王中原：竞争性选举的智能转型：动力机制、技术过程与政治影响

一、导言

技术与政治的关系是政治学长期关注的重大议题。现代政治的组织模式、运行过程和关系形态无不受到前沿技术的深刻影响，成为推动政治系统变革和演化的重要动力。伴随生成式人工智能（generative AI）和交互式人工智能（conversational AI）等新兴智能技术的崛起，竞争性选举正步入新一轮技术进化周期。当前，无论在美国、英国、加拿大、新西兰等发达民主国家，还是波兰、阿根廷、菲律宾、印度尼西亚等新兴民主国家，新兴智能技术在选举领域的运用方兴未艾，西式民主正进入“智能选举3.0”时代。新阶段，竞争性选举广泛使用生成式AI、交互式AI以及各项衍生智能技术，推动选举内容策略和传播策略的迭代革新，进而对竞争性民主的过程和质量产生深远影响。

智能技术对政治选举的影响是复线性的。一方面，新技术运用适当，可以提升选举管理效率、增强选民联结、促进选民参与、辅助弱势选民、激发民主活力。另一方面，新技术运用失当，则会带来诸多选举失范风险，包括负面竞选、信息失真、选民欺骗、选民压制、代表偏差、选举暴力等。当前，新一代智能技术的选举影响正朝哪个方向发展？智能科技通过哪些机制重构选举过程？如何把握好智能技术与选举民主的复杂关系？是亟须研究的重要政治学课题。

2024年是世界选举高峰年，全球70余个国家或地区举行了竞选性选举，预计超30亿选民参加投票。值此之时,跨模态人工智能技术在继ChatGPT等生成式AI开启新纪元后,取得突破性进展。大选年与新技术交汇，将激起怎样的政治浪潮？带来哪些政治影响？国际社会对AI干预选举的广泛忧虑已然浮现。自2023年以来,各国媒体对AI技术在选举中被滥用的相关报道和讨论显著增长（见图1）。2023年8月一项跨国调查显示，法国、英国、德国分别有57%、70%、71%的受访者对新兴智能技术可能干预本国选举表示担忧。2024年初，达沃斯世界经济论坛在其发布的《全球风险报告》中，更是将AI干预选举列为当年最紧迫的全球政治风险。

在此背景下，本文将以竞争性选举的智能化转型为切入口，结合西式选举政治的最新发展态势，分析智能科技嵌入政治场域的传导机制，考察生成式AI和交互式AI重塑西方选举的技术原理、作用路径和典型场景，剖析新兴智能科技对竞争性选举实现其政治功能的深层影响。竞争性选举是西式民主的根基，智能科技的突破为我们洞见和研判当前西方政治发展的新动向提供了绝佳视角，同时推动我们从前沿科技出发，重新审视经典的政治学概念和理论，开启新的技术政治学研究议程。

二、智能技术嵌入选举场域的历史进程和传导动因

竞选性选举的智能演化经历了三个关键阶段（见表1）。“智能选举1.0”时代，候选人和竞选团队主要借助大数据分析获取信息，辅助制定选举策略和部署选举活动，以期提升选举募捐和选票动员的效能。“智能选举2.0”时代，政党和候选人运用“算法瞄准”技术，实施精准的选民画像和个性化的政治广告推送，试图干预或引导投票行为。“智能选举3.0”时代，政党和候选人启用生成式AI和交互式AI，生产大规模、低成本、高质量、多模态的竞选素材，并灵活高效地与选民进行场景化和私域化的交流互动，进而塑造选民偏好的形成、表达和认同过程。概言之，智能科技对政治选举产生极强的弥散性影响。前沿科技驱动选举技术的快速迭代，改变西式选举的行动者联盟、组织逻辑和竞选策略，影响竞选性选举承担现代政治功能。

竞争性选举诉诸新兴智能技术是西方“竞选白炽化”和“选举商业化”两大趋势的合力使然。商业营销手段被广泛植入选举实践，政治参与者急切需要利用前沿技术来提升竞争优势，使得前沿技术从科技和商业领域传导至政治领域的周期急剧缩短，由此产生智能技术在选举场域的溢出效应。

在需求侧，选举竞争日趋白炽化，推动新技术的政治转化。其一，竞争性选举的专业化和组织化程度日益提高，竞选团队通常由竞选经理（campaign manager）统筹，并分设募资、政策传播、活动组织、选民联系、数据分析等功能小组。其中数据团队的地位与影响力近年来不断攀升，对借助前沿技术优化选战策略的需求与日俱增。其二，激烈的竞争压力促使政党和候选人诉诸新技术路径以谋求优势。当现有技术手段触及功能极限时,将最前沿的生成式AI和交互式AI纳入竞选武库就成为理性之选。一旦某方率先采用智能技术并获得竞选红利时，其他竞争者便会产生技术焦虑，进而引发智能选举的“囚徒困境”。在这种非合作、互不信任的博弈环境下,各方均预期对手会先行使用新科技,因而自身选择先发制人成为最优策略。因此，博弈的最终结果是竞选各方纷纷拥抱新技术，加速智能技术在选举场域的扩散。

在供给侧，竞选活动高度商业化，加速智能技术向选举领域渗透。其一，政治营销将商业领域的技术手段和竞争策略引入选举。选举竞争与市场竞争高度相似，商战中的推销产品、引导消费和维护客户黏性等策略与选战中宣传候选人、动员选票和维系选民关系等机制完全通用。因此，商业场景涌现的新兴技术和营销手段能够快速切换至选举场域，确保了智能选举的技术供给。其二，选举市场本身就构成一类典型的商业市场，诸多从事政治咨询和智能服务的科技公司专注政治市场这条“垂直赛道”。它们融合选票利益最大化与商业利益最大化，开发专门面向政治场景的技术应用和分析工具，并向政治客户兜售智能产品和技术服务。当新技术方案在种子用户中试验成功时，科技公司将吸引更多选举客户，从而加速选举智能化进程。

综上所述，在需求拉动与供给驱动的双重作用下,以生成式AI和交互式AI技术为代表的新一代人工智能技术将迅速且全面地扩散到西方选举场域，引发新一轮智能选举浪潮。诚然，智能技术嵌入选举过程并非完全负面，且在不同选举制度和监管体系下呈现不同的应用样态。然而，在党派政治极化加剧和技术规制缺位的大背景下，加之新一代人工智能诸多技术特性的影响，使得智能选举3.0时代的竞选活动面临更高的失范风险，对选举公正和民主质量产生冲击，并制约竞选性选举诸多政治功能的发挥。

三、智能技术驱动选举变革的技术机理和影响机制

新一代智能技术如何影响竞争性选举？作为人工智能领域的前沿技术，生成式AI和交互式AI在选举领域具有广阔的应用前景，其通过革新选举的内容策略和传播策略带来传统竞选模式的深刻变革。两者甚至相互赋能、彼此强化，并与其他智能技术（如虚拟现实、深度伪造）叠加运用，进一步造就新的选举生态。正如OpenAI首席执行官山姆·阿尔特曼（Sam

Altman）在2023年5月的美国国会听证会上坦言,他深忧大语言模型等前沿智能技术将被滥用于操纵、说服和定制化影响选民。当前，智能选举的失范现象已不仅见诸美国、加拿大、荷兰、新西兰等发达民主国家，亦蔓延至波兰、菲律宾、阿根廷、肯尼亚、尼日利亚等转型民主国家。

（一）生成式AI驱动选举内容策略转型

生成式人工智能是一类复杂的智能技术系统，其基于已有数据的模式和结构进行学习与训练，搭建和微调模型，从而能够根据输入的提示或指令（prompts）智能生成新的文本、图像、声音、视频、代码等内容。主流的生成式AI系统包括基于Transformer架构的ChatGPT、GPT-4和Claude,专注于图像生成的Stable Diffusion、Midjourney和DALL-E，以及擅长跨模态视频生成的Sora等。生成式AI本质上是一类概率模型，其原理在于根据训练数据的参数和模式去预测和生成最大概率的输出内容。这种概率特性赋予生成内容以多样性,但同时也内嵌了输入端的前置性偏见（built-inbias）和输出端的准确性偏差。生成式AI将深刻改变选举内容策略，引领以智能生成内容为主导的新型竞选模式。它为选举宣传和选民动员提供了丰富的新式素材，其输出内容具有逼真性、创造性、个性化及多样化等特征，生成过程具有高速度、大规模、低成本、多模态和跨语言等优势，有效克服了“智能选举2.0”时代的素材贫乏、形式单调、内容同质、效率不佳等诸多问题。

生成式AI为智能选举3.0时代的政治沟通和行为干预提供了全新的工具，驱动选举内容策略变迁。其一，瞄准式内容生成。生成式AI可以根据目标对象和任务要求快速生成与选民特质和偏好高度匹配的个性化内容，并结合WebGPT技术主动搜索和回应选民需求，实现瞄准式动员。例如，模仿某位候选人的风格，创作瞄准不同选民群体的竞选宣传素材，如针对20岁拉丁裔女大学生选民的拉票广告或者针对70岁农场主选民的小额捐款邮件。2023年英国议会补选期间，候选人利用生成式AI撰写多样化的竞选纲领，以此吸引选民支持。其二，鼓动性内容生成。生成式AI能够依据选民的情感分析和人格测绘生成更具情绪感染力的竞选素材，借助“情绪引爆”更有效地激化选民的希冀和恐惧、喜好和厌恶、欢欣和愤怒，并转化为特定的投票意向。例如，在2023年新西兰选举中，新西兰国家党通过在社交媒体上传播由AI生成的逼真图像，展示抢劫犯在珠宝店肆虐的场景，以引发选民对犯罪问题和移民问题的焦虑。其三，欺骗性内容生成。生成式AI能够定向生成高度逼真的虚假内容，甚至融合深度伪造技术创造以假乱真的信息，这些虚假内容通过网络迷因和计算宣传等方式快速传播，旨在诱导、欺骗和迷惑选民。举例来说，2023年5月，一段由AI生成的虚假视频在网络流传，声称希拉里·克林顿支持佛罗里达州长德桑蒂斯竞选总统。其四，攻击性内容生成。生成式AI能够生成高度形象化的政治谬讯、恶讯和仇恨言论,用以诋毁竞争对手并发起负面竞选攻势。例如，2023年斯洛伐克选举前两天，一段由AI生成的仿真录音在社交媒体广泛传播，谎称是斯洛伐克进步党领导人在讨论如何操纵选举和贿赂选票。诚然，智能生成技术本身并不直接导致选举异化。然而，当前选举竞争的白炽化和选举活动的商业化正驱使着生成式AI应用“多快好省”地创作更具欺骗性、攻击性和说服力的选举内容，从而改变选民投票决策的信息环境。

就技术原理而言，搭建选举场景的生成式AI可分为五个关键技术环节（如图2）。第一，数据收集和预处理。即获取选举相关的各类数据集，包括选民资料、竞选材料、社交媒体信息、新闻报道、政策文本等语料，并对训练数据进行预处理，如数据清洗、特征提取、词向量化等，以便将数据转换为模型可处理的格式。第二，模型设计和训练。根据需求分析和目标设定选择生成式AI的模型框架，例如基于生成对抗网络（GAN）的模型、基于Transformer架构的模型、扩散模型。然后利用预处理后的数据对选举AI模型进行预训练，识别数据的内在结构和关联规律,并调整内部参数以优化模型。以文本生成为例，模型通过识别输入序列中的上下文信息来预测下一个词句或生成连贯的文本。第三，模型微调（fine-tuning）。完成初始训练后，可使用额外数据或特定提示信息（targeted prompts）对模型进行微调，以增进其对选举场景和任务目标的理解，引导模型生成更符合竞选期望的多样化内容。第四，生成过程。针对特定的受众群体和传播平台，向模型输入提示或指令，并通过不断调整和优化这些指令，生成所需的选举内容。例如，生成大量个性化的政策承诺、选举海报、宣传口号、社交媒体推文、电子邮件、宣传视频、虚拟头像等。此外，还可运用多模态生成技术，处理多个输入模态或模态组合（集合图像、文本、音频和视频），生成极具表现力和感染力的竞选内容。第五，系统迭代。利用使用者的交互和反馈数据以及人工的标注和评估信息，借助奖励模型（reward model）引导选举AI系统学习更好的策略，并在实际应用中不断进行优化迭代。这包括通过扩充训练数据集提高模型的泛化能力，利用迁移学习加速模型在新任务上的学习过程，开展提示工程和超参数配置调优提升模型性能。

上述AI系统的搭建过程存在较大的操纵空间，潜藏着选举失范的多重风险。其一，在数据收集和预处理环节，竞选者可以选择性地收集、标注和抽取符合某类意识形态或政策倾向的有偏数据，甚至创建合成数据（synthetic data）或进行语料污染，以改变训练数据的平衡性。其二，在模型训练环节，竞选者可以通过模型框架设计、参数调整、任务定义等手段定向训练有偏数据（targeted training），使其更贴合特定选举需求。其三，在模型微调环节，竞选者可以输入针对选举细分场景的偏见数据，或引导模型学习特定类型的信息，使其更好地执行下游任务。其四，在生成环节，竞选者可以利用提示工程、检索增强生成等技术手段来训导模型，使其更好地识别和响应用户意图，并按照预期的方向生成内容。其五，在模型迭代阶段，竞选者可以运用偏向性的人工评价、户用反馈以及立场宣誓来奖励模型，以增强模型在特定选举任务上的生成效果。

主流的生成式AI系统出于伦理和安全考量，对政治类问题和伤害性指令（harmful prompt）施加了技术限制，并制定了严格的使用规范。然而，这绝非意味着智能技术实现了选举隔离。事实上，生成式AI在选举中的应用变得更为隐秘且缺乏监督。首先，研发突破使得生成式AI的技术门槛逐渐降低，更多主体能够掌握此类技术或通过“越狱攻击”突破技术限制。部分开源代码和商业API服务进一步提高了技术可及性。例如，TUSK公司调用OpenAI的API服务开发了一款名为GIPPR的保守派AI系统，该系统在移民、堕胎、气候变化和国家安全等议题上明确支持共和党。其次，政党、咨询公司、竞选团队完全有能力研发和部署内部专属（in-house）的生成式AI系统，以更好地服务其意识形态和选举需求，并且能够规避外部监管。综上所述，在选举竞争白炽化和选举活动商业化的背景下，政党和候选人有动机且有能力利用生成式AI实施新的内容策略，以期影响选举结果。

（二）交互式AI驱动选举传播策略变革

智能生成的内容如何触达和影响选民？近年来，交互式AI的兴起为选举传播和选民说服提供了新的策略选择。交互式AI整合了自然语言处理（NLP）、深度学习、对话管理和人机交互等前沿技术，能够识别用户意图、处理复杂场景、进行上下文推理，从而实现与人类的自然对话和智能交互。交互式AI包括五个核心技术环节：（1）语音或文本输入。用户通过语音或者文字开启与AI系统的交互。（2）意图和情绪解析。AI系统通过自然语言处理和深度学习理解用户输入，识别意图和语境。（3）对话管理。使用状态机、规则引擎、强化学习等方法设计和控制交互流程，决定AI系统如何响应用户输入、合成回应、请求更多信息或引导用户明确需求。（4）输出呈现。生成个性化的智能响应，以语音、图像或多模态形式呈现给用户，实现智能、灵活和高效的多轮会话。（5）迭代优化。通过用户反馈收集、对话状态跟踪、交互数据分析，优化对话模型和交互流程，改进系统性能。

交互式AI的技术革新正在引领选举传播策略的变迁，塑造智能时代全新的竞选交互模式。相对于传统传播模式，交互式AI对选举沟通的重塑体现在以下五个方面。其一，选民意图识别和多轮会话。传统聊天机器人依赖线性的规则引擎和预定义的模式匹配，而交互式AI则采用更复杂的模型算法和交互流程，能够通过语境分析和上下文推理来理解、记忆并预测选民意图。同时，其支持跨语言跨模态的多轮对话流程，可实现更加紧密持续的选民互动。其二，情感识别和精准响应。交互式AI能够感知选民的情绪状态和心理倾向，在交互中提供投票相关的情感支持和行为引导，并根据反馈实时调整对话策略，实现富有感染力和说服力的选民动员。其三，多模态交互。交互式AI支持多种媒介形式，融合语音、文字、图像、视频等多模态交互功能，能够调动选民的多重感官体验，完成更加灵活高效的信息传递和选民说服。其四，虚拟人格建构。交互式AI可以创建数字候选人或虚拟意见领袖，根据特定人物形象、话语风格、政策立场和选举策略打造虚拟的候选人分身，与选民在虚拟空间保持全天候的政治互动和情感联系，或参与舆论引导和虚假信息应对。其五，精细化动员。交互式AI能够更加精准地响应选民的需求和情绪，择机提供更具说服力的捐款和投票建议，并基于自适应技术不断优化其沟通性能和动员效果。概言之，交互式AI的发展和运用（结合生成式AI的内容支持）克服了智能选举20时代的政治沟通短板，包括人格特质弱、感知能力差、沟通格式化、内容同质化等问题，加速重构选举传播策略。

交互式AI已经广泛应用于智能选举的诸多场景，对竞争性选举的交互过程带来深远影响。首先，交互式AI在竞选管理中发挥着重要作用,诸如智能募款系统、AI竞选经理、竞选会话机器人、数字志愿者、民调AI等应用。这些交互式AI扮演多重竞选功能，不仅支持竞选团队筹集资金和规划策略，而且有助于候选人建立选民联系，理解选民的诉求和关切，追踪、分析和预测选举舆情，并提供自动化的互动响应。此外，它们还能够精准分析选民特征和行为模式，以便有效说服选民采取支持行动。举例来说，Momentum Campaigns公司开发的超个性化智能筹款系统，在2022年美国中期选举中为民主党超过1000场次的竞选活动提供了AI服务。

其次，交互式AI赋能数字候选人，提升竞选效率。数字候选人是利用自然语言处理、机器学习和多模态合成等人工智能技术创建的虚拟政治候选人，通常具备逼真的外貌、表情和人格特征，以代理或真实身份参与选举活动。交互式AI与数字候选人完成身份绑定，能够自动监测虚假信息、提供政策解释、参与话题讨论，以及回应选民的问题和需求，增强情感联系。AI赋能的政治智能体不仅能够在应用程序、社交媒体和网站平台上更加敏捷地与选民展开互动，还可以通过虚拟活动、网络直播和互动游戏等创新形式接触和影响目标受众。例如，在2022年丹麦选举中，数字候选人Leader Lars正式参选国会议员。在2020年美国总统大选中，拜登团队借助Amplify.ai公司开发的交互式AI与选民进行密切互动，并精准动员支持者。

最后，交互式AI与计算宣传集成，显著改变选民决策的信息环境。交互式AI与社交媒体平台、社交机器人和自动化账号等深度互嵌，将激发选举领域的计算宣传和虚假信息传播。竞选团队能够借助交互式AI的人格化交互能力，搭配生成式AI提供的多模态内容，以提升计算传播的说服性、渗透性和隐匿性。恶意行动者甚至会利用交互式AI系统直接操纵选举信息。具体而言，交互式AI接入社交媒体平台，通过自动化评论、回复和私信等方式放大社交媒体上的互动，并依托情感识别和互动数据分析开展瞄准式宣传，引导选民的态度和行为。更有甚者，交互式AI赋能社交机器人和虚拟意见领袖，推动虚假信息的自动化传播和网络舆论的精细操控，以及刻画虚假共识。例如，2022年菲律宾大选和2024年印度大选中，科技公司启用大量自动化账号和社交机器人，协助特定候选人传播海量智能生成的竞选资讯，从而影响选民决策。

概言之，交互式AI正在深刻改变候选人与选民的互动方式，重塑选举信息的传播策略。诚然，智能工具应用得当，将有望提升选民教育，优化选民沟通，激活选民参与，增强选民联系。然而，交互式AI也引发了虚假信息、认知操控和行为干预等问题，对选举公平性构成挑战。尤其在政治极化和监管缺位的大背景下，政党和候选人受到选举竞争白炽化和选举活动商业化的驱使，倾向于利用交互式AI实施虚假信息传播、选民诱导、选民压制，甚至动员选举暴力。

四、智能选举的范式演进和政治影响

竞争性选举是西式民主政治的核心制度,其旨在通过制度化的方式聚合选民偏好，实现政治权力有序更替、政治合法化、政治代表、政治参与、权力约束等关键政治功能。在智能选举3.0时代，新一代人工智能正在重组选举行动者联盟，重塑竞选的组织模式和行动策略。生成式AI和交互式AI等技术使得选举内容的生产和传播呈现出低成本高质量、快速度大规模、跨平台多场景、自动化个性化、交互性渗透性、持续性隐匿性、多语言多模态等特征，从而深刻改变选民偏好的形成、表达和认同过程，影响偏好聚合结果即选举结果的准确性、代表性和合法性，对竞争性选举的政治功能产生潜在制约（见图3）。

（一）新的选举行动者联盟

候选人、政党、科技公司、咨询公司、关键支持者以及国外力量围绕智能工具形成新的选举行动者联盟，该联盟的出现将改变西方选举的组织模式、力量格局和竞争态势，进而影响竞争性选举的政治参与功能和政治代表功能。其一，“选举个人化”趋势加剧，生成式AI和交互式AI将候选人置于选举中心，为候选人服务的智能技术团队成为统筹选举的“中台”，针对候选人个人的宣传、动员、攻击被智能技术放大。例如，2023年波兰大选期间，公民纲领党在竞选广告中使用AI工具编制和传播虚假录音，攻击在任总理。其二，传统大党优势日益凸显。政党在智能选举3.0时代成为技术协调中枢，传统大党能够开发专属本党的生成式AI系统和交互式AI系统，凭借其数据基础、组织能力和募资实力在技术密集型选举中占据明显优势，更易获取“智能选举红利”。例如，为迎战2024年印度大选，印度人民党决定聘用2万余名IT专业人士，并在全国组建了225个数据中心，以运用新兴智能技术生成和传播竞选短视频。

其三，新的技术利益集团涌现。AI开发公司、政治咨询公司、数据分析公司、算法服务商、跨国平台公司等新兴力量将深度介入选举过程，将技术能力转化为政治影响力。在智能选举3.0时代，政治市场成为智能科技公司争夺的细分赛道，商业市场竞争将催化政治市场竞争。技术公司在助推智能技术转化为选举效能的同时，本身也成为新的政治利益集团。其四，积极行动者影响升级。借助生成式AI和交互式AI，狂热选民更有机会和能力影响选举过程。他们能够以更加高效智能的方式加入虚假信息的共同生产和分布式传播，形成极具攻击力的外围行动力量。概言之，新的智能选举联盟掌握更强的技术势能，重塑政治参与机会和政治代表格局。

（二）新的策略选项

新兴智能技术为参与选举竞争的各方提供了全新的策略选项，加剧选举过程中的信息操控和策略角力，影响竞争性选举的民意聚合功能和诉求表达功能。其一，政党或候选人在利用智能技术提升选举组织效率和选民动员效果的同时，亦可联合生成式AI驱动的内容策略与交互式AI驱动的传播策略（见图2），展开负面攻势和认知作战，干预民意的聚合过程。尤其当选举博弈中的一方率先运用智能工具谋求竞争优势并由此获益时，各方将加入智能选举的军备竞赛，推动负面竞选的循环升级和技术策略的跨国效仿。

其二，选票利益最大化策略与商业利益最大化策略彼此共振。政党或候选人为抢占技术红利，争相通过内部研发或外部采购在竞选中嵌入智能工具，掀起选举智能技术的装备竞赛。科技公司或咨询公司为争夺政治市场，竞相开发更加精密的智能选举工具，提供全方位的智能竞选方案和计算宣传服务（propaganda-as-a-service）。例如，2024年巴西大选在即，一些科技公司推出智能选举产品，通过设置多样化的功能模块和定价区间，满足竞选客户的差异化需求。

（三）新的影响路径

竞争性民主旨在通过选举过程测量选民偏好，并将公认的测量结果转化为具有合法性的执政契约。然而，新兴智能技术正在重塑选民偏好的形成、表达和认同过程，从而制约竞争性选举的合法性功能和权力继替功能。

其一，在偏好形成阶段，生成式AI可以生产具有强烈倾向性和煽动性的信息乃至各类谬讯、误讯和恶讯，并借助交互式AI的计算传播快速且精准地触达目标群体。这势必改变选民面临的信息环境，影响其情绪、态度和认知，进而干扰选民偏好的形成过程。例如，2023年尼日利亚大选期间，大量充满仇恨、煽动性、虚假信息的内容通过AI技术生成,并借助社交机器人在社交媒体上广泛传播。一些候选人竟不惜提供金钱、政府合同或政治职位等作为交换条件,试图获取这些智能技术支持,以期影响选民的投票偏好。因此，上述过程正将选举的功能从偏好测量转变为偏好塑造，从民意代表转变为民意操控，损害选举作为权力继替合法渠道的基本功能。

其二，在偏好表达阶段，政党或候选人能够借助生成式AI和交互式AI等新兴技术，更加精准地针对不同群体如中间选民、摇摆选区选民等实施差异化说服，动员自身支持者通过党派信息生产、网络声援、捐款、投票等方式更积极地表达支持偏好。与此同时，实施更具瞄准式的选民压制，运用智能技术生产和传播虚假信息、仇恨言论乃至污名化内容，诱导对方支持者放弃捐款或投票。例如，在2024年美国总统初选期间，有极端右翼团体利用人工智能模拟生成了总统拜登的声音,并冒充其发起自动电话，敦促选民不要参加该次选举。总之，上述做法无疑会影响不同群体的投票率，扭曲整体选民的偏好表达过程，进而损害选举结果的代表性和合法性。

其三，在偏好认同阶段，选举结果是选民偏好的集体呈现，民主政体的有序运转依赖于参选各方及其支持者能够认同并接受选举结果。然而，生成式AI和交互式AI恐被滥用于编织和传播大量涉及选举舞弊或选举操弄的虚假信息甚至阴谋论,例如买卖选票的录音、填塞票箱的画面等，借此否定选举程序的公正性和选举结果的真实性。这些高度逼真、貌似权威的AI生成内容,能够借助交互式AI的计算宣传迅速形成舆论声势，刺激支持者拒绝认同选举结果并采取抗议活动。例如，2022年肯尼亚大选开票期间，社交媒体出现了各种由AI生成和传播的虚假选举结果，并宣称选举委员会为某总统候选人多计了9200张选票，引发了选民对投票结果的高度质疑。因此，智能工具滥用将损害选举结果的公信力，甚至可能升级为选举暴力，危及民主选举的合法根基和政治权力的和平交替。

五、结语

选举智能化正在成为西式民主制度的新现实。以生成式AI和交互式AI为代表的新一代人工智能技术正迅速渗透竞争性选举过程，开启“智能选举30”时代。新兴智能技术在赋能选举组织效率的同时，正对选举民主带来诸多负面冲击。尤其在西方政治极化的大背景下，选举竞争白炽化和选举活动商业化趋势日益加剧，新的“智能选举行动者联盟”试图利用生成式AI和交互式AI变革竞选的内容策略和传播策略，实施对选民偏好的精准塑造，对偏好表达的策略筛选，对偏好认同的系统干预。在缺乏有效规制和治理的情形下，新兴智能技术的滥用将深刻影响发达民主国家的选举公正、选举诚信与选举生态，危及转型民主国家的民主巩固和政治稳定，势必对竞争性选举的政权有序更替、政治合法化、政治代表、政治参与、权力约束等政治功能产生严重冲击。竞争性选举不仅是西式民主制度的根基，而且是主流政治理论的源泉，例如民意聚合理论、政治代表理论、合法性理论、问责理论、回应性理论、政权继替理论等无不建基于“自由且公正”的选举。鉴于新一代人工智能的选举应用及其潜在影响，我们需要从技术政治学的角度重新审视西方经典理论。

全球各界广泛认识到新兴智能技术对民主政治发展构成的严峻挑战，并尝试提出相应的治理方案。然而，各国由于政治制度、法律体系和监管框架的显著差异，对AI政治影响的治理理念和应对策略有所不同，呈现出不同程度的治理能力和民主韧性。当前，无论是各国国内层面还是国际层面，就如何开展政治领域的人工智能治理尚存在巨大分歧。国际组织、民族国家、政治党派、科技公司、社会团体、学术机构和社会大众对智能技术治理的意识形态和诉求偏好并非同步，加之政治立场和商业利益的驱使，各方在规制体系、治理策略和监管尺度等众多领域仍处于激烈博弈当中，折射出人工智能技术与民主政治发展之间的复杂张力。

智能选举的兴起和发展为中国政治学观察竞争性民主的未来走向、研判海外选举的政治风险、重构政治学理论和话语体系提供了绝佳切入点，未来可以开启更多富有创新的研究议程。在实证研究方面，可重点考察以下问题:新兴智能技术在不同政治制度下产生的异质化影响；智能技术对特定选举结果的因果影响及其定量测度；选民对智能选举的态度及其对政治参与的影响；未来AI智能体对选举生态和政治秩序的重塑；智能选举引发政治风险和区域动荡的预测；各国及政党在应对智能选举冲击的治理策略及其决定因素等。在理论研究方面，学界亟须深入探索如下问题:选举智能化对西式民主理论的解构与重构；智能选举对政治极化的影响及其理论蕴涵；智能技术冲击下政民关系、政商关系乃至民主形态的新型理论构建。深入把握人工智能技术与民主政治发展之间的复杂动态,具有重要的实践和理论意义。

本文转自《政治学研究》2025年第1期