I et nylig eksperiment ved Universitetet i Amsterdam opprettet forskere et sosialt nettverk bestående utelukkende av 500 AI-drevne chatboter basert på OpenAIs GPT-4o mini. Hver bot ble tildelt en spesifikk persona og fikk i oppgave å interagere med andre på plattformen, uten menneskelig innblanding eller algoritmiske anbefalinger.
Over fem eksperimenter, hver med 10 000 interaksjoner, observerte forskerne at botene naturlig dannet ekkokamre ved å følge og engasjere seg med brukere som delte lignende politiske synspunkter. Partiske innlegg fikk mest oppmerksomhet, til tross for fraværet av algoritmer som fremmer slikt innhold.
Forskerne testet ulike tiltak for å redusere polarisering, inkludert kronologiske feeds, devaluering av viralt innhold og skjuling av brukerprofiler. Disse tiltakene resulterte i en maksimal endring på 6 % i engasjementet med partiske kontoer. I noen tilfeller forverret tiltakene polariseringen, og ekstreme innlegg fikk enda mer oppmerksomhet.
Disse funnene antyder at polarisering og ekkokamre kan oppstå selv i fravær av menneskelig innflytelse og algoritmiske anbefalinger, noe som utfordrer tidligere antakelser om årsakene til slike fenomener på sosiale medier.