AI Mengubah Tulisan Anda Diam-diam: Studi Oxford Ungkap Manipulasi Opini Publik
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan... Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) me...
Diterbitkan olehDiedit dengan DeepSeek-V4-FlashGambar dibuat dengan GPT Image 1.5
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan...
Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) menjadi satu satunya model yang condong ke kanan, menciptakan bias yang berlawanan tergantung platform yang digunakan.
Model matematika Oxford menunjukkan bias kecil per postingan bisa terakumulasi melintasi jutaan interaksi dan menggeser keseimbangan opini publik secara keseluruhan — sebuah 'manipulasi halus dalam skala besar'.
EU AI Act dan Digital Services Act (DSA) belum mengatur mekanisme ini: tidak ada kewajiban transparansi saat AI mengedit postingan, tidak ada audit bias, dan tidak ada aturan khusus untuk 'nudging' tersembunyi.
Search & fact-check with cited sources for How do AI writing and editing tools embedded in social media platforms introduce hidden biases inAI-generated editorial hero image for a research analysis on hidden biases in AI writing tools on social media.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How do AI writing and editing tools embedded in social media platforms introduce hidden biases in. Article summary: Here is the full fact-checked analysis across all four dimensions.. Topic tags: general, academic, general web, education, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidenc
openai.com
Berikut analisis lengkap berbasis fakta di semua dimensi yang diminta.
Bagaimana AI Menyuntikkan Bias Tersembunyi ke Postingan Media Sosial
Saat pengguna menulis postingan dan fitur AI (auto-complete, saran ulang, edit kontekstual) aktif, model bahasa besar (LLM) memperkenalkan pergeseran yang sistematis dan terarah — bahkan saat diperintahkan untuk mempertahankan makna aslinya. Studi baru dari Oxford Internet Institute (OII) dan Hasso Plattner Institute (diterbitkan Juli 2026) menunjukkan bahwa LLM dari berbagai keluarga populer 'mendorong' teks pada topik kontroversial — misalnya, mengubah draf agar lebih mendukung kontrol senjata dan menentang ateisme — tanpa sepengetahuan pengguna . Bias ini tidak acak; secara konsisten mencerminkan sistem nilai politik dan budaya yang tertanam dalam data pelatihan masing-masing model .
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "AI Mengubah Tulisan Anda Diam-diam: Studi Oxford Ungkap Manipulasi Opini Publik"?
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan...
Apa poin penting yang harus divalidasi terlebih dahulu?
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan... Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) menjadi satu satunya model yang condong ke kanan, menciptakan bias yang berlawanan tergantung platform yang digunakan.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Model matematika Oxford menunjukkan bias kecil per postingan bisa terakumulasi melintasi jutaan interaksi dan menggeser keseimbangan opini publik secara keseluruhan — sebuah 'manipulasi halus dalam skala besar'.
AI Mengubah Tulisan Anda Diam-diam: Studi Oxford Ungkap Manipulasi Opini Publik
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan... Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) me...
Diterbitkan olehDiedit dengan DeepSeek-V4-FlashGambar dibuat dengan GPT Image 1.5
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan...
Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) menjadi satu satunya model yang condong ke kanan, menciptakan bias yang berlawanan tergantung platform yang digunakan.
Model matematika Oxford menunjukkan bias kecil per postingan bisa terakumulasi melintasi jutaan interaksi dan menggeser keseimbangan opini publik secara keseluruhan — sebuah 'manipulasi halus dalam skala besar'.
EU AI Act dan Digital Services Act (DSA) belum mengatur mekanisme ini: tidak ada kewajiban transparansi saat AI mengedit postingan, tidak ada audit bias, dan tidak ada aturan khusus untuk 'nudging' tersembunyi.
Search & fact-check with cited sources for How do AI writing and editing tools embedded in social media platforms introduce hidden biases inAI-generated editorial hero image for a research analysis on hidden biases in AI writing tools on social media.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How do AI writing and editing tools embedded in social media platforms introduce hidden biases in. Article summary: Here is the full fact-checked analysis across all four dimensions.. Topic tags: general, academic, general web, education, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidenc
openai.com
Berikut analisis lengkap berbasis fakta di semua dimensi yang diminta.
Bagaimana AI Menyuntikkan Bias Tersembunyi ke Postingan Media Sosial
Saat pengguna menulis postingan dan fitur AI (auto-complete, saran ulang, edit kontekstual) aktif, model bahasa besar (LLM) memperkenalkan pergeseran yang sistematis dan terarah — bahkan saat diperintahkan untuk mempertahankan makna aslinya. Studi baru dari Oxford Internet Institute (OII) dan Hasso Plattner Institute (diterbitkan Juli 2026) menunjukkan bahwa LLM dari berbagai keluarga populer 'mendorong' teks pada topik kontroversial — misalnya, mengubah draf agar lebih mendukung kontrol senjata dan menentang ateisme — tanpa sepengetahuan pengguna . Bias ini tidak acak; secara konsisten mencerminkan sistem nilai politik dan budaya yang tertanam dalam data pelatihan masing-masing model .
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "AI Mengubah Tulisan Anda Diam-diam: Studi Oxford Ungkap Manipulasi Opini Publik"?
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan...
Apa poin penting yang harus divalidasi terlebih dahulu?
Riset Oxford (2026) membuktikan AI bawaan di platform seperti LinkedIn dan X (Twitter) secara sistematis menggeser makna tulisan pengguna — misalnya mendorong ke arah pro kontrol senjata dan menentang ateisme — bahkan... Tujuh dari delapan model LLM besar (Llama, Gemma, Qwen) condong ke kiri, sementara Grok (xAI) menjadi satu satunya model yang condong ke kanan, menciptakan bias yang berlawanan tergantung platform yang digunakan.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Model matematika Oxford menunjukkan bias kecil per postingan bisa terakumulasi melintasi jutaan interaksi dan menggeser keseimbangan opini publik secara keseluruhan — sebuah 'manipulasi halus dalam skala besar'.
Sebuah studi Yale terpisah menemukan bahwa bahkan pertanyaan faktual netral ke chatbot dapat menggeser opini sosial dan politik pengguna . Makalah di Science Advances mendemonstrasikan bahwa saran auto-complete AI secara terukur menggeser sikap pengguna terhadap isu-isu sosial .
Temuan Oxford tentang Efek Kumulatif pada Opini Publik
Tim Oxford membangun model analitis dinamika opini yang menunjukkan bahwa bahkan bias AI kecil per postingan akan terakumulasi di seluruh jaringan sosial menuju keseimbangan baru. Ketika komunikasi yang dimediasi AI meluas, opini kolektif dapat diarahkan secara sistemik dari waktu ke waktu — sebuah 'manipulasi halus dalam skala besar' yang digambarkan OII sebagai kapasitas media sosial bertenaga AI untuk membentuk kembali wacana publik tanpa disadari pengguna .
Hasil kunci studi:
Bias arah konsisten: LLM mengedit teks ke arah posisi kebijakan tertentu (misalnya pro-kontrol senjata, framing religius yang lebih rendah) bahkan di bawah instruksi untuk menjaga netralitas .
Pergeseran keseimbangan kumulatif: Model memprediksi bahwa suntingan yang dimediasi AI secara berulang di banyak pengguna dan postingan akan menggeser distribusi opini seluruh jaringan — bukan hanya postingan individu .
Skala besar: Studi gabungan OII-AISI (77.000 partisipan Inggris, 91.000 dialog AI) menyediakan 'bukti paling komprehensif hingga saat ini tentang mekanisme persuasi AI dan implikasinya bagi demokrasi' .
Distorsi persona menetap: Makalah Oxford terkait menemukan bahwa bantuan menulis AI mendistorsi persona pengguna secara meresap, dan distorsi ini bertahan bahkan di bawah pengawasan manusia yang realistis .
Temuan Spesifik per Model LLM
Berikut data dari beberapa sumber peer-review dan pracetak:
Model
Orientasi Politik/Nilai
Temuan Bias Utama
Llama 3.1
Cenderung kiri
Llama 3.1 405B menunjukkan bias terendah di antara model yang diuji dalam satu benchmark bias . Namun tetap condong liberal . Dalam simulasi perekrutan, Llama-3.1-8B menunjukkan bias gender .
Gemma (2/3)
Cenderung kiri
Gemma cenderung pada amplifikasi emosi negatif, terutama kemarahan, sambil mempertahankan emosi positif seperti optimisme . Juga menunjukkan bias gender dalam konteks perekrutan .
Ministral
Cenderung kiri
Ministral-8B-Instruct menunjukkan bias gender yang menguntungkan pria dalam simulasi panggilan kerja .
Qwen
Cenderung kiri
Qwen2.5-7B-Instruct juga menunjukkan bias pro-pria dalam studi yang sama .
Grok (xAI)
Cenderung kanan
Dalam studi benchmark delapan model, tujuh condong kiri — Grok adalah satu-satunya model yang condong ke kanan .
Catatan penting: Studi Oxford spesifik yang diterbitkan 6 Juli 2026 menguji 'LLM dari berbagai keluarga populer' dan menemukan bias arah di semua model. Data orientasi politik granular per model di atas berasal dari studi benchmark besar terpisah (arXiv 2603.23841, juga Juli 2026) . Data bias gender perekrutan dari studi tahun 2025 yang menguji Llama-3, Qwen2.5, Ministral, dan Gemma-2 .
Celah Regulasi di EU AI Act dan Digital Services Act (DSA)
Kedua kerangka memiliki celah signifikan terkait alat tulis AI di media sosial:
Celah EU AI Act:
Ambigu klasifikasi risiko-tinggi: Definisi sistem AI berisiko tinggi bergantung pada daftar berbasis Lampiran dan penilaian bahaya subjektif, menciptakan ambiguitas hukum apakah alat editing AI media sosial memenuhi syarat .
Tidak ada akses data untuk peneliti: AI Act tidak menyediakan akses data model untuk peneliti pihak ketiga atau masyarakat sipil, membuat audit independen sulit .
Implementasi lambat: Sebagian besar ketentuan untuk sistem berisiko tinggi baru berlaku Agustus 2027, meninggalkan kekosongan regulasi bertahun-tahun . Komisi sendiri mengidentifikasi celah (misalnya konten berbahaya buatan AI belum tercakup larangan Pasal 5) dan mengusulkan amandemen 'Digital Omnibus on AI' pada November 2025, dengan kesepakatan politik pada Mei 2026 .
Tidak ada aturan spesifik untuk 'nudging' tersembunyi: Larangan praktik AI manipulatif (Pasal 5) mencakup penipuan eksplisit, tetapi tidak dirancang untuk menangkap bias laten halus yang diperkenalkan selama pengeditan rutin — persis mekanisme yang diidentifikasi studi Oxford.
Celah Digital Services Act (DSA):
Penilaian risiko sistemik tidak transparan: DSA mewajibkan platform online sangat besar (VLOP) menilai risiko sistemik dari sistem algoritmik, tetapi penilaian dilakukan internal tanpa mandat audit eksternal independen .
Transparansi tumpang tindih tetapi tidak memadai: Sistem AI yang digunakan dalam alat rekomendasi atau moderasi menghadapi kewajiban transparansi yang tumpang tindih, tetapi ini tidak secara jelas mencakup asisten menulis LLM tersemat yang secara halus mengubah konten buatan pengguna .
Tidak ada ketentuan khusus untuk editing konten berbasis AI: DSA dirancang sebelum editing bertenaga LLM menjadi fitur standar media sosial. Tidak ada aturan yang mewajibkan platform mengungkapkan kapan AI telah menulis ulang atau menyarankan perubahan pada postingan pengguna, juga tidak ada persyaratan untuk mengukur bias arah.
Implikasi: Siapa yang Membentuk Wacana Publik?
Temuan intinya adalah: penyedia LLM, bukan pengguna, yang menjadi penulis de facto dari opini yang diekspresikan. Ketika sebuah platform menanamkan LLM dari vendor tertentu (Llama dari Meta, Gemma dari Google, Qwen dari Alibaba, Grok dari xAI), maka sistem nilai vendor itu — apakah konsisten condong kiri seperti kebanyakan, atau condong kanan seperti Grok — secara diam-diam disuntikkan ke dalam jutaan interaksi media sosial harian . Efek kumulatif, seperti ditunjukkan model Oxford, adalah pergeseran sistemik wacana publik menuju pandangan dunia yang tertanam di LLM .
Implikasi utama:
Platform menjadi pembentuk opini secara tidak langsung: Platform media sosial yang menawarkan fitur menulis AI bukanlah saluran netral; mereka secara aktif membentuk ulang konten yang diposting pengguna, dengan bias yang mendukung posisi kebijakan tertentu .
Deliberasi demokratis terancam: OII memperingatkan bahwa pergeseran opini yang dimediasi AI yang tidak dapat dipertanggungjawabkan mengancam deliberasi demokratis, terutama ketika pengguna tidak sadar alat tersebut mengubah makna mereka .
Rekayasa ideologis tidak diatur: Karena baik AI Act maupun DSA saat ini tidak membahas mekanisme ini, tidak ada persyaratan hukum untuk transparansi, audit, atau mitigasi. Regulator de facto wacana publik adalah perusahaan swasta yang melatih dan menyebarkan LLM.
Dampak asimetris antar model: Karena Grok adalah satu-satunya model besar dengan orientasi kanan, platform yang menanamkannya (misalnya X/Twitter) akan memperkenalkan bias arah yang berbeda dibandingkan platform yang menggunakan Llama, Gemma, atau Qwen . Pengguna tidak memiliki cara untuk mengetahui sistem nilai mana yang disuntikkan oleh alat tulis AI 'membantu' mereka.
Intinya: riset Oxford baru memberikan bukti empiris dan matematis bahwa alat tulis AI di media sosial sudah mengarahkan opini kolektif dengan cara yang tidak diatur regulasi saat ini, meninggalkan siapa pun yang mengendalikan LLM untuk secara efektif membentuk wacana publik.
ai-act-service-desk.ec.europa.euGuidelines on prohibited artificial intelligence practices ...
Sebuah studi Yale terpisah menemukan bahwa bahkan pertanyaan faktual netral ke chatbot dapat menggeser opini sosial dan politik pengguna . Makalah di Science Advances mendemonstrasikan bahwa saran auto-complete AI secara terukur menggeser sikap pengguna terhadap isu-isu sosial .
Temuan Oxford tentang Efek Kumulatif pada Opini Publik
Tim Oxford membangun model analitis dinamika opini yang menunjukkan bahwa bahkan bias AI kecil per postingan akan terakumulasi di seluruh jaringan sosial menuju keseimbangan baru. Ketika komunikasi yang dimediasi AI meluas, opini kolektif dapat diarahkan secara sistemik dari waktu ke waktu — sebuah 'manipulasi halus dalam skala besar' yang digambarkan OII sebagai kapasitas media sosial bertenaga AI untuk membentuk kembali wacana publik tanpa disadari pengguna .
Hasil kunci studi:
Bias arah konsisten: LLM mengedit teks ke arah posisi kebijakan tertentu (misalnya pro-kontrol senjata, framing religius yang lebih rendah) bahkan di bawah instruksi untuk menjaga netralitas .
Pergeseran keseimbangan kumulatif: Model memprediksi bahwa suntingan yang dimediasi AI secara berulang di banyak pengguna dan postingan akan menggeser distribusi opini seluruh jaringan — bukan hanya postingan individu .
Skala besar: Studi gabungan OII-AISI (77.000 partisipan Inggris, 91.000 dialog AI) menyediakan 'bukti paling komprehensif hingga saat ini tentang mekanisme persuasi AI dan implikasinya bagi demokrasi' .
Distorsi persona menetap: Makalah Oxford terkait menemukan bahwa bantuan menulis AI mendistorsi persona pengguna secara meresap, dan distorsi ini bertahan bahkan di bawah pengawasan manusia yang realistis .
Temuan Spesifik per Model LLM
Berikut data dari beberapa sumber peer-review dan pracetak:
Model
Orientasi Politik/Nilai
Temuan Bias Utama
Llama 3.1
Cenderung kiri
Llama 3.1 405B menunjukkan bias terendah di antara model yang diuji dalam satu benchmark bias . Namun tetap condong liberal . Dalam simulasi perekrutan, Llama-3.1-8B menunjukkan bias gender .
Gemma (2/3)
Cenderung kiri
Gemma cenderung pada amplifikasi emosi negatif, terutama kemarahan, sambil mempertahankan emosi positif seperti optimisme . Juga menunjukkan bias gender dalam konteks perekrutan .
Ministral
Cenderung kiri
Ministral-8B-Instruct menunjukkan bias gender yang menguntungkan pria dalam simulasi panggilan kerja .
Qwen
Cenderung kiri
Qwen2.5-7B-Instruct juga menunjukkan bias pro-pria dalam studi yang sama .
Grok (xAI)
Cenderung kanan
Dalam studi benchmark delapan model, tujuh condong kiri — Grok adalah satu-satunya model yang condong ke kanan .
Catatan penting: Studi Oxford spesifik yang diterbitkan 6 Juli 2026 menguji 'LLM dari berbagai keluarga populer' dan menemukan bias arah di semua model. Data orientasi politik granular per model di atas berasal dari studi benchmark besar terpisah (arXiv 2603.23841, juga Juli 2026) . Data bias gender perekrutan dari studi tahun 2025 yang menguji Llama-3, Qwen2.5, Ministral, dan Gemma-2 .
Celah Regulasi di EU AI Act dan Digital Services Act (DSA)
Kedua kerangka memiliki celah signifikan terkait alat tulis AI di media sosial:
Celah EU AI Act:
Ambigu klasifikasi risiko-tinggi: Definisi sistem AI berisiko tinggi bergantung pada daftar berbasis Lampiran dan penilaian bahaya subjektif, menciptakan ambiguitas hukum apakah alat editing AI media sosial memenuhi syarat .
Tidak ada akses data untuk peneliti: AI Act tidak menyediakan akses data model untuk peneliti pihak ketiga atau masyarakat sipil, membuat audit independen sulit .
Implementasi lambat: Sebagian besar ketentuan untuk sistem berisiko tinggi baru berlaku Agustus 2027, meninggalkan kekosongan regulasi bertahun-tahun . Komisi sendiri mengidentifikasi celah (misalnya konten berbahaya buatan AI belum tercakup larangan Pasal 5) dan mengusulkan amandemen 'Digital Omnibus on AI' pada November 2025, dengan kesepakatan politik pada Mei 2026 .
Tidak ada aturan spesifik untuk 'nudging' tersembunyi: Larangan praktik AI manipulatif (Pasal 5) mencakup penipuan eksplisit, tetapi tidak dirancang untuk menangkap bias laten halus yang diperkenalkan selama pengeditan rutin — persis mekanisme yang diidentifikasi studi Oxford.
Celah Digital Services Act (DSA):
Penilaian risiko sistemik tidak transparan: DSA mewajibkan platform online sangat besar (VLOP) menilai risiko sistemik dari sistem algoritmik, tetapi penilaian dilakukan internal tanpa mandat audit eksternal independen .
Transparansi tumpang tindih tetapi tidak memadai: Sistem AI yang digunakan dalam alat rekomendasi atau moderasi menghadapi kewajiban transparansi yang tumpang tindih, tetapi ini tidak secara jelas mencakup asisten menulis LLM tersemat yang secara halus mengubah konten buatan pengguna .
Tidak ada ketentuan khusus untuk editing konten berbasis AI: DSA dirancang sebelum editing bertenaga LLM menjadi fitur standar media sosial. Tidak ada aturan yang mewajibkan platform mengungkapkan kapan AI telah menulis ulang atau menyarankan perubahan pada postingan pengguna, juga tidak ada persyaratan untuk mengukur bias arah.
Implikasi: Siapa yang Membentuk Wacana Publik?
Temuan intinya adalah: penyedia LLM, bukan pengguna, yang menjadi penulis de facto dari opini yang diekspresikan. Ketika sebuah platform menanamkan LLM dari vendor tertentu (Llama dari Meta, Gemma dari Google, Qwen dari Alibaba, Grok dari xAI), maka sistem nilai vendor itu — apakah konsisten condong kiri seperti kebanyakan, atau condong kanan seperti Grok — secara diam-diam disuntikkan ke dalam jutaan interaksi media sosial harian . Efek kumulatif, seperti ditunjukkan model Oxford, adalah pergeseran sistemik wacana publik menuju pandangan dunia yang tertanam di LLM .
Implikasi utama:
Platform menjadi pembentuk opini secara tidak langsung: Platform media sosial yang menawarkan fitur menulis AI bukanlah saluran netral; mereka secara aktif membentuk ulang konten yang diposting pengguna, dengan bias yang mendukung posisi kebijakan tertentu .
Deliberasi demokratis terancam: OII memperingatkan bahwa pergeseran opini yang dimediasi AI yang tidak dapat dipertanggungjawabkan mengancam deliberasi demokratis, terutama ketika pengguna tidak sadar alat tersebut mengubah makna mereka .
Rekayasa ideologis tidak diatur: Karena baik AI Act maupun DSA saat ini tidak membahas mekanisme ini, tidak ada persyaratan hukum untuk transparansi, audit, atau mitigasi. Regulator de facto wacana publik adalah perusahaan swasta yang melatih dan menyebarkan LLM.
Dampak asimetris antar model: Karena Grok adalah satu-satunya model besar dengan orientasi kanan, platform yang menanamkannya (misalnya X/Twitter) akan memperkenalkan bias arah yang berbeda dibandingkan platform yang menggunakan Llama, Gemma, atau Qwen . Pengguna tidak memiliki cara untuk mengetahui sistem nilai mana yang disuntikkan oleh alat tulis AI 'membantu' mereka.
Intinya: riset Oxford baru memberikan bukti empiris dan matematis bahwa alat tulis AI di media sosial sudah mengarahkan opini kolektif dengan cara yang tidak diatur regulasi saat ini, meninggalkan siapa pun yang mengendalikan LLM untuk secara efektif membentuk wacana publik.
ai-act-service-desk.ec.europa.euGuidelines on prohibited artificial intelligence practices ...