Simulated Consensus

2023/1/18 22:502025/5/17 15:45

Ryuta Aoki

Simulated Consensus, 2024

From the Cambridge Analytica revelations of 2016 to the opinion-shaping experiments with large-language models (LLMs) during the 2024 U.S. presidential election, the act of voting has been recast—at dizzying speed—from an expression of will into a service to be optimised. Simulated Consensus situates itself at this historical inflection point, exposing the deterministic hazards that emerge when democracy is progressively “modelled” by generative AI.

A 2024 study by ETH Zurich’s Computational Social Science group demonstrated that with only minimal demographic cues, personas generated inside an LLM reproduced more than 70 percent of the ranking order found in human voting results. Research at Clemson University’s Media Forensics Hub showed that allowing an LLM additional reasoning steps pushes this concordance beyond 80 percent. A future in which collective decisions can be forecast with the precision of a weather report is no longer speculative.

The installation stages the deserted open-plan office of a fictitious tech firm. Autonomous AI agents run relentless real-time simulations, their silent labour projected to the viewer. Behind the scenes, the system synthesises approximately 100,000 virtual voters from eleven attributes—gender, age, income, marital status, dependents, occupation, education, political orientation, environmental attitude, religion/belief, and lifestyle—and feeds them into large-scale electoral models. Well before any real ballot is cast, a user can adjust issues and options, democratically shepherding citizens, employees, or acquaintances toward outcomes that favour their own interests.

As LLMs voraciously absorb activity histories + live behaviour + social ties, individual voters are distilled into mere “probability mass.” Voting behaviour is no longer a random scatter but is visualised like isobars in a weather model, while free will becomes indistinguishable from the waste heat of a server room.

In an era of accelerating technology, legislative reform, civic literacy, and artistic intervention must act in concert. Simulated Consensus opens with a provocation—install the technology that hacks your own constraints—and invites a wholesale redesign of action aimed at reclaiming unpredictability as the bedrock of genuine choice.

A critical essay on the work by South Korean sociologist Seo Dong-jin is available [here].

《Simulated Consensus》は、2016年のケンブリッジ・アナリティカ事件から2024年米大統領選での大規模言語モデル（LLM）世論操作実験に至るまで、投票は「意思の表明」から「サービスとして最適化される対象」へと急速に再定義されつつある。本作は、この歴史的転換点の只中で「生成モデル化された民主主義」が孕む決定論的リスクを可視化するインスタレーションである。

スイス連邦工科大学チューリッヒ校（ETH Zurich）計算社会科学チームが2024年に発表した研究では、わずかな属性情報でも LLM内の仮想人格（ペルソナ）が、人間の付けた投票結果の順位と70％以上一致することを示した。さらにクレムソン大学メディア・フォレンジクス・ハブによる検証では、LLM に追加の推論ステップを与えると、80％を超えて人間の投票結果に近似する。投票行為を含めた集団意思決定が、天気予報並みに予測可能になる未来が現実化してきた。

本作では、人間とAIの協働による集団意思決定がはらむ潜在的な危険性を題材に、架空のテック企業の無人オフィスでAIエージェントが黙々とリアルタイム・シミュレーションを実行し、その様子を鑑賞者に提示するデモンストレーションの光景を描いた。

また性別・年齢・収入・婚姻状況・扶養家族数・職業・学歴・政治的志向・環境意識・宗教／信条・ライフスタイルの11項目から約10万人分の仮想人格をLLMで生成し、投票シミュレーションを実行できる。このシステムの利用者は、実際の投票が行われる前に議題や選択肢を調整し、市民や従業員、友人・知人を自分に有利な選択へと「民主的」に誘導できる可能性を実際に体感できる。

LLM は、〈活動履歴＋リアルタイム行動＋社会連関〉を貪欲に吸収し続け、有権者を「確率質量」へと蒸留する。投票行動は乱数ではなく気象モデルの等圧線のように可視化され、自由意志はサーバールームの排熱と区別がつかなくなる。

技術が加速する現在、制度改編・市民リテラシー・アートの介入は三位一体でなければならない。本作は、その初手として“自分自身の制約をハックする技術をインストールせよ”と挑発する。ここに立ち現れるのは、予測不能性を取り戻すための「行為の再設計」である。

※韓国の社会学者ソ・ドンジンによる本作の批評文は[こちら]をご覧ください。