Was zunächst sehr seltsam und abwegig klingt, haben Forschende in einem sehr groß angelegten sozialen Experiment tatsächlich so umgesetzt. Fast 3.300 Teilnehmende an dem Experiment haben in 20.000 Dialogen mit einer Künstlichen Intelligenz (genauer: GPT-3) über den menschengemachten Klimawandel und die Black Lives Matter Bewegung gesprochen. Neben der Einstellung zu diesen beiden Themenblöcken wurden die Teilnehmenden auch nach weiteren soziodemographischen Kriterien wie bspw. Geschlecht und Bildung differenziert.

Das Ergebnis überraschte: Sowohl die Leugner des menschengemachten Klimawandels als auch formal geringer Qualifizierte haben das "Gesprächserlebnis" als negativer als der Rest der Teilnehmenden bewertet. Erstere haben sich aber nach dem Dialog messbar und signifikant in Richtung der Akzeptanz des menschengemachten Klimawandels bewegt. 

Die Debatten über die innewohnenden Verzerrungen bei Algorithmen (Perspektiven der weißen Männer werden eher als "normal" in den Entscheidungsmechanismus implementiert) sind ja schon länger bekannt. Ausgangspunkt des Experiments war in diesem Fall deshalb die Frage, wie "gerecht" und "ausgewogen" der Dialog in Abhängigkeit der soziographischen Merkmale erfolge. Die Forschung zu dieser Frage kann in ihrer Wichtigkeit gar nicht hoch genug eingeschätzt werden, geht es doch darum, in einer Zukunft der deliberativen "KI-Demokratie" Diskurse herrschaftsfrei und an Fakten orientiert zu führen.

Die drei entscheidenden Fragestellungen in diesem Studienkontext lauteten:

"Wie unterscheiden sich die Erfahrungen und das Lernergebnis der Nutzer zwischen verschiedenen sozialen Gruppen, wenn sie mit GPT-3 über wichtige wissenschaftliche und soziale Fragen (d.h. Klimawandel und BLM) sprechen?

Wie unterhält sich GPT-3 mit verschiedenen sozialen Gruppen über wichtige wissenschaftliche und soziale Fragen?

Wie korrelieren die Gesprächsunterschiede mit der Erfahrung und dem Lernergebnis der Benutzer mit GPT-3 zu entscheidenden wissenschaftlichen und sozialen Fragen?"

Das Ziel der Forschenden ist es, mit dieser Studie und den Ergebnissen ein Framework für die Erstellung einer "gerechten" Dialog-KI im deliberativen Diskurs anzubieten.