Polarization by Design: How Elites Could Shape Mass Preferences as AI Reduces Persuasion Costs

在民主制度下，重大政策决策通常需要某种形式的多数同意或共识，因此精英阶层必须获得大众支持才能实现治理。历史上，精英只能通过有限的手段（如教育和大众媒体）来塑造公众支持；而人工智能驱动的说服技术进步则显著降低了影响舆论的成本，并提高了其精准度，使得公众偏好的分布本身成为可以刻意设计的对象。我们构建了一个动态模型，描述精英在说服成本和多数决规则约束下，如何决定对政策偏好分布进行多大程度的重塑。当仅存在单一精英时，任何最优干预都会倾向于推动社会走向更加两极分化的意见格局——即一种“极化引力”，而说服技术的改进会加速这种趋势。当两个对立的精英交替掌权时，同样的技术也会激励各方将社会“停放”在意见更趋一致、对手更难逆转的“半锁定”区域，因此说服技术的进步可能加剧也可能缓解极化，具体取决于所处环境。总体而言，随着人工智能能力的发展，更低廉的说服技术使极化从一种纯粹自发的社会副产品，转变为一种有意识的治理策略工具，这对民主制度的稳定性具有深远影响。

论文探讨了在民主制度下，随着AI驱动的说服技术进步，精英阶层如何更低成本、更精确地塑造公众政策偏好，从而可能系统性地改变社会意见分布的问题。特别是，这种技术进步是否会导致政治极化加剧，以及极化是否从一种社会副产品转变为治理的战略工具。这是一个相对较新的问题，尤其在结合AI技术发展与政治行为动态方面。

论文构建了一个动态模型，分析单一或对立精英在多数决约束下如何最优地干预公众偏好分布。关键思路是：更强的说服能力会引发‘极化拉力’（polarization pull），使单一精英推动社会向两极分化；而在双精英轮流执政时，技术进步可能导致‘半锁定’状态，即当前掌权者将舆论固化为难以被对手逆转的凝聚态。这揭示了极化不仅是社会结果，更是可被策略性设计的治理手段。

模型具有理论深度，展示了AI说服技术对民主稳定性的潜在威胁。实验为理论推导而非实证数据验证，依赖动态博弈建模和均衡分析。未使用具体数据集，也未提及开源代码。值得深入的方向包括：引入真实舆论数据校准模型、研究多群体异质性响应、探索监管机制以遏制操纵性说服。此外，将该框架应用于社交媒体算法干预场景是一个重要延伸方向。

1. 《Algorithmic Amplification and the Dynamics of Public Opinion》 2. 《Digital Persuasion: How AI is Reshaping Political Influence》 3. 《Media Manipulation in the Age of Generative Models》 4. 《Information Control and Regime Stability in Democratic Societies》 5. 《The Economics of Attention and Belief Formation in Networked Environments》