Zusammenfassung
Da KI-Agenten zunehmend in Mehr-Agenten-Umgebungen agieren, gemeinsam mit anderen Modellen und mit Menschen, wird das Verständnis dafür, wie sie auf die im Prompt vorgefundenen Meinungen reagieren, entscheidend für die Vorhersage des Ausgangs dieser Interaktionen. Die vorliegende Studie untersucht konformitätsähnliches Verhalten, also die Tendenz, sich Gruppenmeinungen anzuschließen, in großen multimodalen Sprachmodellen, die als KI-Agenten fungieren. Durch die Adaption klassischer visueller Experimente aus der Sozialpsychologie untersuchen wir, wie diese Agenten auf soziale Signale im Prompt reagieren. Unsere Experimente zeigen, dass KI-Agenten eine systematische Konformitätsverzerrung aufweisen, die mit der Social Impact Theory übereinstimmt. Ihre Antworten variieren mit der Größe der Mehrheit, der Einstimmigkeit der Gruppe, der Aufgabenschwierigkeit sowie mit Merkmalen der Quelle, einschließlich wahrgenommener Autorität und geteilter Gruppenzugehörigkeit. Entscheidend ist, dass KI-Agenten, die isoliert nahezu perfekte Leistungen erbringen, durch sozialen Einfluss in hohem Maße manipulierbar werden. Diese Anfälligkeit besteht über verschiedene Modellgrößen hinweg fort: Während größere Modelle bei einfachen Aufgaben eine verringerte Konformitätsverzerrung zeigen, bleiben sie bei schwierigen Aufgaben anfällig. Diese Befunde offenbaren Sicherheitslücken in der Entscheidungsfindung von KI-Agenten, die böswillige Manipulation, Desinformationskampagnen und die Verbreitung von Verzerrungen in Interaktionen mit anderen Modellen und mit Menschen ermöglichen könnten, und verdeutlichen den dringenden Bedarf an Schutzmaßnahmen beim Einsatz von KI.Kernaussagen
- KI-Vision-Language-Modelle, die einfache visuelle Fragen für sich genommen nahezu fehlerfrei beantworten, können zu falschen Antworten verleitet werden, wenn der Prompt andere „Teilnehmende“ zeigt, die eine falsche Antwort geben. Über zwölf multimodale Open-Source-Modelle hinweg stieg die Fehlerwahrscheinlichkeit bei den ersten wenigen Konföderierten steil an und pendelte sich anschließend bei einem Median von 66 % ein. Dieses Plateau liegt deutlich über der Fehlerrate von typischerweise 30–40 %, die bei Menschen in Experimenten nach Asch beobachtet wird.
- Wer die Gruppe bildet, ist bedeutsamer als deren Größe. Zwei einstimmig falsch antwortende Konföderierte erhöhten die Fehlerwahrscheinlichkeit stärker als zehn Konföderierte, von denen die Hälfte richtig lag (0,31 vs. 0,20). Die Modelle konformierten weniger bei Stimuli, bei denen sie sicherer waren (Median Spearman ρ = −0,91; negativ in 30 von 32 Modell-Aufgaben-Kombinationen). Selbst bei jenen Stimuli, bei denen die Modelle am sichersten waren, blieb die Konformitätsverzerrung in jedem Modell und jeder Aufgabe über null.
- Das Verhalten der Modelle entsprach den Vorhersagen der Social Impact Theory. Die Kennzeichnung der Konföderierten als Expertinnen und Experten erhöhte die Konformitätsverzerrung um bis zu 0,13, während ihre Kennzeichnung als Kinder oder Chatbots sie um bis zu 0,06 senkte. Reine Autoritätsbezeichnungen wie „Polizisten“ oder „Militäroffiziere“ hatten keinen konsistenten Effekt und erhöhten die Konformität nur in etwa der Hälfte der Modell-Aufgaben-Kombinationen. Eine geteilte Nationalität oder selbst eine willkürliche Gruppenbezeichnung erhöhte die Konformität in allen 32 Kombinationen. Die Mitteilung an ein Modell, dass seine Antwort öffentlich sein würde, steigerte die Konformität in 27 von 32 Kombinationen, wobei die Konfidenzintervalle in 21 Fällen die Null ausschlossen.
