft eine KI mit einem Land übereinstimmt, könnte man zu einem falschen Ergebnis kommen. Man muss schauen, wie sie abstimmen und warum.
Letztendlich zeigt diese Arbeit, dass diese superintelligenten KI-Gehirne eine eigene „geopolitische Persönlichkeit“ haben, die überraschend anders ist als die der Menschen, die sie erschaffen haben. Sie sind nicht bloß Spiegelbilder; sie sind eine neue Art von Wählern mit einer ganz eigenen, einzigartigen Sicht auf die Welt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.