Athena - Yapay zekaya 5 bin sahte Koreliye oy kullandırılan deney (2026 yerel seçimleri il/belediye başkanı denemesi)

Nemotron-Personas-Korea üzerine bir LLM bağlayıp 2026 yerel seçimleri için il/belediye başkanı simülasyonu çalıştırdım.

NEC'den 8.300 adayı crawl ederek topladım → persona setinden il bazında 300'er kişi olmak üzere 5.100 kişi örnekledim → Gemma 4 e4b ile 4.800 oy simüle ettim (RTX 5060, 3 saat).

Sonuçlar

Daegu Belediye Başkanlığı: Kim Han-gu (bağımsız) %90,5 / Lee Jae-man (PPP) %8,2 / Kim Boo-kyum (Demokrat) %1,4

Eski başbakan + 4 dönem milletvekilliği + Daegu doğumlu olmasına rağmen %1,4 aldı. LLM, personadaki "işçi" etiketine çekilip bağımsız işçi adaya oyları yığdı.

Genel desenler:

• Görevdeki aday avantajını abartma (Gangwon'da Kim Jin-tae %100, Gyeongbuk'ta Lee Cheol-woo %99)
• Meslek etiketleriyle basit eşleştirme
• Bilgi yetersiz olduğunda çekimserliğin patlaması (Chungbuk %73, Incheon %93)

Sonuç

LLM persona simülasyonu kamuoyu araştırmasının yerine geçebilecek bir alternatif değil. ABD'deki LLM-as-voter araştırmalarının Kore siyasetine doğrudan uymadığını nicel olarak doğrulamış oldum.

[calmlake79]

"Birlikte bakmaya değer yazılar" bölümündeki "ManyPerson"'ın yapımcısıyım.
Söylediğiniz gibi, LLM persona simülasyonu kamuoyu araştırmasının yerine geçen bir alternatif değil, bir "tamamlayıcı"dır.
Elbette persona'nın hassasiyetini ve arka plan bilgilerini ne kadar çok eklerseniz sonuç değerlerine o kadar yaklaşılır; ancak ben de hizmeti temelde bir ikame olarak değil, tamamlayıcı bir hizmet olarak düşünerek geliştirdim.
Buna rağmen yeterince değerli olduğunu düşünüyorum.

[kimchi]

Katılıyorum!!

[calmlake79]

Şimdi bakınca, az önce biraz dalgındım galiba; yanıtı yazarken yarım bırakmışım;;

Öncelikle, benim gördüğüm kadarıyla AI persona yanıtlarının değerlerinden biri...
kullanıcıya ya da yazara daha geniş bir bakış açısı sunması ve bunun en büyük değer olması.

Ben de bu hizmeti geliştirirken şunu hissettim: önce dünyaya ya da olaylara bakışım gerçekten genişledi.
Neden buna böyle düşünüyor? noktasından, "Ha, böyle bir olayı böyle karşılayıp böyle anlayabiliyormuş."
şeklinde daha geniş bakabilmek mümkün oluyordu.
Sözünü ettiğiniz seçim konusunda da aynı şeyin geçerli olacağını düşünüyorum.

Az önce aynı şeyi Daegu için bir kez çalıştırdım, ama gerçeklikten epey kopuk sonuçlar çıktı.

manyperson Link

Biz de hizmetimiz içinde benzer şekilde test ettik; sonuçlar tam olarak benim düşündüğüm gibi çıkmasa da, farklı bakış açılarını görmek mümkün oluyordu. ( Elbette güncel bilgilerin güncellenmesi meselesi yüzünden çok da doğru değil, ama bence bunu zamanla teknik olarak telafi edebiliriz. )

Aslında kendi hizmetimizi de test ederken, insanlar buna nasıl bakar diye çalıştırmıştık... oldukça olumlu görünüyordu ama gerçekte nasıldır, onu hâlâ tam bilmiyorum ^^;;

[kimchi]

LLM’ler metin token’ları düzeyinde çıkarım yaptığı için, yüksek frekanslı bir etiket ortaya çıktığında bu etiketle birlikte eğitim sırasında görülen kalıplar etkinleşip diğer bilgileri bastırma eğiliminde gibi görünüyor.

Ayrıca bir persona’da ayrıntılı etiketler bulunması, o kişinin oy verme davranışının LLM’nin çıkarabileceği bir fonksiyonla belirlendiği anlamına gelmiyor; gerçek siyasi davranışı belirleyen şeyler önceki oy verme geçmişi, aile ve iş arkadaşlarının desteklediği parti, yakın zamanda görülen haberler, adaya yönelik kişisel sempati gibi, sentetik persona’da yer almayan çok fazla bilgiden etkileniyor.
Bu durumun yalnızca buna özgü olmayıp, tüm ekonomik/siyasi (belirli) durumları ve olguları çıkarımlarken de aynı anda etkili olduğu görünüyor.