生成式人工智能對美國選舉宣傳的介入：路徑、場景與風險

摘要

人工智能的飛速發展推動人類社會進步，也導致選舉政治呈現新變化。在“信息”“選民認知”以及“投票行為”的選舉宣傳研究框架下，生成式人工智能的推廣使美國選舉活動具有信息生成自動化、動員群體目標微觀化及過程治理有機化等新特征，可能強化或動搖選民固有認知觀念，影響投票傾向。在美國選舉宣傳中，若大規模濫用生成式人工智能，或將在輿論場中產生煽動、誤導、干擾與冷漠等多重運用場景。選民安全性、代表性與主體性的缺失或使美國政治在安全、功能與制度層面面臨新的風險，對代議制選舉及美式民主的沖擊或將深刻塑造美國未來的政治制度與秩序演進。

關鍵詞人工智能美國選舉選舉宣傳代議制民主

2022年11月美國中期選舉后，ChatGPT等基于大語言模型的生成式人工智能取得快速發展，不僅給諸多行業帶來深刻影響，也導致選舉政治呈現一系列新變化和新特征。在技術創新席卷全球的背景之下，同年，聯合國教科文組織發布《數字時代的選舉：選舉從業指南》，以指導政府與組織適應政治將面臨的巨變。

KrimmerRobert，etal.ElectionsinDigitalTimes：AGuideforElectoralPractitioners［EB/OL］.（20220418）［20231203］.https：//unesdoc.unesco.org/ark：/48223/pf0000382102.學界對生成式人工智能介入選舉的觀點呈現“兩極分化”。

JannaAnderson，LeeRainie.AsAISpreads，ExpertsPredict theBestandWorstChangesinDigitalLifeby2035［EB/OL］.（20230621）［20231203］.https：//www.pewresearch.org/internet/2023/06/21/asaispreadsexpertspredictthebestandworstchangesindigitallifeby2035/.就生成式人工智能帶來的風險與挑戰，學界一方面對人工智能的積極影響保持樂觀態度，認為人工智能將加快生產力的演進，帶來更多創新，革新人類社會的發展層次。

ZhenzhenLi.TheImpactofArtificialIntelligenceTechnologyInnovationonEconomicDevelopment—FromthePerspectiveofGenerativeAIProducts［J］.JournalofEducation，HumanitiesandSocialSciences，2024（27）：565574.但另一方面，學界也認為，生成式人工智能的誕生是對過去技術工具性能及其負面效應的全面升級，若被惡意運用將后患無窮。

EmilioFerrara.GenAIAgainstHumanity：NefariousApplicationsofGenerativeArtificialIntelligenceandLargeLanguageModels［J］.JournalofComputationalSocialScience，2024（11）：121;KrzysztofWach，etal.TheDarkSideofGenerativeArtificialIntelligence：ACriticalAnalysisofControversiesandRisksofChatGPT［J］.EntrepreneurialBusinessandEconomicsReview，2023，11（2）：730;KengBoonOoi，etal.ThePotentialofGenerativeArtificialIntelligenceAcrossDisciplines：PerspectivesandFutureDirections［J］.JournalofComputerInformationSystems，2023（10）：132.從技術本身看，人工智能生成的信息并不總是準確的，其產物的可信賴度往往存疑，仍有許多問題尚未解決；

YuanSun，EunchaeJang，FenglongMa，etal.GenerativeAIintheWild：Prospects，Challenges，andStrategies［Z/OL］.（20240403）［20240505］.http：//arxiv.org/pdf/2404.04101.從社會角度看，生成式人工智能高效的生產力和便捷性可能會加劇有害信息傳播，導致社會內部系統性偏見加深、人對技術過度依賴等問題；

DanielSchlagwein，LislieWillcocks.TheEthicsofUsing（Generative）ArtificialIntelligenceinResearchandScience［J］.JournalofInformationTechnology，2023，38（3）：232238.從法律角度看，由于生成式人工智能突出的“創造性”來源于不斷的數據分析、學習與訓練，知識產權侵犯、數據竊取以及隱私安全問題有可能隨著技術普及而泛濫成災；

DavidAtkinson，JacobMorrison.ALegalRiskTaxonomyforGenerativeArtificialIntelligence［J］.ComputersandSociety，2024（4）：128.從經濟角度看，生成式人工智能或將對勞動力市場和各行各業發展前景造成顛覆性影響，少數群體對技術的掌握、行業的數字化轉型提速或造成收入不平等和壟斷問題。特別是新技術將使數字鴻溝進一步擴大，從而加大階級壁壘、貧富差距的治理難度，影響全球的可持續發展。

NishithReddyMannuru，etal.ArtificialIntelligenceinDevelopingCountries：TheImpactofGenerativeArtificialIntelligence（AI）TechnologiesforDevelopment［EB/OL］.（20230914）［20240505］.https：//journals.sagepub.com/doi/abs/10.1177/02666669231200628？journalcode=idva.鑒于大部分國家尚未對這一新技術及其產物展開實質性、針對性回應政策，歐盟地區國家的已有規范也并未得到有效監管，

DagElgesem.TheAIActandtheRisksPosedbyGenerativeAIModels［Z/OL］.CEURWorkshopProceedings［20240210］.https：//ceurws.org/Vol3431/paper3.pdf.不少國際組織都認為需要對人工智能進行法律、倫理和安全等多層次的規范與完善。

PhilippeLorenz，etal.InitialPolicyConsiderationsforGenerativeArtificialIntelligence［J］.OECDArtificialIntelligencePapers，2023，9（1）：329.

科技突破的背后，各國政策界、學術界等專業人士對“人工智能技術破壞選舉”的擔憂和焦慮日益加劇。截至2024年4月，至少50個國家、地區或政治組織舉行了大選。

詳見：ElectionCycleTracker［EB/OL］.（20231209）［20240505］.https：//www.anchorchange.com/electioncyclecalendar.其中，美國總統大選不僅因其在國內國際政治的突出重要性而受到高度關注，也因被一些人視為是第一次“大規模使用人工智能來影響選民的選舉”而蘊含更深層的政治意義。

OlivierKnox.TheAIElectionIsHere［EB/OL］.（20231209）［20240103］.https：//www.washingtonpost.com/politics/2023/12/18/aielectionishere/&hl=zhCN&gl.美國國內諸多人士尤其擔心其政治風險，認為大語言模型介入選舉會被用以操縱、說服選民，從而對美式民主制度產生負面影響。

U.S.HouseofRepresentatives.FullCommitteeHearingArtificialIntelligence：AdvancingInnovationtowardstheNationalInterest［EB/OL］.（20230623）［20231203］.https：//www.cspan.org/video/？5281171/openaiceotestifiesartificialintelligence.部分學者認為，從技術的利用者政黨與組織層面分析，新技術的引入有利于提升政治宣傳效率和精準度；但從技術的目標主體選民層面看，人工智能能否在認知層面發揮正面作用仍處于爭論之中，

部分積極觀點見：AndreaLoreggia，NicholasMattei，Stefano?;Quintarelli.ArtificialIntelligenceResearchforFightingPoliticalPolarisation：AResearchAgenda［EB/OL］.（20210127）［20231223］.https：//www.researchgate.net/publication/348818207_Artificial_Intelligence_Research_for_Fighting_Political_Polarisation_A_Research_Agenda;JenniferAaker，etal.DesigningAIforAll：AddressingPolarizationandPoliticalAnger［EB/OL］.（20200601）［20231203］.https：//www.gsb.stanford.edu/facultyresearch/casestudies/designingaialladdressingpolarizationpoliticalanger.部分消極觀點見：PRBiju，OGayathri.SelfBreedingFakeNews：BotsandArtificialIntelligencePerpetuateSocialPolarizationinIndiasConflictZones［J］.TheInternationalJournalofInformation，Diversity，&Inclusion，2023，7（1/2）：15;PaulHenderson.SavingDemocracyintheAgeofArtificialIntelligence［EB/OL］.（20231007）［20231203］.https：//www.thepost.co.nz/a/nznews/350086451/savingdemocracyageartificialintelligence.應及時思考應對之策。一方面，部分研究者認為人工智能有利于幫助選民篩選信息，作出理性決策；另一方面，人工智能的“武器化”與惡意使用卻可能阻礙選民決策，甚至顛覆傳統的選舉制度。例如，生成式人工智能生產的內容可能放大或加劇對政治選舉進程的威脅，如制造政治爭議、煽動輿論分歧、誤導選民以及破壞選民對選舉進程的信任等。

ValerieWirtschafter.TheImpactofGenerativeAIinaGlobalElectionYear［EB/OL］.（20230130）［20240124］.https：//www.brookings.edu/articles/theimpactofgenerativeaiinaglobalelectionyear/.但在對這一負面影響的分析過程中，當前研究主要以人工智能生成和傳播“虛假信息”和“非理性信息”為切入點，闡述人工智能對選民決策的可能影響。

上述研究的局限性在于：一是虛假信息泛濫現象自選舉誕生以來就已存在，如若不厘清當前生成式人工智能與以往技術工具之間的區別，就無法解釋其在“說服”選民層面的特殊作用；二是在美國選舉政治宣傳體系中，人工智能借助信息影響選民行為的具體機理、運用場景尚未被厘清；三是對人工智能介入選舉產生負面影響的闡釋聚焦于技術層面，但在實踐中人工智能的參與已經觸及美國選舉政治中“以選民為主體”的核心原則，對美式民主治理與制度產生了更深層的沖擊。基于此，本文將以人工智能與美國選舉宣傳、選民認知的深度交互過程為切入點，力圖探析當前美國選舉過程中的新特征與新動向，并分析其對美國選舉以及未來西方代議制民主政治的影響。

一、生成式人工智能介入美國選舉宣傳的分析框架

雖然人工智能對美國政治的影響由來已久，但生成式人工智能憑借其巨大的信息生產力與創新性給全球社會帶來極大沖擊，僅推出一個月，聊天機器人ChatGPT的月用戶數就超過1億人次，成為歷史上用戶增長最快的應用程序。

SarahKreps，DougKriner.HowAIThreatensDemocracy［J］.JournalofDemocracy，2023，34（4）：520.包括印度、巴基斯坦、巴西等國家在內，生成式人工智能逐漸開始對選舉進行深度的滲透甚至改造，人工智能選舉的新紀元似乎已悄然到來。借助信息、認知等選舉宣傳中的核心要素，生成式人工智能已嵌入美國選舉之中，與政治傳播模式的演進趨勢深度綁定。

（一）美國選舉宣傳的系統框架：信息、選民認知與行為

美國選舉政治中，說服選民是選舉宣傳活動的本質性需求。候選人和政黨在選舉前一段時間內以贏得選民支持為目的而進行的競爭性行為即為“競選活動”（electioncampaign）。

詳見：PersuadingVoters：PoliticalCampaigns［EB/OL］.（20230314）［20231204］.https：//www.loc.gov/classroommaterials/elections/presidentialelectionprocess/persuadingvoterspoliticalcampaigns/.因此，說服選民的過程可被看作是選民對特定政治宣傳內容的系統處理過程。在這一流程中，輸入端為由多元主體投放在輿論場域中的“信息”。信息是美式民主政治的重要基礎，向公民提供信息的內容和數量決定公民廣泛的政治認知，包括政治家的態度、投票選擇與政策評價等。

KonstantinVssing，TillWeber.InformationBehaviorandPoliticalPreferences［J］.BritishJournalofPoliticalScience，2019，5（2）：532533.對信息的處理系統則為“選民認知”，輸出結果則是選民的選舉與投票行為。在政治宣傳中，候選人、政黨或社會團體將利用不同的媒介與方式接觸選民，輸出以價值觀、政策導向與黨派立場等為主要內容的信息，并利用競選策略對信息受眾產生影響，說服選民信服某一立場與傾向，并據此偏好投票。但選民認知往往涵蓋著非指向性的處理，不同類型、目標的信息的輸入，往往會對選民的政治認知產生不同的影響和結果。

SebastianAdrianPopa，etal.InformingthePublic：HowPartyCommunicationBuildsOpportunityStructures［J］.PoliticalCommunication，2020，37（3）：329349;MichaelScharkow，etal.HowSocialNetworkSitesandOtherOnlineIntermediariesIncreaseExposuretoNews［J］.ProceedingsoftheNationalAcademyofSciences，2020，117（6）：27612763.

在經典政治傳播理論中，選舉宣傳的輸入端常有多個主體，選舉宣傳被視為由政黨、組織、媒體、公民等主體依照規則而展開的旨在擴大影響力的傳播過程。

DominiqueWolton.PoliticalCommunication：TheConstructionofaModel［J］.EuropeanJournalofCommunication，1990，5（1）：928.由于政府、政黨等部分主體在這一生態中的特殊地位與傳播優勢，美國政治中政黨等主體與選民之間的政治溝通并不依照平等對話的平行模式進行，選舉宣傳內容往往呈現垂直性流動。進入21世紀后，數字技術與社交媒體的勃興改變了傳統政治信息生產、分配與消費的舊有模式，打破了選民單方面被政治信息“灌輸”的困境。

YannisTheocharis，AndreasJungherr.ComputationalSocialScienceandtheStudyofPoliticalCommunication［J］.PoliticalCommunication，2021，38（12）：122.一方面，政治宣傳的來源不斷多元化，一定程度上擺脫了強政治色彩，信息與選民自主認知的重要性不斷提升；另一方面，政治傳播從固定的運行模式轉變為嘈雜的互動場域，虛假信息的泛濫以及信息繭房、回音壁效應等新問題也不斷涌現。

PauloCarlosLópezLópez，etal.ResearchonDigitalPoliticalCommunication：ElectoralCampaigns，Disinformation，andArtificialIntelligence［J］.Societies，2023，13（5）：126.

（二）生成式人工智能如何革新美國選舉信息生態

人工智能是一個總括性術語，依據聯合國教科文組織世界科學知識與技術倫理委員會（COMEST）定義，人工智能即為“能夠模仿包括感知、學習、推理、解決問題、語言交互等人類智慧功能的技術與系統等”。

XianhongHu，etal.SteeringAIandAdvancedICTsforKnowledgeSocieties：ARights，Openness，Access，andMultiStakeholderPerspective［EB/OL］.（20191101）［20240103］.https：//unesdoc.unesco.org/ark：/48223/pf0000372132.通過獲取數據和處理信息，人工智能可以自主決定采取最佳行動以實現目標訴求。這一龐大術語內部涵蓋各種技術子領域，例如專注于開發可以從數據中學習并得出預測性規律算法的機器學習（machinelearning）、使用模擬人工神經網絡像人一樣處理數據的深度學習（deeplearning）等。美國選舉中頻繁出現的“社交媒體機器人”便是基于深度學習的產物。

自ChatGPT發布以來，多個能夠生成文本、圖像和聲音的生成式人工智能解決方案已在全社會范圍實現普及。生成式人工智能系統通常在大型語言模型上進行訓練，使用深度學習算法進行機器學習。與以往專注于執行特定任務的人工智能不同，生成式人工智能實現了“創新”，能夠模仿人類進行創造性工作，無需遵循明確指令即可從數據模式中得出推論。由于其創造力和開放使用下的“易得性”，生成式人工智能被視為當前最具顛覆性的人工智能形式。依據生成內容的不同，其可以分為文本、視頻、音頻、圖像等多種類型。

與傳統人工智能協同工作，生成式人工智能為競選活動提供了更強大的解決方案。具體看，生成式人工智能給美國選舉宣傳帶來了如下新特征。

一是宣傳信息生成自動化，成本大幅降低，信息傳播效果大大提升。相較于以往昂貴而困難的高端人工智能系統與技術，當前得到市場化應用的生成式人工智能大幅降低選舉技術的使用成本，選舉的多個環節不再受到專業知識的嚴苛限制。相關研究顯示，一個生成可用文本的人工智能模型每生產1000萬個帖子，可以比組織專業人工編寫新聞節省300萬美元。

MicahMusser.HowMuchMoneyCouldLargeLanguageModelsSavePropagandists？［EB/OL］.（20230823）［20231203］.https：//cset.georgetown.edu/article/howmuchmoneycouldlargelanguagemodelssavepropagandists/.此外，生成式人工智能還超越以往大數據技術等被動分析方式的局限性，使任何使用者都能主動創建所需文本、圖像和視頻，諸如電子投票選舉系統等人工智能技術與數字基建被規模性部署，使選舉活動的各個階段對人工操作的依賴大大降低，邁入自動化時代。

JessicaHeesen，ChristophBieber，ArminGrunwald，etal.AISystemsandtheIndividualElectoralDecision［EB/OL］.（20210921）［20231202］.https：//www.plattformlernendesysteme.de/publicationsdetails/aisystemsandtheindividualelectoraldecision.html.更重要的是，大語言模型技術的進步讓人工智能不再局限于以往網絡機器人生成信息中的拙劣“演技”，減少語法、語氣或語序錯誤，更加接近真人，傳遞內容的可信度顯著提升。

二是選舉信息動員群體目標微觀化、精確化。美國政治宣傳方式經歷多個階段的迭代與更新。在早期美國選舉動員實踐中，選民被作為一個沒有區分的整體目標，宣傳策略與手段并未出現明顯差異。隨著時代與技術的進步，性別、種族、社會階層、地理位置等劃分方式不斷涌現，政治動員的選民目標逐漸立體與多元。2012年在美國前總統奧巴馬的競選活動中，在大數據技術對選民信息處理的幫助下，“基于微觀目標”的選舉策略得到有效應用。生成式人工智能的應用不僅能夠沿襲以往技術分析的效率與準確度，更能深度習得單一選民的政治偏好，使選舉策略針對的選民目標從群體精確到個人。

劉亞瓊.大數據時代美國政治宣傳的特點及其啟示［J］.新聞知識，2020（12）：1516.在印度選舉中，生成式人工智能的相關產出不僅能精確定位受眾目標，而且還能深度分析選民獨特的心理和行為特征。在技術的作用下，世界各地的競選模式都發生了變化，人工智能和機器學習在傳統的競選方式中逐漸占據了主導地位。

三是信息過程治理“有機化”，監管難度增加。生成式人工智能的介入使得競選活動從相對簡單的“無機”活動演變為將協調的人類用戶和人工智能軟件相結合的、更復雜的“半有機”活動。

SamuelWoolley.DigitalPropaganda：ThePowerofInfluencers［J］.JournalofDemocracy，2022，33（3）：114115.一方面，競選活動參與者與從業者在管理信息與選民的同時，還需要對人工智能與選民需求、認知層面的適配性與融合度進行調試。生成式人工智能甚至已逐漸在選民心中獲得“專業權威”。

支振鋒.生成式人工智能大模型的信息內容治理［J］.政法論壇，2023（4）：4142.這一新治理趨勢的出現也為美國當前國內選民信息素養教育、輿情風險測評等多個領域提供了新的延伸要求。另一方面，競選場域中的介入主體不斷增加。除傳統的媒體、政黨、選民等行為者外，新成員的加入也帶來不同層面的矛盾。諸如臉書（Facebook）等社交平臺運營商部署人工智能的目的并不是塑造民主輿論、維護公平秩序，而是通過數據收集和個性化廣告來獲取商業利益，擁有信息集中權的科技公司，甚至生成式人工智能本身，都將成為重要的政治博弈參與者和制衡方。

（三）生成式人工智能挑戰選民信息認知

諾貝爾經濟學獎獲得者丹尼爾·卡尼曼（DanielKahneman）在《思考，快與慢》（Thinking，FastandSlow）一書中提出對現代人類思維認知模式的經典剖析，即人的思維是由快慢兩個系統構建的。快思考系統作出被動反應，負責處理生活中的常態與符合認知的信息觀點，在為個人直覺性的決策提供幫助的同時，實現對個人既定世界觀與思維路徑的維護。慢速反應系統則是作出主動處理，負責處理超出經驗舒適區的信息與困難復雜的學習、認知任務。

［美］丹尼爾·卡尼曼.思考，快與慢［M］.胡曉姣，譯.北京：中信出版社，2012：8.實際上，在選舉中，選民認知同樣由兩種系統模式構成。一方面，信息認知過程往往基于群體性的黨派立場而自動產生，在過往研究中被“黨派死忠”（partisanintoxication）或“選擇性接觸”（selectiveexposure）等理論具象化解釋，

AustinHegland，atel.APartisanPandemic：HowCOVID19WasPrimedforPolarization［J］.TheANNALSoftheAmericanAcademyofPoliticalandSocialScience，2022，700（1）：5572；MatthewGraham，ShikharSingh.AnOutbreakofSelectiveAttribution：PartisanshipandBlameintheCOVID19Pandemic［J］.AmericanPoliticalScienceReview，2024，118（1）：423441.例如共和黨保守派選民會基于共和黨黨派價值觀而接受“小政府主義”改革的信息。在一般情況下，即便民主黨減少政府干預，也很難改變選民對共和黨這一保守價值倡導的依賴。但另一方面，選民兼具“貝葉斯模式”思維，

DavidBroockman，JoshuaKalla.WhenandWhyAreCampaignsPersuasiveEffectsSmall？Evidencefromthe2020USPresidentialElection［J］.AmericanJournalofPoliticalScience，2023，67（4）：833849.即在觀察到某些特定的信息或政策后，選民有可能將其整合至內在思維中，更新自己對這個世界的認知與理解，調整“根深蒂固”的固有政治思維與決策判斷模式，修正直覺型的偏差，使其成為某一黨派、某一候選人、某一議題中的“搖擺選民”（swingvoter）甚至發生“黨派叛逃”（partisandefection），這一情況下，政策投票（policyvoting）常成為分析焦點。

上述兩種過程在選民的認知結果中往往同時存在，同步運行。

AnthonyFowler.PartisanIntoxicationorPolicyVoting？［J］.QuarterlyJournalofPoliticalScience，2020，15（2）：141179;StevenRogers.Soberingupafter“PartisanIntoxicationorPolicyVoting？”［J］.QuarterlyJournalofPoliticalScience，2020，15（2）：181212.在這一研究框架之下，借助生成式人工智能就選民認知選舉信息的過程的認知與模擬，美國政治內部的不同主體能夠精準生成與“投遞”選舉宣傳信息，對選民投票傾向進行分析。最終選民展示出的投票傾向經過處理與分析，又會成為未來生成選舉信息產出的重要指導，以往研究已展現和論證了人工智能影響選民政治觀念的特殊性與有效性。

HuiBai，etal.ArtificialIntelligenceCanPersuadeHumansonPoliticalIssues［EB/OL］.（20230205）［20231204］.https：//osf.io/stakv/.人工智能正在利用上述選民認知思維不斷改進自身演進局限，模擬人類思考。

PaulWalton.ArtificialIntelligenceandtheLimitationsofInformation［J］.Information，2018，9（12）：332.神經科學家甚至試圖將人工智能視作改進人類認知的“第三系統”，重新找到人類與人工智能博弈的平衡點。

AdamDahlgrenLindstrm，WendyEMackay，VirginiaDignum.ThinkingFastandSlowinHumanCenteredAI［EB/OL］.（20221105）［20231204］.https：//inria.hal.science/hal03991946v1/file/thinking_fast_slow_ai.pdf.基于這一基本原理和技術演進趨勢，生成式人工智能對選民認知干預后達成的效果有兩種。

一是“強化”效果。生成式人工智能將強化針對性選舉宣傳的效果，鞏固選民已有的政治立場和觀點，使選民對自己的黨派歸屬更加“忠誠”。一方面，在生成式人工智能全自動的海量信息傳播之下，相關黨派或組織的宣傳力度都將大幅增強。民主黨方面早在2023年就已嘗試使用人工智能起草相關籌款郵件信息，結果顯示，在鼓勵選民參與和捐贈方面，不僅機器的寫作速度更快，人工智能編寫的宣傳語甚至比由人工編寫的文案更能吸引捐助者“慷慨解囊”。

ShaneGoldmacher.ACampaignAideDidntWriteThatEmail.A.I.Did［EB/OL］.（201903 28）［20231223］.https：//www.nytimes.com/2023/03/28/us/politics/artificialintelligence2024campaigns.html.借助競選數字基礎設施的部署，由民主黨資助的“SterlingData”等科技公司已使用人工智能幫助一千多個競選委員會與競選活動精簡選民數據收集流程。此外，部分共和黨候選人也積極利用人工智能拉近與選民之間的關系，借助“政客聊天機器人”

2024年美國總統大選參選人阿薩·哈欽森（AsaHutchinson）及其團隊開發了一個基于自身價值觀與政策倡導而塑造的人工智能聊天機器人，選民能夠直接通過相關系統進行線上問答。詳見：https：//askasa.us/.此外，弗朗西斯·蘇亞雷斯（FrancisSuarez）等參選人也創建了自己的人工智能聊天機器人。等實現與選民的零距離、快速與高效溝通。另一方面，信息的泛濫和偏見的擴大可能會加劇選民“極端”傾向，加劇美國政治極化。相關測試結果顯示，ChatGPT等人工智能系統自身普遍存在潛在的意識形態偏見、黨派偏見。

新西蘭學者大衛·羅扎多（DavidRozado）對2023年1月9日發布版本的ChatGPT進行了15項政治傾向測試，以監測其是否帶有政治立場。在15個政治傾向測試中，ChatGPT的14個回答都被認為具有左翼意識形態特點，甚至可能對部分人口種族群體存在偏見。詳見：DavidRozado.DangerintheMachine：ThePerilsofPoliticalandDemographicBiasesEmbeddedinAISystems［EB/OL］.（20230314）［20231204］.https：//media4.manhattaninstitute.org/sites/default/files/theperilsofpoliticalanddemographicbiasesembeddedinaisystems.pdf.對當前市場上普及的24種基于大語言模型的生成式人工智能的分析調查顯示，大多數系統都在政治上傾向于中間偏左的自由主義立場，保守主義言論往往較少被呈現在產出中。詳見：HowA.I.ChatbotsBecomePolitical［EB/OL］.（20240328）［20240504］.https：//www.nytimes.com/interactive/2024/03/28/opinion/aipoliticalbias.html.隨著信息生產數量的增加，人工智能意識形態偏見將持續擴大。詳見：EmilioFerrara.FairnessandBiasinArtificialIntelligence：ABriefSurveyofSources，Impacts，andMitigationStrategies［J］.Sci，2024，6（1）：3.未來幾年內，互聯網上多達90%的內容可能都將由人工智能生成。隨著這些工具的激增和更大范圍的普及，它們反映的偏見不僅會進一步加劇族裔、宗教等刻板印象，還可能導致群體在政治上的失語及不公平對待。

Europol.FacingReality？LawEnforcementandtheChallengeofDeepfakes：AnObservatoryReportfromtheEuropolInnovationLab［R］.PublicationsOfficeoftheEuropeanUnion，Luxembourg，2024：123.

二是“動搖”效果。生成式人工智能通過精準定位，把控選舉宣傳信息的輸入，動搖選民已有信念，甚至使選民發生“黨派叛逃”，扭轉自身投票傾向。例如，對猶豫不決的年輕選民群體而言，輸入對當前政府管理績效的負面信息將可能導致其投票傾向發生改變。

BrunoCarvalho，etal.Information，Perceptions，andElectoralBehaviourofYoungVoters：ARandomisedControlledExperiment［J］.ElectoralStudies，2023，84（8）：102.2024年3月在美國的6個關鍵搖擺州中進行的民調顯示，有71%的非裔選民表示將會投票給拜登，這一結果與2020年大選相比大幅下降了21%。同時，針對非裔選民（特別是年輕選民）的虛假政治信息傳播活動也隨著選舉的臨近而愈演愈烈。相關組織調查發現，眾多共和黨內特朗普的支持者及組織正利用人工智能生成的非裔選民虛假圖像宣傳特朗普與非裔之間的“緊密聯系”，以鼓勵非裔美國人投票給共和黨。

MariannaSpring.TrumpSupportersTargetBlackVoterswithFakedAIImages［EB/OL］.（20240404）［20240502］.https：//www.bbc.com/news/world uscanada68440150.但這種動搖不僅有可能造成對黨派或政策的不信任，也可能會導致對選舉系統的不信任甚至冷漠。

上述兩種既定效果既包括正向的宣傳效果，有望幫助選民更好地作出投票決策，也存在被利用的潛在風險，引發美國國內的普遍不安。“組織是否能夠利用‘ChatGPT’等人工智能語言模型來誘導選民，從而使其以特定方式作出選擇？”2023年5月16日，美國國會參議員喬什·霍利（JoshHawley）在參議院人工智能聽證會上向OpenAI首席執行官薩姆·奧爾特曼（SamAltman）提出了這一問題。奧爾特曼本人的回答似乎也證實了人工智能存在介入美國選舉的潛在路徑與風險，即“利用大語言模型來操縱、與選民進行一對一的交互并說服、影響選民這一情況的確值得關注”。

OpenAICEOTestifiesonArtificialIntelligence［EB/OL］.（20230516）［20231204］.https：//www.cspan.org/video/？5281171/openaiceotestifiesartificialintelligence.

二、生成式人工智能的宣傳濫用可能導致的場景

2023年年初至2024年3月底，美國各州已出臺了高達101項針對人工智能和選舉虛假信息的法案，各大科技公司與社交媒體平臺也爭相出臺自我監管規范，防范生成式人工智能給美國選舉安全帶來威脅。但截至目前，生成式人工智能的濫用甚至“武器化”運用并未能得到根本性遏制，隨著大選在全國范圍內的開展，更多風險逐漸浮出水面。2024年年初，部分新罕布什爾州選民甚至收到了人工智能生成的拜登語音電話，告訴他們不要在該州初選中投票。

事件詳情可見：KevinCollier，ScottWong.FakeBidenRobocallTellingDemocratsNottoVoteIsLikelyanAIGeneratedDeepfake［EB/OL］.（20231101）［20231128］.https：//www.nbcnews.com/tech/misinformation/joebidennewhampshirerobocallfakevoicedeepaiprimaryrcna135120.隨后一位政治活動家發言聲稱對這一行為負責，并表示此行為并非意在擾亂選舉，而是為了提升公民對生成性人工智能的警惕性。詳見：PoliticalConsultantbehindFakeBidenRobocallsSaysHeWasTryingtoHighlightaNeedforAIRules［EB/OL］.（20240227）［20240504］.https：//apnews.com/article/airobocallbidennewhampshireprimary2024f94aa2d7f835ccc3cc254a90cd481a99.

基于前述宣傳效果可知，生成式人工智能可能會帶來強化與動搖兩種宣傳效果。在美國國內極化嚴重的情況下，

王浩.當代美國的政黨政治極化：動因、走向與影響［J］.美國問題研究，2020（2）：170203+209210.兩黨宣傳對象選民可大致被劃分為堅定的共和黨、民主黨選民及易動搖的溫和派、獨立派選民。對于堅定自身黨派立場的選民而言，利用強化效果濫用生成式人工智能或將導致“煽動”與“誤導”的場景；對于搖擺中的選民而言，對“動搖”效果的濫用則有可能帶來“干擾”甚至“冷漠”的場景，對未來美國政治競選活動造成不利影響。

（一）煽動場景：“鈣化”極端選民固有偏見，煽動對立與極化

在大數據和機器學習輔助下，兩黨或相關選舉組織或各自利用人工智能產品或技術，對選民按照“易受影響程度”而劃分類型，并定制不同信息，或將準確調控部分易受影響的選民群體，利用生成式人工智能實現信息點對點的精準投遞。

EliPariser.TheFilterBubble：HowtheNewPersonalizedWebIsChangingWhatWeReadandHowWeThink［M］.NewYork：PenguinBooks，2012：66.一方面，相關良性信息有可能更好地詮釋候選人的政策與政治傾向，加強部分選民與自身黨派之間的信任度與歸屬感，最終提升其對該政黨候選人的忠誠度；但另一方面，利用仇恨、陰謀論、情緒等因素，生成式人工智能打造的部分信息或將導致極化群體之間的分歧加劇，加深選民對政策與黨派立場的偏見程度，甚至導致選民觀點的“鈣化”，助長極端主義的回歸。研究表明，人工智能的算法系統可能會加劇種族主義、階級歧視、性別歧視的傳播。

JavierTorregrosa，etal.ASurveyonExtremismAnalysisUsingNaturalLanguageProcessing：Definitions，LiteratureReview，TrendsandChallenges［J］.JournalofAmbientIntelligenceandHumanizedComputing，2022（14）：98699905.而如果說極化意味著選民政治意識分界線的清晰和固化，選民“政治鈣化”的轉變則意味著政治壁壘的鑄就，不同觀點的互構、陣營的轉換將越來越罕見。

蘇楊帆.解讀特朗普被控34項重罪仍未影響選情？專家：美國政治“鈣化”［EB/OL］.（20230405）［20240505］.https：//www.thepaper.cn/newsDetail_forward_22585098.部分白人至上主義者、極右翼群體已經開始嘗試改造生成式人工智能系統傳播不實的動員性信息。

LiramKoblentzStenzler，UriKlempner.NavigatingExtremismintheEraofArtificialIntelligence［R］. FarRightExtremism，2023：419.如若傳播更多基于美國大選“不公平”、結果“被竊取”的煽動性信息，或將助長極端群體對美國政治、經濟、外交等政策的不滿與排斥，甚至引發新的“國會山事件”，加劇美國政治的動蕩風險。

“煽動”似乎已成為美國選舉宣傳生態的常態。即便不考慮技術介入，西方代議制民主已經展現出從“說服”選民向“塑造”選民轉變的趨勢，

李猛.從說服選民到塑造選民：特朗普“推特選舉”的政治心理基礎［J］.國際論壇，2017（4）：67.即不再試圖向選民證明自身政策、立場的合理性與優異性，而只專注于如何利用輿論技術等工具塑造獨屬于自身黨派的、堅定不移的理想選民。生成式人工智能優越的宣傳效果或將催化與加速煽動的作用功率，為兩黨擁有“理想選民”“極端忠誠選民”提供更多現實助力。根據美國布朗大學經濟學家2020年進行的一項研究，美國政治兩極分化的速度比大多數其他主要西式民主國家都要快。

LeviBoxell，MatthewGentzkow，JesseShapiro.CrossCountryTrendsinAffectivePolarization［J］.ReviewofEconomicsandStatistics，2024，106（2）：557565.在本就存在巨大分歧的選民認知內部，攜帶意識形態偏見的生成式人工智能的介入會使美國政治生態遭遇更大范圍的技術性割裂，甚至帶來政治暴動等危機。2023年，美國前總統唐納德·特朗普史無前例地卷入司法風波，面臨多項刑事、民事起訴。在紐約曼哈頓就特朗普“封口費”案件開庭前，有關特朗普在街頭與警察搏斗、被關入監獄等生成式人工智能創作的相關圖片、視頻在互聯網上廣泛傳播，引發民眾高度關注與高頻率互動。諸如攻擊美國司法系統等的極端言論也在互聯網上不斷涌現，并引發了對法院甚至聯邦調查局的襲擊事件。

（二）誤導場景：誘發“脆弱選民”認知偏差，造成誤導與欺騙

目前，生成式人工智能可以產出比以往更逼真的偽造信息，諸如聲音克隆、圖像合成等內容的“深度偽造”（deepfake）已成為人工智能“武器庫”中最受矚目的產品，能夠大大提高誘發認知偏差的可能性。

JaredMondschein，ChristopherJosephDoss，ConradTucker，etal.AmericaMayNotBeReadyfortheLoomingTsunamiofDeepfakes［EB/OL］.（20231101）［20231128］.https：//www.rand.org/blog/2022/11/americamaynotbereadyfortheloomingtsunami.html.因此，“脆弱選民”成為此輪生成式人工智能發展的核心潛在“受害者”。脆弱選民即信息素養較低、對技術生成內容識別能力低下的選民群體，例如部分老年選民與受教育程度低的少數族裔選民。借助技術性偽造，人工智能虛假生成與移民、經濟、墮胎、種族等關鍵選舉議題相關的信息，甚至調節其中的情緒濃度，激化政治不滿，說服脆弱選民信服某一政黨、某一流派、某一組織倡導的政策觀點，從而影響其對選舉決策的理性認知。

但就現實層面看，生成式人工智能的更新迭代實際上也使得“非脆弱選民”面臨識別信息的困難。美國蘭德公司的實驗研究顯示，選民大眾很難區分生成式人工智能深度偽造的視頻和真實的視頻，即使將實驗群體限定為頂尖工程大學計算機科學專業的學生，仍有20%左右的受試者無法識別。2023年芝加哥市長選舉前夕，一段“民主黨候選人保羅·瓦拉斯（PaulVallas）支持警察濫用職權”的視頻在社交媒體中廣泛傳播。

MeganHickey.VallasCampaignCondemnsDeepfakeVideoPostedtoTwitter［EB/OL］.（20230227）［20231130］.https：//www.cbsnews.com/chicago/news/vallascampaigndeepfakevideo/.在視頻中，瓦拉斯聲稱“在我的年代，哪怕警察殺死十七八個人，人們也無動于衷”。視頻廣泛傳播后，瓦拉斯第一時間在社交媒體上澄清，但在隨后的選舉中，瓦拉斯最終落敗。雖然很難判斷此次事件與選舉結果之間的直接因果關系，但類似的高度仿真且快速傳播的虛假信息可能會誘發選民對于某一候選人的認知偏差。由于先入為主的認知慣性，這一負面形象似乎已被確立，后續涉及警察改革等議題的效力也依舊可能會遭到選民的質疑。

（三）干擾場景：擾亂選民決策信息，惡化選舉互動生態

在將要到來的人工智能、黨派與選民之間的信息認知混戰中，即便選民投票、議題偏好并未受到煽動或誤導，對于單一個體而言，人工智能對選舉信息的調控也從實際層面增加了自主決策的難度，使最終投票結果無法反映本人最真實的訴求和意圖。由于生成式人工智能的介入，近一半的美國人表示極其或非常擔心新聞機構會在選舉期間濫用人工智能技術，報道不準確信息或錯誤信息，產生誤導效果。

HalfofUSAdultsMistrustMediaCoverageof2024Elections，APollFinds［EB/OL］.（20240502）［20240503］.https：//apnews.com/video/unitedstatesgovernmentmisinformationdistrictofcolumbiadonaldtrumpdomesticnews59f5ca2ecaba4fce8bc8bbd5bd6052f3.

生成式人工智能讓欺騙性信息和非真實信息的數量在美國輿論場中呈指數級增長，選民難以識別并準確獲取真實信息。如若人工智能生成錯誤的投票時間、地點等信息，將很有可能導致大量選民無法及時到達投票站。正如英國國家網絡安全中心在報告中所言，大型語言模型幾乎肯定會被用來生成欺騙性內容，人工智能創建的超仿真機器人將使虛假信息傳播變得更容易，操縱媒體用于深度偽造活動的技術手段也有可能更先進。

CDavid，JPaul.ChatGPTandLargeLanguageModels：WhatstheRisk？［EB/OL］.（20230314）［20240130］.https：//www.ncsc.gov.uk/blogpost/chatgptandlargelanguagemodelswhatstherisk.事實上，生成式人工智能的虛假信息已經擾亂了諸如土耳其、斯洛伐克和阿根廷等諸多國家的選舉信息生態系統，引發安全部門的高度關注。

AdamKuckuk.ChallengesAheadforLawmakersSeekingtoLegislateAIinCampaigns［EB/OL］.（20230204）［20240103］.https：//www.ncsl.org/statelegislaturesnews/details/challengesaheadforlawmakersseekingtolegislateaiincampaigns;JenEasterly，ScottSchwab，CaitConley.ArtificialIntelligencesThreattoDemocracy［EB/OL］.（20230204）［20240103］.https：//www.foreignaffairs.com/unitedstates/artificialintelligencesthreatdemocracy.隨著美國總統大選局勢升溫，越來越多的選民開始受到生成式人工智能產物的干擾，僅2023年下半年，美國在線平臺中由人工智能生成的虛假信息增加了近1000%。

PranshuVerma.TheRiseofAIFakeNewsIsCreatinga“MisinformationSuperspreader”［EB/OL］.（20231217）［20240403］.https：//www.washingtonpost.com/technology/2023/12/17/aifakenewsmisinformation/.從新生潮流到技術海嘯，生成式人工智能的信息已經開始具備影響美國選舉輿論的走向甚至結果的強大作用力。

（四）冷漠場景：削弱整體選舉可信度，加劇選舉不確定性

在美國當前深度極化的政治背景中，最壞的結果或許并不是社會可預見的意見分裂，而是人工智能與人的主體性、人工智能與選舉制度之間的“民主性矛盾”帶來的對政治更深層次的負面沖擊。相關民調顯示，近一半美國人認為人工智能傳播的錯誤信息會影響2024年大選結果，其中近三分之一的人表示，由于人工智能的存在和參與，他們將不再那么信任大選結果。

RyanHeath.AmericansBelieveAIWillHarmElections，PollFinds［EB/OL］.（20230911）［20241130］.https：//www.axios.com/2023/09/11/pollaielectionsaxiosmorningconsult.當被問及2024年美國總統候選人以某種方式使用生成式人工智能是好事還是壞事時，接受調查的絕大多數人都認為利用人工智能生成政治廣告、創建虛假或誤導性內容信息對選民而言并無益處。突飛猛進的技術發展或許將沖擊美國政治制度和治理體系，造成選民的政治冷漠以及對美國選舉合法性的廣泛質疑，造成更嚴重的后果。

但當前美國政府層面的強制監管面臨一定困境。2023年10月20日，美國最高法院宣布暫停對白宮及聯邦官員與社交媒體平臺接觸并審查互聯網信息的限制禁令。此前密蘇里州、路易斯安那州共和黨總檢察長和部分社交媒體用戶曾聯合起訴聯邦官員，指控拜登政府與人工智能算法公司“勾連”，開展非法審查行動，壓制主要社交媒體平臺上的保守傾向言論。該案件在2024年年初引發了最高法院大法官的辯論，并于2024年大選前作出裁決。此案審理過程或將對正在進行的地方初選產生重要影響，裁決結果甚至可能導致涉及科技公司、言論自由方面的議題成為決定總統大選勝負的關鍵議題，深刻影響競選輿論戰場的走勢。

三、“人的缺失”：生成式人工智能與美國選舉“民主”治理的新風險

就當前趨勢而言，上述四種情景可能會在未來美國選舉中并行出現，深入選舉參與的各個環節。生成式人工智能這一數字技術及其產品崛起的背后，除了對輿論場和選舉造成干擾，也使美國政府治理或社會秩序的運行面臨新模式的沖擊。

王中原.“無代表，不算法”：算法統治的政治代表性問題［J］.探索與爭鳴，2022（11）：162172.誠然，人工智能技術因其先進性與賦予政府自我革新的強大效能，推動了社會管理模式的創新，提升了人類社會中規則、模式運行的效率，但由于生成式人工智能對選舉的嵌入甚至鉗制逐步加深，技術濫用對美國選民認知帶來的煽動、誤導、干擾及冷漠等場景的負面效應也實際消解了選民在選舉制度中的核心地位。美國政治圍繞著天賦人權的基礎性前提展開，追求通過選舉構筑“民有、民治、民享”的政府。然而，技術損害選民權利、裹挾選民思維的可能性使選舉中“人”的安全性、代表性與主體性受到損傷，將導致西式民主選舉引以為傲的所謂“人文主義”面臨多維度的殘酷沖擊。

（一）安全性缺失：美國選舉生態脆弱性加劇

一是當前美式民主選舉博弈已部分轉化成為算法權力博弈。在人工智能愈發普及的背景下，任何政黨與組織都能夠利用人工智能影響選民認知。這也意味著，決定民主黨與共和黨之間勝負的或許并不一定是經濟議題抑或是墮胎議題的迥異立場，也并非特朗普與拜登之間“極端”與“溫和”的政治形象差異，而是兩黨間人工智能“武器”的力量懸殊與選民信息素養的水平差距。未來選民在投出選票時，選擇的或將更多是由人工智能編寫和演繹的政策和意識形態，而不是具體的政治領導人和政策。從這一層面看，“贏得”選舉的將是機器與人工智能而不再是候選人。盡管美國民主選舉中諸如選民登記、政治宣傳、競選辯論、投票和計票的每一個流程都依舊會按部就班地上演，但流淌在這一進程中的字節與算法選舉或許將徹底改寫西式選舉的“民主性”。基于技術在選舉中的地位驟然上升，2024年美國大選日來臨之前，極化與人工智能干預的重疊效應或將帶來更多負面沖擊。

一是傳播虛假信息破壞選舉結果、阻止公民投票的現象或將不斷涌現，破壞選民對選舉信息與制度的信任度。當前西方的監管水平落后于技術發展速度。歐盟《通用數據保護條例》向歐盟公民承諾將保護選民免受自動化系統的干擾，

TheGeneralDataProtectionRegulation［EB/OL］.（20220901）［20231130］.https：//www.consilium.europa.eu/en/policies/dataprotection/dataprotectionregulation/.但上述舉措到底在多大程度上能夠導致算法問責制和透明度的政策落地，仍受到廣泛質疑。美國國內仍缺乏對人工智能系統的明確技術規定與防范濫用的選舉保障措施，不過其相關管理已出現一定進展。在行政與立法層面，2022年中期選舉前，美國國防部推出相關舉措以提升人工智能技術使用的安全性和公平性。

FACTSHEET：BidenHarrisAdministrationReleasesAgencyEquityActionPlanstoAdvanceEquityandRacialJusticeacrosstheFederalGovernment［EB/OL］.（20220414）［20231204］.https：//www.whitehouse.gov/briefingroom/statementsreleases/2022/04/14/factsheetbidenharrisadministrationreleasesagencyequityactionplanstoadvanceequityandracial justiceacrossthefederalgovernment/.2023年10月30日，拜登簽發長達63頁的行政令，確定在美國政府采用、管理和使用人工智能的路徑。

FACTSHEET：PresidentBidenIssuesExecutiveOrderonSafe，Secure，andTrustworthyArtificialIntelligence［EB/OL］.（20231030）［20231129］.https：//www.whitehouse.gov/briefingroom/statementsreleases/2023/10/30/factsheetpresidentbidenissuesexecutiveorderonsafesecureandtrustworthyartificialintelligence/.在司法層面，對利用技術操縱選舉等行為的判罰也正在增加。

LaurenSforza.SocialMediaInfluencerChargedwithElectionInterferencein2016SentencedtoPrison［EB/OL］.（20231018）［20231204］.https：//thehill.com/regulation/courtbattles/4263396electioninterference2016socialmediainfluencersentencedprison/.在科技公司層面，諸如Meta等公司也出臺規定，將禁止政治競選活動和其他關鍵行業使用其生成式人工智能生產廣告產品。

KatiePaul.MetaBarsPoliticalAdvertisersfromUsingGenerativeAIAdsTools［EB/OL］.（20231108）［20231229］.https：//www.reuters.com/technology/metabarpoliticaladvertisersusinggenerativeaiadstools20231106/.人工智能對選舉政治的直接沖擊在于其對政府維系選舉合法性與安全性的考驗，未來美國政府的算法治理策略將影響美國選舉的前景軌跡。

二是由于規模較小的地方性選舉更有可能受政治廣告的影響，針對基層選舉工作人員和官員的騷擾、恐嚇和人身暴力等突發性干擾將會增多，網絡等選舉基礎設施將成為被破壞的首要對象。生成式人工智能構筑的虛假選民意見的大量涌入，將加劇美國地方選舉辦公室處理相關信息的資金、資源困境。

AmisaRatliff，MichaelBeckel.3ExistentialThreatstoOurElections［EB/OL］.（20220406）［20231204］.https：//issueone.org/articles/3electionthreats/.當前美國國內政治的高度極化也造成政黨內部的派系分野博弈，人工智能的介入將加劇這種撕裂和對立。在美國眾議院議長凱文·麥卡錫（KevinMcCarthy）被罷免后，共和黨在眾議院舉行多輪投票都未能就新議長人選達成一致，許多官員受到使用合成語音的電話恐嚇與暴力威脅。未來，若人工智能繼續對選舉進行“有意識”或“無目的”的引導，導致選民對制度的不信任感甚至憤怒感提升，那么諸如“國會山騷亂”之類的政治行動或將在地方、聯邦等街頭重演，給美國選舉帶來更多隱憂。

三是維護選民隱私信息、保護“技術脆弱選民”、提升選民媒介和技術素養將成為當務之急。2023年9月底美國《華爾街日報》發布的民調顯示，除已有明確意向的選民外，大約26%的選民仍未作出決定。這一群體的信息認知或將直接決定未來選舉情勢。在當前的政治生態中，美國某些搖擺州少數選民的動搖或意見分歧對大選結果有著巨大影響，這意味著針對這一人群的宣傳行動可能會產生全國性的影響。此前曾有相關組織利用人工智能撥打電話，有針對性地對邊緣化社區的選民進行威脅與誤導。

ChristineChung.TheyUsedRobocallstoSuppressBlackVotes.NowTheyHavetoRegisterVoters［EB/OL］.（20221201）［20231204］.https：//www.nytimes.com/2022/12/01/us/politics/wohlburkmanvotersuppressionohio.html.而如何保護關鍵選民的信息與隱私不被人工智能竊取與濫用，如何保障對技術知之甚少、易受誤導的選民群體作出正確決策，這些都將是未來美國選舉“護欄”搭建的關鍵工程。

AaronZitner，KaraDapena.AQuarterofAmericansCantDecideWhomtoVotefor.WhatDoWeKnowaboutThem？［EB/OL］.（20230926）［20231202］.https：//www.wsj.com/politics/elections/election2024pollvoterstrumpbiden5f5dfc93.

（二）代表性缺失：美國政治選舉或將遭遇功能性障礙

第一，就參與選舉的美國公民而言，算法的廣泛應用或將導致選民群體的形象異化，而民意表達的準確性也將受到阻礙。人類世界的隨機性、多元性在被輸入算法系統后，偏離趨勢的樣本常常會遭遇“簡化”和“剔除”。例如，在要求生成“高收入群體形象”時，人工智能往往會選擇淺膚色群體作為主要參照物。這意味著選民一定程度上喪失了在政治中屬于個人的完整表達權，加深了代議制選舉中的代表困境，選民在政府問責、訴求回應層面的政治參與都將遭遇阻礙。算法模型的不公與失準或將固化美國國內的歧視，增加對選民群體的選舉壓制，加劇不平等現狀。

第二，人工智能融入人類生活也有可能催生出技術受益者與利益受損者之間的博弈，

AinaGallego，ThomasKurer.Automation，Digitalization，andArtificialIntelligenceintheWorkplace：ImplicationsforPoliticalBehavior［J］.AnnualReviewofPoliticalScience，2022（25）：463484.新的群體間矛盾帶來的諸如罷工、規模性失業等危機也將為美國社會政治沖突的管控增加成本，選舉也將有可能喪失其對美國政治當前困境的潛在矯正功能。美國學者弗朗西斯·福山（FrancisFukuyama）認為，美國政治去極化的路徑必須為一條政治性路徑，即一個政黨在兩到三個選舉周期中決定性地贏得對國會兩院和總統的控制，并繼續掌權，利用政治規范制度對權力進行系統性改革以扭轉極化趨勢。具體而言，民主黨人應明確轉向占據美國政治的溫和中心，并在此基礎上贏得選舉。但人工智能技術介入將使下層工人成為這一技術發展下的主要輸家，而工人群體在兩黨選舉中具有重要地位，其黨派歸屬曾經歷多次轉變。在共和黨擁有堅定“鐵銹帶”工人擁護的當下，結構性經濟變革或進一步導致工人選民對民粹主義政黨的支持和共和黨的極端化，難以參與政治核心緩沖區的構筑進程。

第二，選舉中議題的呈現結果很有可能顯著偏離美國社會弊病的真實圖景，阻礙選舉政治。在人工智能的干預下，公民的政治討論與參與不再與現實議題緊密綁定。例如人工智能制造新聞焦慮，使得部分選民可能因為極端擔憂性別暴力而選擇民主黨，即使這一議題在當季或地方社會環境中并非核心議題。政治極化之下，美國兩黨選舉議題已呈現高度的結構性不對稱。

RachelKleinfeld.Polarization，Democracy，andPoliticalViolenceintheUnitedStates：WhattheResearchSays［EB/OL］.（20230905）［20231204］.https：//carnegieendowment.org/2023/09/05/polarizationdemocracyandpoliticalviolenceinunitedstateswhatresearchsayspub90457.共和黨與民主黨之間塑造的競選議程除經濟外很少有相同的議題選擇，這一現象已在很大程度上抑制了選舉在美國社會的更新與完善中發揮良性作用。

第三，內部危機或產生“逃逸”，在選舉中為美國帶來“外溢性沖擊”，不利于美國對外政策中理性聲音的傳達。從全球層面看，人工智能博弈加劇了“大國競爭”的不可控性與復雜性。美國政治步入選舉周期后，針對“中國試圖借助人工智能干預美國選舉”“中國通過人工智能向全球輸出技術威權主義”的無端指責與抹黑不斷出現在美國的政界與輿論場，因生成式人工智能介入導致的危機感與焦慮已經惡化了美國與俄羅斯、中國等國家之間的關系，

ChinaSuspectedofUsingAIonSocialMediatoSwayUS［EB/OL］.（20230908）［20231202］.https：//www.reuters.com/world/chinamaybebehindsocialmediaaccountsseekingswayusvotersmicrosoftsays20230907/;JeffSeldin.Report：ChinaUsingAItoMesswithUSVoters［EB/OL］.（20230907）［20231204］.https：//www.voanews.com/a/reportchinausingaitomesswithusvoters/7258502.html.2023.12.4.而此類網絡斗爭、意識形態斗爭的算法化

張愛軍，劉仕金.西方算法政治興起的社會根源及其倫理批判［J］.中共天津市委黨校學報，2023（2）：3444.不僅忽略了選民對和平和發展的訴求，也或將成為國家間外交危機的導火索之一。

（三）主體性缺失：西方代議制民主衰退風險增加

其一，當前兩黨惡斗已使美國政治遭遇一場“政治囚徒困境”，雙方都無法接受對方在2024年的成功，也絕無合作消解極化的可能。拜登勝選或將開啟一個總統政治與行政國家的新時代，保守派擔心的潛在司法“武器化”風險或將成為事實。而如果特朗普勝選，2020年大選結果與美國政治制度的權威性將再次受到嚴峻挑戰。拜登宣布競選2024年總統大選后，共和黨全國委員會官方發布一段人工智能生成的視頻，描述了拜登繼續掌控白宮后國內經濟低迷、國際沖突不斷的可怕場景。

GOP：BeatBiden［EB/OL］.（20230907）［20240504］.https：//www.youtube.com/watch？v=kLMMxgtxQ1Y.將人工智能作為攻擊對手的“武器”意味著，無論最終選舉結果如何，對于選舉真實性的質疑都將增加。諸如憲法危機的出現和失控等連帶效應或將挫傷美國政治制度的前進議程。選舉本身是緩和社會矛盾、紓解機制內部運行壓力的重要途徑，但在人工智能的介入下，兩黨對制度的破壞可能使美國內部更多維系政治運轉的默契與潛規則遭受侵蝕。

其二，技術將激化美國社會各個群體間的矛盾與差距。一方面，多數選民對于人工智能技術的了解僅僅停留在被動層面，能夠擁有“利用人工智能技術并以此作為反外部操控武器”高媒介素養的群體少之又少，而科技公司對技術發展的主導則創造了基于技術的“私人權威”。

SwatiSrivastava.AlgorithmicGovernanceandtheInternationalPoliticsofBigTech［J］.PerspectivesonPolitics，2023，21（3）：9891000.因此，“算法民粹主義”

LeandroAyresFrana，CarlosAdalbertoFerreiradeAbreu.AlgorithmDrivenPopulism：AnIntroduction［J］.ArchivesofCriminology2021，44（1）：229251.等危險思潮與數字資本主義帶來的更隱蔽的剝削賦予了美國精英階層與利益集團更多鞏固既得利益的超前工具。另一方面，金錢政治之下，諸如美國人工智能科技公司對政府政策施加影響的政府俘獲行為數量大大增加。如何管控在美國政治中日益崛起的大型科技公司，也將成為長期困擾美國政治的重要治理議題。

ScottTimcke.AlgorithmsandtheEndofPolitics：HowTechnologyShapes21stCenturyAmericanLife［M］.Bristol：BristolUniversityPress，2021：151156.

其三，西方代議制民主的異化反應也將影響美國未來選舉的可持續性生態改良。當前西方選舉政治異化的兩個特征是政治算法化和政治極化。

高奇琦.算法政治轉向與治理功能弱化新科技革命下西方政黨政治發展趨勢研判［J］.行政論壇，2022（1）：148154.“人”在“民主”中的主體地位被推翻甚至被剝奪，在人工智能作用下被客體化，演變為靜態、冰冷的數據集合，代議制中公民的知情權、隱私權甚至自由意志也遭到大幅折損。而依賴選舉演進的政府則有可能被算法改寫為“技術官僚主義”的后現代利維坦，人工智能將逐漸成為未來“民主”的又一核心行為體。人與人工智能將在美國選舉政治中進行長期的“主體性博弈”，這一斗爭將波及政府、社會與構建美國政治基礎的核心價值觀。

四、結語

縱觀全局，人工智能在個人、群體、制度與系統層面都給美國代議制民主帶來了前所未有的挑戰和影響。

AndreasJungherr.ArtificialIntelligenceandDemocracy：AConceptualFramework［J］.SocialMedia+Society，2023，9（3）：114.個人層面，人工智能影響了公民自治的權利和行使自治權的機會；群體層面，人工智能影響社會平等；制度層面，人工智能可能改變時代主體以及人類對選舉機制作用和意義的理解；而在更高的治理系統層面，人工智能或將成為國際秩序競爭的重要作用因素。在人工智能、人與制度之間的復雜多元交互下，新的政治趨勢正在浮現。新技術的發展不僅意味著人類行至生產力突破局限的邊緣，也使得人類與社會遭遇發展“拐點”。面對一個全理智行為體，美國選民能否允許人工智能按照人類的思維方式去思考？又是否會賦予人工智能權力，替代人類思考，甚至超越人類的思考？

人工智能技術呈指數級發展，但人類的演進始終都是線性的，其間發生混亂甚至沖突或許難以避免。

DanielKahnemanChangedtheWayWeThinkaboutThinking.ButWhatDootherThinkersThinkofHim？［EB/OL］.（20140216）［20231202］.https：//www.theguardian.com/science/2014/feb/16/danielkahnemanthinkingfastandslowtributes.無論結果如何，未來的美國選舉都將被技術深度影響，不僅將迎來人與人工智能之間的博弈，更將充斥技術與政治之間的角力。為避免上述情景的出現對2024年選舉造成嚴重威脅，美國國會層面在眾議院已宣布成立以人工智能為中心的兩黨特別工作組，聯邦選舉委員會也正考慮修改已有規定，禁止在競選廣告中使用“故意欺騙性”的人工智能。同時，對人工智能的良性利用也正在發揮重要作用，幫助美國選舉機構工作人員高效審查和匯總數百萬條公眾針對選舉信息的評論。多個國家政府都在利用生成式人工智能學習相關語料庫，訓練新的語言模型來協助處理、匯總公眾意見，生成反饋意見，幫助后續選舉政策的輸出。

MekelaPanditharatne，DanielWeiner，DouglasKriner.ArtificialIntelligence，ParticipatoryDemocracy，andResponsiveGovernment［EB/OL］.（20231103）［20231130］.https：//www.brennancenter.org/ourwork/researchreports/artificialintelligenceparticipatorydemocracyandresponsivegovernment.如若政府及社交媒體平臺監管部門利用人工智能的監管功能，用“生成式人工智能遏制生成式人工智能”，則有可能在一定程度上改變以往“假新聞”泛濫的選舉輿論亂象，進一步提升選民決策理性程度，實現對選舉宣傳的高效監管，甚至有望改變現有的紅藍對立僵局，擴大中間選民群體，收窄極端群體生存空間。

NatalieAlkiviadou.ArtificialIntelligenceandOnlineHateSpeechModeration［EB/OL］.（20221201）［20231203］.https：//sur.conectas.org/en/artificialintelligenceandonlinehatespeechmoderation/.未來，關于人工智能操縱甚至超越選舉、“民主數據化”“民主算法化”等更廣泛的反思與討論將不斷涌現。美國所謂的民主選舉的核心在于讓選民自主決斷，然而在美國混亂的政治生態催化下，由于缺乏對人工智能介入選舉及政黨、政府、社會、企業等多圈層的有效管控，美國選舉中的人的權利、選民的地位與代議制民主制度等底層邏輯正面臨被人工智能主導與掏空的巨大風險。算法、機器、數據、系統能夠為美國帶來經濟革命，但也可能消解道德與政治間的依存關系，沖擊美國核心價值觀，從而進一步瓦解美國賴以生存的政治準繩的規范力與修復力。

參考文獻：

［1］高奇琦.算法政治轉向與治理功能弱化：新科技革命下西方政黨政治發展趨勢研判［J］.行政論壇，2022（1）.

［2］李猛.從說服選民到塑造選民：特朗普“推特選舉”的政治心理基礎［J］.國際論壇，2017（4）.

［3］劉亞瓊.大數據時代美國政治宣傳的特點及其啟示［J］.新聞知識，2020（12）.

［4］宋艷飛，張瑤.美國人工智能戰略政策新動向及特點分析［J］.人工智能，2024（2）.

［5］譚笑間.深受人工智能影響的全球選舉［J］.世界知識，2024（4）.

［6］王中原.“無代表，不算法”：算法統治的政治代表性gbOB+qGzuPefglfqvWfgmdheTu+Vg433eqAwjQbCSXY=問題［J］.探索與爭鳴，2022（11）.

［7］支振鋒.生成式人工智能大模型的信息內容治理［J］.政法論壇，2023（4）.

［8］張愛軍，劉仕金.西方算法政治興起的社會根源及其倫理批判［J］.中共天津市委黨校學報，2023（2）.

［9］趙申洪.全球人工智能治理的困境與出路［J］.現代國際關系，2024（4）.

［10］BijuPR，GayathriO.SelfBreedingFakeNews：BotsandArtificialIntelligencePerpetuateSocialPolarizationinIndiasConflictZones［J］.TheInternationalJournalofInformation，Diversity，&Inclusion，2023，7（1/2）.

［11］BoxellL，GentzkowM，ShapiroJ.CrossCountryTrendsinAffectivePolarization［J］.ReviewofEconomicsandStatistics，2022.

［12］BroockmanD，KallaJ.WhenandWhyAreCampaignsPersuasiveEffectsSmall？Evidencefromthe2020USPresidentialElection［J］.AmericanJournalofPoliticalScience，2023，67（4）.

［13］CarvalhoB，etal.Information，Perceptions，andElectoralBehaviourofYoungVoters：ARandomisedControlledExperiment［J］.ElectoralStudies，2023，84（8）.

［14］GallegoA，KurerT.Automation，Digitalization，andArtificialIntelligenceintheWorkplace：ImplicationsforPoliticalBehavior［J］.AnnualReviewofPoliticalScience，2022，25.

［15］JungherrA.ArtificialIntelligenceandDemocracy：AConceptualFramework［J］.SocialMedia+Society，2023，9（3）.

［16］KrepsS，KrinerD.HowAIThreatensDemocracy［J］.JournalofDemocracy，2023，34（4）.

［17］PariserE.TheFilterBubble：HowtheNewPersonalizedWebIsChangingWhatWeReadandHowWeThink［M］.NewYork：PenguinBooks，2012.

［18］WaltonP.ArtificialIntelligenceandtheLimitationsofInformation［J］.Information，2018，9（12）.

［19］WoolleySC.DigitalPropaganda：ThePowerofInfluencers［J］.JournalofDemocracy，2022，33（3）.

［20］ScottT.AlgorithmsandtheEndofPolitics：HowTechnologyShapes21stCenturyAmericanLife［M］.Bristol：BristolUniversityPress，2021.

［21］SwatiS.AlgorithmicGovernanceandtheInternationalPoliticsofBigTech［J］.PerspectivesonPolitics，2023，21（3）.

［22］VssingK，WeberT.InformationBehaviorandPoliticalPreferences［J］.BritishJournalofPoliticalScience，2019（2）.

（責任編輯：李思慧）