Talking Politics with Artificial Intelligence

技術要約：人工知能との政治的対話

問題提起と理論的枠組み
本論文は、大規模言語モデル（LLM）が政治的コミュニケーションにおいて果たす役割を調査し、具体的には、これらのシステムが新たな公共の政治的表現の場として機能しているのか、あるいは日常的な政治的需要に対する対話的な仲介者として機能しているのかを検討するものである。既存の文献は、LLMを評価の対象（例：バイアスや説得の源泉）として扱うか、その出力を分析することに終始している。本研究は、ユーザーのプロンプトそのもの、すなわち「需要側」へと焦点を移す。著者らは、二つの対立する理論的可能性を提示している：

1. 表現的政治（Expressive Politics）： もしLLMがソーシャルメディアのように機能しているならば、その利用形態は、公的な場に向けられたダイナミクス（意見、議論、アイデンティティの表明）に類似するものとなる。
2. 市民的仲介者（Civic Intermediary）： もしLLMが国家をナビゲートするためのツールとして機能しているならば、その利用は実用的（説明、要約、ドラフト作成、文書処理）なものとなる。

本論文は、LLMが政治的コミュニケーションにおいて独自の空間を占めていると主張する。すなわち、それはプライベートでタスク指向であり、かつ二者間（ダイアド）のやり取りであり、オーディエンス（聴衆）を意識したソーシャルメディアとは異なる性質を持つ。中心となる研究課題は、このプライベートで対話的な環境において政治的コンテンツがいかに現れ、主要な政治的事象に対してどのように反応するかである。

手法
本研究では、3つの公開コーパス（地理情報が付与された同意済みのChatGPTとの対話を含むWildChat、モデル比較プラットフォームでの対話であるLMSYS-Chat、およびユーザーが共有した会話リンクであるShareChat）からなる430万件の人間とAIの対話データセットを利用している。データは2023年から2025年までを対象としている。

• 測定戦略： 分析単位はユーザーのメッセージである。著者らは、GPT-4.1-miniおよびClaude-Haiku-4.5を用いた、構造化されたLLM支援型コーディング手順を採用してメッセージを分類している。
  • 政治的コンテンツ： 選挙、政策、法律、行政、および制度的ナビゲーションを広く含むものと定義し、「架空の政治」や「社内政治」は除外している。
  • ユースケース： 情報探索、執筆・ドラフト作成、文書処理、意見表明、動員、および制度的ヘルプに分類している。
  • イデオロギー： ユーザーが明示的に立場を表明したメッセージのみを対象とし、経済的および社会的左右軸（−2から+2）および感情的強度（0から3）でスコア化している。
• 検証： 自動分類器は、3,000件のメッセージを用いた人間によるコーディングのベンチマークによって検証された。政治的／非政治的分類器は、精度84.9%、適合率0.77、再現率0.92を達成した。二つのLLMコーダー間の信頼性は高く、Cohenの$\kappa$は政治的分類において0.80であった。
• 因果設計： 政治的事象に対するAI対話の反応性をテストするため、著者らは2024年米大統領選挙のAP通信による結果発表（2024年11月6日）を中心とした**回帰不連続時間デザイン（RDiT）**を採用している。この設計では、米国内の会話と米国外の会話を比較することで、一般的なグローバルなニュースへの関心から、特定の政党的な結果による影響を分離し、米国内の会話における効果を特定している。

主要な結果

1. 政治的利用の普及度と性質：

   • 政治的コンテンツは、全体として**3.9%**の会話に現れる（WildChatの3.3%からShareChatの18.7%までの範囲）。
   • 政治的利用は圧倒的に実用的である。政治的なユーザーターン全体で見ると、**64.7%**が情報・説明の探索、**13.0%**が執筆・ドラフト作成、**11.8%が文書処理に関連している。意見や議論を伴うものはわずか9.4%**であった。
   • 「公的な場」の影響： ShareChat（共有リンク）は、非共有のコーパスと比較して、意見表明の割合が有意に高い（25.0%）。これは、オーディエンスの存在が、利用形態を「支援」から「表現」へとシフトさせることを示唆している。
   • 「深さ」の影響： 政治的な普及度は会話の長さに伴って単調に増加しており、単発のやり取りでは約2.6%であるのに対し、長いスレッドでは12%を超える。これは、政治的な関与には反復的な問題解決が必要であることを示している。

2. 地理的変動：

   • 政治的なシェアは、北米のような豊かな民主主義国家（2.3%）と比較して、低所得地域や政治的に制約のある地域（例：サブサハラアフリカの5.8%）の方が高い。これは、AIが制約のある環境において、不足または検閲された政治情報の代替物として機能している可能性を示唆している。

3. イデオロギー的表現：

   • 明示的なスタンス表明は、全体として稀である（WildChatにおける政治的会話の8.2%）。
   • スタンスが表明された場合、経済的立場は緩やかに左派に、社会的立場は緩やかに右派に寄っている。感情的強度は中程度であり、イデオロギーの極端さは存在するものの、支配的ではない。

4. イベントへの反応（2024年米大統領選挙）：

   • 注目 vs 表現： AP通信の結果発表は、グローバルな政治的会話の普及度を上昇させた（米国外を含む）。これはアジェンダ設定理論と一致する。
   • 表現的シフト： しかし、会話の性質が大きく変化したのは米国ユーザーのみであった。結果発表後、米国の政治的会話では、スタンス表明が8.5パーセントポイント増加し、感情的負荷が6.4ポイント増加した。
   • 地理的特異性： 米国外の会話では同様の変化は見られなかった。これにより、プラットフォーム全体のアーティファクトや一般的なニュースショックの影響ではないことが示された。
   • メカニズム： 表現の増加は、単に選挙関連のプロンプトが急増したことによるものではない。この効果は、選挙以外の政治的トピック（政策、移民など）においても持続しており、選挙結果が、ユーザーにとっての各ドメインにおける表現的政治を活性化させるキュー（合図）として機能したことを示唆している。

意義と貢献
本論文には主に二つの貢献がある：

1. 方法論的貢献： 多言語にわたる大規模な人間とAIのコーパスにおいて、政治的コンテンツ、ユースケース、およびイデオロギー的表現を測定するための手順を開発し、検証した。これは、調査やソーシャルメディアのデータでは捉えきれない形態の政治的コミュニケーション（プライベートでタスク指向の需要）を明らかにするものである。
2. 理論的貢献： LLMを単なる「公共の広場」ではなく、**「市民的仲介者」**として再定義している。研究結果は、市民が主に、国家の行政的・情報的な負担（政策の解釈、異議申し立てのドラフト作成、規則の翻訳など）をナビゲートするためにAIを利用していることを示唆している。しかし、主要な政治的事象によってユーザーにとっての利害関係が明確になったとき、システムは表現的で、党派的かつ感情的なダイナミクスへと移行する能力を持っている。

著者らは、LLMは日常的な市民の需要を吸収する一方で、公的なイベントによる党派的・感情的なショックを記録するものであり、デフォルトでは実用的であるが、特定の政治的条件下では表現的にもなり得る、二重目的のインターフェースとして機能していると結論付けている。