Artificially Intelligent Political Agents

Abstract

Die Entwicklung von Large Language Models (LLMs), wie ChatGPT, hat die Fähigkeiten von Computern natürliche Sprache zu verarbeiten erheblich erweitert und ermöglicht vielfältige Anwendungen, von Textzusammenfassung bis hin zu Programmierunterstützung.Diese Arbeit untersucht die Möglichkeit, LLMs so zu konfigurieren, dass sie historischepolitische Persönlichkeiten imitieren und somit “Künstlich Intelligente Politische Agenten”abbilden kann.Durch die Zuweisung unterschiedlicher Persönlichkeiten zu LLMs und deren Teilnahme an politischen Debatten wird in dieser Arbeit untersucht, wie diese auf verschiedenste politische Themen reagieren, die zu Lebzeiten der historischen Figuren nicht konkret behandelt wurden. Die Forschungsfragen fokussieren sich auf die Fähigkeit von LLMs,den sprachlichen Stil und die Charaktereigenschaften historischer Persönlichkeiten nachzuahmen,sowie auf die Plausibilität ihrer Standpunkte zu modernen Themen und dielogische Kohärenz ihrer Argumente.Die für diese Studie ausgewählten historischen Persönlichkeiten sind Winston Churchill,Karl Marx und Niccolò Machiavelli, die unterschiedliche politische Ideologien abdecken.Diese Arbeit verwendet Techniken des Prompt-Engineerings und Retrieval Augmented Generation(RAG) für die Impersonierung, und stellt ein Multi-Agenten-Diskussionsframework vor, das eine politische Debatte simuliert.Die Bewertungsmethodik kombiniert qualitatives Feedback von fünf menschlichen Teilnehmern,die die simulierte Diskussionen gelesen haben, mit quantitativen Analysen anhand des Big Five Persönlichkeitstests. Die Kombination von qualitativem Feedback und quantitativen Ergebnissen bietet eine umfassende Bewertung der Nachahmungsfähigkeiten von LLMs sowie der Qualität des Multi-Agenten-Diskussionsframeworks, und liefert Einblickein deren potenzielle Anwendungen in Bildung, Geschichte und Unterhaltungsbereichen.Die Ergebnisse zeigen, dass LLMs überzeugend historische Persönlichkeiten imitieren und erfolgreich an politischen Diskursen gegeneinander teilnehmen können. Zu den Einschränkungen gehören ein Mangel an Emotionen in der Nachahmung und das allgemeine Klangbild der simulierten Debatte, die eher wie ein schriftlicher Austausch als eine Live-Debatte wirkt. Insgesamt war das Feedback der Teilnehmer zu dieser Arbeit aber äußerst positiv.

The rise of Large Language Models (LLMs) like ChatGPT has significantly expanded the capabilities of natural language processing, enabling diverse applications from text summarization to programming assistance. This thesis explores the possibility of configuring LLMs to impersonate historical political figures, thus creating "Artificially Intelligent Political Agents."By assigning distinct personalities to LLMs and letting them go head-to-head in a political debate, this research investigates their responses to a wide range of political issues, which were not directly addressed during the historical figures’ lifetimes. The research questions focus on the effectiveness of LLMs in replicating the linguistic styles and character traits of historical figures, the plausibility of their stances on modern issues, and the logical coherence of their arguments.Historical figures selected for this study are Winston Churchill, Karl Marx, and Niccolò Machiavelli, representing different political ideologies. This thesis applies techniques inprompt engineering and Retrieval Augmented Generation (RAG) to achieve impersonationand proposes a multi-agent discussion framework, simulating a political debate.The evaluation methodology combines qualitative feedback from five human participants,evaluating the simulated discussion, with quantitative analysis using psychometric inventories,obtained through the Big Five Personality Test. This mixed-methods approach provides a comprehensive assessment of the LLMs’ impersonation capabilities as well as the performance of the multi-agent disucssion framework, offering insights into their potential applications in educational, historical, and entertainment contexts.The findings reveal that LLMs can convincingly impersonate historical personas and succesfully engage in a political discourse. Limitations include a lack of emotion in the impersonation and the overall sound of the simulated debate, feeling more like a written exchange than a live debate. Overall, the feedback from the participants about this thesis was very positive.