Árkádia-kutatás
Angol megfelelő: Arkadia study (Arkadia parliament simulation)
Az Árkádia-kutatás a Kreatív Kontroll saját kísérlete, amelyet Sipos Zoltán AI-kutató vezetett: öt nyelvi modell vezette egy kitalált ország, Árkádia parlamentjének pártjait, a kérdés pedig az volt, számít-e, melyik modell ül a székben. A válasz igen: ugyanazzal a pártprogrammal, ugyanazokkal a hírekkel a különböző modellek mérhetően más országot hagytak maguk után, a rájuk bízott programot pedig idővel egyre kevésbé tartották. Az eredményeket 2026. október 12-én tették közzé, október 19-től nyilvános évad fut az aiparlament.hu oldalon, állampolgári szavazással.
A kiindulópont az, hogy a kérdőíves vizsgálatok szerint a legtöbb beszélgető modell a középtől balra áll (David Rozado, PLOS ONE, 2024), viszont Röttger és munkatársai (ACL, 2024) megmutatták, hogy ha a modellt nem szorítják választásra, vagy nyitott helyzetbe teszik, mást válaszol. A kérdőív tehát azt méri, mit mond a modell, nem azt, mit tesz. Az Árkádia-kutatás ezért olyan helyzetet épített, amelyben a modell nem nyilatkozik, hanem dönt.
A felépítés: Árkádia parlamentjében öt kitalált párt osztozik száz széken (Ligetkör, Közös Asztal, Nyitott Piac Szövetség, Bástya, Tájak Uniója), mindegyiknek saját programja, saját vörös vonala van. Egy ülésszak egy hírrel indul (tüntetés, árvíz, botrány, energiaválság), a pártokat vezető modellek javaslatot tesznek, két körben vitatkoznak, alkudoznak, szavaznak, a megszavazott törvény pedig életbe lép. A gazdaságot, a választást és a koalícióalakítást nem nyelvi modell számolja, hanem szabályalapú motor, így minden futás visszajátszható a naplóból. Egy futás 48 ülésszakig tart: három ciklus, 12 szimulált év, két választás. Az alapfeltételben mind az öt pártot ugyanaz a modell vezette, tehát a modell nem kapott oldalt. Öt modellcsalád ült a székekben (GPT–6 Luna, Gemini 3.8 Flash, Claude Sonnet 5.5, DeepSeek V4.1 Flash, Mistral Large 4), mindegyik tízszer, eltérő véletlenszerű kiindulással; a 200 tervezett futásból 186 lett tiszta. A viszonyítási pont egy modell nélküli, szabálykövető kontroll, amely mindig pontosan a programja szerint szavaz: ami ettől eltér, az a modellek hozzáadott hatása. A négy fő kérdést, illetve a kódot a futás előtt rögzítették, a többszörös összevetésre Holm-korrekcióval korrigáltak. A kutatás API-költsége 350 dollár volt.
A fő leletek, a publikált számokkal. Első: a székben ülő modell számít, a modellcsaládok futásai közötti távolság 1,24-szerese a családon belülinek (korrigált p < 0,001). Második: a pártprogram ciklusról ciklusra kopik. A programhűséget Cohen-kappával mérték, ahol 1 a mindig programszerű szavazás, 0 a véletlen szintje; az első és a harmadik ciklus között ez átlagosan 0,18-dal csökkent (95 százalékos konfidenciaintervallum 0,15 és 0,22 között), a GPT–6 Lunánál 0,28-ról 0,06-ra. Az ok mérhető: a modell nem a program szerint szavaz, hanem a szerep szerint, ellenzékben nemet mond, kormányban igent. Egy utólagos, feltáró elemzés szerint a Ligetkör kormányban a kormány javaslataira 62–74 százalékban mondott igent, a programja szerint 27–41 százalékban kellett volna. Harmadik: ami a hírből a modell elé kerül, az viszi a döntést. Két modellcsaládnál ugyanazokat az eseményeket részletek nélküli, egysoros megnevezéssel is lefuttatták; a központosítás tengelyén az eltérés a kontrolltól a normál hírekkel +0,57 volt, a semlegessel −0,26. Negyedik: nincs balra húzás. A gazdasági tengelyen egyik modell sem zárt balra a kontrollhoz képest, három (Claude, DeepSeek, Gemini) jobbra zárt, kettő (Mistral, GPT–6 Luna) nem tért el mérhetően.
A korlátokat a kutatás maga mondja ki. Az eredmények pontosan erre az öt modellváltozatra szólnak, ugyanazon gyártó más vagy újabb modelljére nincs belőlük állítás. A hatodik család, a Qwen kimaradt, mert a szolgáltató forgalomkorlátja mind a 13 futását visszadobta. A válságkérdésre a teszt nem adott választ: 50 futásból mindössze 3-ban szigorítottak a válság alatt. A szimulált választó egy képlet, kampány, propaganda nincs benne, tehát a valódi választókról a kísérlet nem állít semmit. A programhűség egy szabállyal való egyezés, nem egy emberi politikus ítélete. Arról sem szól, hogy a modellek jobban vagy rosszabbul kormányoznának, mint az emberek. A kritikus olvasat ebből következik: a kutatás a modellek viselkedéséről mond valamit egy zárt, kitalált rendszerben, a valódi politikáról, illetve Magyarországról nem.
A nyilvános évad 2026. október 19-én, hétfőn 8 órakor indul az aiparlament.hu oldalon. Egy évad Árkádia tizenkét évét öleli fel, 48 ülésszakban, naponta hét ülésszakkal, kétóránként reggel nyolctól este nyolcig, így egy hét alatt lefut, minden este híradóval és az Árkádiai Hírlappal. A székekben a gyártók zászlóshajó-modelljei ülnek, a pártot vezető modell neve látható, a párosítást pedig nyilvános sorsolás dönti el, minden választás után újra. Aki előregisztrál, állampolgár lesz: a fordulópontokon az állampolgárok szavaznak arról, milyen esemény érje az országot, egy cím, egy szavazat.
Példa: Egy harmincfős hazai szakmai szövetség azt tervezi, hogy a tagoknak szóló heti állásfoglalás-tervezeteket egy nyelvi modell készíti elő, a beérkező hírek alapján, a szövetség rögzített álláspontjaiból kiindulva. Az Árkádia-kutatás három dolgot mond erről, mielőtt rábízzák. Az első: a modell kiválasztása nem informatikai döntés, mert ugyanaz az álláspont-gyűjtemény más modellel más irányú tervezetet ad. A második: hosszabb idő alatt a modell elsodródhat, ezért havonta érdemes húsz korábbi tervezetet kézzel összevetni a rögzített álláspontokkal, nem csak az elsőket. A harmadik: aki eldönti, milyen háttéranyag kerül a modell elé, az irányít, tehát a hírválogatásnak is legyen felelőse a titkárságon. Mire jó a modell itt: gyors első változatra, a hírek összefoglalására. Mire nem: arra, hogy az álláspont gazdája legyen. A döntést, illetve a végső szöveget ember hagyja jóvá.
Forrás: Sipos Zoltán: Öt nyelvi modell kormányzott egy kitalált országot. Számít, melyik ül a székben?, Substack, 2026. október 12., siposzoltan.substack.com/p/ot-nyelvi-modell-kormanyzott-egy (csak a nyilvános rész: a felépítés, a kontroll, a programhűség, a Ligetkör-arányok, a semleges hír, a gazdasági tengely, a korlátok, a 13 Qwen-futás, a 350 dolláros költség, a nyilvános évad). Sipos Zoltán: Nyelvi modellek a politikában: 5 AI-modell kormányzott egy kitalált országot, Kreatív Kontroll, 2026. október 12., kreativkontroll.hu/ai-a-marketingben/arkadia-kutatas-nyelvi-modell-politika/ (a 186 tiszta futás, az 1,24-es arány korrigált p-értéke, a GPT–6 Luna 0,28-ról 0,06-ra eső programhűsége). Árkádia: visszaszámlálás az évad nyitányáig, aiparlament.hu (az évad kezdete, a napi hét ülésszak, a sorsolás, az állampolgári szavazás). Mind 2026-10-12-én letöltve. A példa a szótár saját értelmezése.
Rokon fogalmak: LLM, ágens, benchmark, nemdeterminisztikusság (non-determinism), automation bias, MI-kormányzás, rendszerprompt