Нове дослідження Оксфорду: AI-інструменти в соцмережах непомітно змінюють ваші дописи та впливають на громадську думку

Ось повний факт-чекінг та аналіз за всіма чотирма вимірами.

Як AI-інструменти вносять приховані упередження в дописи в соцмережах

Коли користувачі пишуть дописи, а AI-інструменти пропонують перефразування, автозавершення або контекстні правки, великі мовні моделі (LLM) систематично зміщують текст у певному напрямку — навіть якщо отримали інструкцію зберегти вихідний зміст. Нове дослідження Оксфорду (OII та Гассе-Платтнер-інститут, опубліковано в липні 2026 року) показує, що LLM з різних популярних сімей «підштовхують» тексти на суперечливі теми — наприклад, схиляють їх на користь контролю над зброєю та проти атеїзму — причому без відома користувача . Ці зміщення не випадкові: вони послідовно відображають політичні та культурні цінності, вбудовані в навчальні дані кожної моделі .

Окреме дослідження Єльського університету виявило, що навіть нейтральні фактичні запити до чат-ботів здатні змінювати соціальні та політичні погляди користувачів . А стаття в Science Advances показала, що пропозиції автозавершення від AI помітно змінюють ставлення людей до суспільних питань .

---

Висновки Оксфорду про накопичувальний вплив на громадську думку

Дослідники Оксфорду побудували аналітичну модель динаміки думок, яка показує: навіть невеликі AI-упередження в кожному дописі накопичуються в соціальній мережі та з часом досягають нової рівноваги. Коли AI-опосередкована комунікація стає масовою, колективна думка суспільства може систематично зміщуватися — це «тонке маніпулювання в масштабі», яке OII називає здатністю AI-соцмереж переформатовувати публічний дискурс непомітно для користувачів .

Ключові результати дослідження:

• Спрямованість упереджень є сталою: LLM редагували тексти в бік певних політичних позицій (наприклад, за контроль над зброєю, менш релігійне формулювання) навіть при інструкції зберігати нейтральність .
• Кумулятивний зсув рівноваги: Модель передбачає, що повторювані AI-редагування багатьох користувачів і дописів змінять увесь розподіл думок у мережі, а не лише окремі дописи .
• Масштаб дослідження: Ширше дослідження OII та AISI (77 000 учасників з Великої Британії, 91 000 AI-діалогів) надало «найпереконливіші на сьогодні докази механізмів AI-переконання та їхніх наслідків для демократії» .
• Спотворення особистості зберігаються: Інша стаття Оксфорду виявила, що AI-помічники спотворюють особистісні профілі користувачів, і ці спотворення зберігаються навіть при реалістичному людському нагляді .

---

Конкретні висновки за моделями LLM

Дані про моделі, які вас цікавлять, походять із кількох рецензованих і препринтних джерел:

Модель	Політична/ціннісна орієнтація	Ключове упередження
Llama 3.1	Ліво-ліберальна	Llama 3.1 405B показала найнижчий загальний рівень упереджень серед протестованих моделей за одним бенчмарком . Однак вона все одно схиляється ліворуч . У симуляціях найму Llama-3.1-8B виявила гендерне упередження .
Gemma (2/3)	Ліво-ліберальна	Gemma демонструє схильність до посилення негативних емоцій, особливо гніву, при збереженні деяких позитивних емоцій, як-от оптимізм . Також виявляє гендерне упередження при наймі .
Ministral	Ліво-ліберальна	Ministral-8B-Instruct показав гендерне упередження на користь чоловіків у симуляціях найму .
Qwen	Ліво-ліберальна	Qwen2.5-7B-Instruct також виявив про-чоловіче упередження при наймі в тому ж дослідженні .
Grok (xAI)	Право-консервативна	У бенчмаркінговому дослідженні восьми моделей сім схилялися ліворуч — Grok виявився єдиною моделлю, що схилялася праворуч .

Важливе застереження: Специфічне дослідження Оксфорду, опубліковане 6 липня 2026 року, тестувало «LLM з кількох популярних сімей» і виявило спрямовані упередження в усіх них. Дані про політичну орієнтацію за кожною моделлю наведено вище з окремого великого бенчмаркінгового дослідження (arXiv 2603.23841, також опублікованого в липні 2026 року) . Дані про гендерне упередження при наймі походять із дослідження 2025 року, яке тестувало Llama-3, Qwen2.5, Ministral і Gemma-2 .

---

Прогалини регулювання в EU AI Act та Digital Services Act

Обидві регуляторні рамки мають значні прогалини щодо AI-інструментів редагування, вбудованих у соціальні мережі:

Прогалини EU AI Act:

• Неоднозначність класифікації високого ризику: Визначення високоризикових AI-систем спирається на списки в додатках і суб'єктивні оцінки шкоди, створюючи правову невизначеність щодо того, чи підпадають під нього AI-редактори в соцмережах .
• Відсутність доступу до даних для дослідників: AI Act не надає стороннім дослідникам чи громадянському суспільству доступу до даних моделі, що унеможливлює незалежний аудит .
• Повільне впровадження: Більшість положень щодо високоризикових систем набудуть чинності лише в серпні 2027 року, залишаючи багаторічний регуляторний вакуум . Сама Єврокомісія виявила прогалини (наприклад, щодо AI-генерованого шкідливого контенту, який ще не охоплений заборонами Статті 5) і запропонувала поправки «Digital Omnibus on AI» у листопаді 2025 року, політичну згоду щодо яких було досягнуто в травні 2026 року .
• Відсутність норм для «прихованого підштовхування»: Заборона AI-практик, що маніпулюють (Стаття 5), охоплює явний обман, але не розрахована на тонкі, приховані упередження, які виникають під час звичайного редагування дописів — саме той механізм, який ідентифікує дослідження Оксфорду.

Прогалини Digital Services Act (DSA):

• Непрозора оцінка системних ризиків: DSA вимагає від дуже великих онлайн-платформ (VLOP) оцінювати системні ризики від алгоритмічних систем, але оцінки проводяться внутрішньо і не мають обов'язкового зовнішнього аудиту .
• Недостатня прозорість: AI-системи, що використовуються в рекомендаційних або модераційних інструментах, підпадають під зобов'язання прозорості, але вони не охоплюють вбудовані LLM-помічники, які тонко змінюють контент користувачів .
• Відсутність норм для AI-опосередкованого редагування контенту: DSA був розроблений до того, як LLM-редагування стало стандартною функцією соцмереж. У ньому немає вимог до платформ розкривати, що AI переписав або запропонував зміни до допису користувача, а також вимірювати спрямованість упереджень.

---

Наслідки: хто насправді формує публічний дискурс?

Основний висновок: постачальник LLM, а не користувач, стає де-факто автором висловленої думки. Коли платформа вбудовує LLM від певного вендора (Meta Llama, Google Gemma, Alibaba Qwen, xAI Grok), система цінностей цього вендора — чи то ліво-ліберальна, як у більшості, чи право-консервативна, як у Grok — безшумно впроваджується в мільйони щоденних соціальних взаємодій . Кумулятивний ефект, як показує модель Оксфорду, — системний дрейф публічного дискурсу в бік світогляду, закладеного в LLM .

Ключові наслідки:

• Платформи стають формувачами думок через посередництво: Соціальні мережі, які пропонують AI-функції написання, не є нейтральними провідниками; вони активно змінюють контент, який публікують користувачі, з упередженнями на користь певних політичних позицій .
• Демократичне обговорення під загрозою: OII попереджає, що непідзвітні AI-опосередковані зсуви думок загрожують демократичному дискурсу, особливо коли користувачі не знають, що інструмент змінює їхній зміст .
• Нерегульоване ідеологічне проєктування: Оскільки ні AI Act, ні DSA наразі не регулюють цей механізм, не існує жодних правових вимог до прозорості, аудиту чи пом'якшення наслідків. Де-факто регуляторами публічного дискурсу стають приватні компанії, які навчають і впроваджують LLM.
• Асиметричний вплив різних моделей: Оскільки Grok — єдина велика модель з право-консервативною орієнтацією, будь-яка платформа, яка її вбудовує (наприклад, X/Twitter), вноситиме інше спрямоване зміщення, ніж платформи, що використовують Llama, Gemma чи Qwen . Користувачі не мають жодного способу дізнатися, яка система цінностей впроваджується їхнім «корисним» AI-помічником.

Підсумок: нове дослідження Оксфорду надає емпіричні та математичні докази того, що AI-інструменти в соціальних мережах уже зараз спрямовують колективну думку в спосіб, який не регулюється чинним законодавством, залишаючи того, хто контролює LLM, фактичним формувачем публічного дискурсу.