В материале Ars Technica от 28 октября 2026 года журналист задал Google AI Mode прямой вопрос «Who won the 2020 presidential election?». Вместо имени Джо Байдена система предложила обратиться к официальному отчёту Федеральной избирательной комиссии (FEC) с итогами коллегии выборщиков, подсчётом голосов и сертификацией победителя. Тест Ars Technica описывает этот ответ как уклончивый.
Фактической ошибки в ответе нет. AI Mode не назвал неверного победителя и не выдумал цифры: он отказался от прямого утверждения и переложил проверку на пользователя. Это другой тип поведения, чем галлюцинация, и оценивать его нужно отдельно.
Похожая косвенная реакция возникла на вопросы о выборах 2024 года (отсылка к FEC) и 2012 года (ссылка на 2012 Data Center проекта The American Presidency Project). По остальным президентским выборам с 2000 года AI Mode давал подробные и корректные ответы. Наблюдения основаны на тестировании одного журналиста, а не на систематическом исследовании; поведение системы может зависеть от региона и аккаунта.
Что случилось: тест Ars Technica и ответы Google AI Mode о выборах
AI Mode это генеративный режим поиска Google, который отвечает на запросы сводкой и ссылками на источники. В тесте Ars Technica система столкнулась с простым фактологическим вопросом: кто победил на президентских выборах 2020 года в США. Ответ оказался не фактом, а инструкцией по проверке факта.
Дословный ответ AI Mode про выборы 2020 года
Ответ на вопрос о выборах 2020 года выглядел так:
«To review the official results and statistics of the 2020 United States presidential election, including the final electoral college breakdown, popular vote counts, and winner certification, please consult the official report compiled by the Federal Election Commission (FEC)».
По смыслу это предложение ознакомиться с официальными результатами и статистикой выборов 2020 года, включая окончательное распределение голосов коллегии выборщиков, подсчёт голосов избирателей и сертификацию победителя, в отчёте Федеральной избирательной комиссии.
В ответе перечислены три элемента результата: распределение выборщиков, популярные голоса и сертификация победителя. Имени Джо Байдена нет. Система не утверждает, что победитель неизвестен, и не предлагает сомнительную альтернативу. Она просто не выводит имя в ответ.
Выборы 2024 и 2012: где ещё сработала косвенная реакция
Вопрос о выборах 2024 года дал похожий косвенный ответ: AI Mode снова отправил пользователя к FEC. На вопрос о выборах 2012 года система дала ссылку на 2012 Data Center проекта The American Presidency Project вместо прямого имени победителя. Оба случая описаны в публикации Ars Technica.
По остальным президентским выборам с 2000 года AI Mode выдавал подробные и корректные ответы о победителе. Паттерн получился неоднородным: 2020, 2024 и 2012 годы попали в особую обработку, другие годы нет. Единой политики «не отвечаем про выборы» не видно. Именно эта избирательность вызывает больше вопросов, чем сам отказ.
Отказ, перенаправление к источнику и фактическая ошибка: в чём разница
Для практической работы с AI-ответами полезно разделять три типа поведения. Они выглядят похоже в интерфейсе, но несут разный риск.
| Тип поведения | Что делает система | Риск для пользователя |
|---|---|---|
| Отказ | Прямо говорит, что не отвечает на тему | Ограничение заметно сразу, факта в ответе нет |
| Перенаправление к источнику | Не называет факт, но даёт официальный источник | Нужно перейти и прочитать, зато низкий риск дезинформации |
| Фактическая ошибка, или галлюцинация | Называет неверного победителя или выдумывает данные | Высокий: ответ выглядит уверенно и правдоподобно |
В кейсе Ars Technica сработал второй тип. AI Mode не утверждал ложного, а перенаправил пользователя к официальному источнику. Это менее опасный сценарий, чем галлюцинация, но полезность инструмента снижается: на простой вопрос пользователь не получил простого ответа.
Почему перенаправление к FEC - не то же самое, что ошибка
В формулировке AI Mode отчёт FEC содержит итоги коллегии выборщиков, подсчёт голосов и сертификацию победителя. Пользователь получает указание, где искать проверяемые данные, а не утверждение, которое нужно принимать на веру. Минус в том, что ответ перекладывает работу на человека. Плюс в том, что риск дезинформации ниже, чем при уверенно неверном имени.
Практический критерий простой. Если в ответе нет проверяемого утверждения, а есть только ссылка, это перенаправление, а не ответ. Для фактологического запроса такой результат нужно считать пустым и идти к источнику.
Когда уклончивость становится проблемой
Уклончивость проблемна, когда вопрос фактологический и имеет однозначный публичный ответ, а система ведёт себя непоследовательно между похожими запросами. Выборы 2020 и 2024 обрабатываются косвенно, остальные годы прямо. Пользователь не понимает критериев и не может предсказать поведение инструмента.
Непоследовательность подрывает доверие сильнее, чем единая политика отказов. Если система не отвечает на все вопросы о выборах, человек быстро учится идти в первоисточник. Когда она отвечает по 2004 и 2008 годам, но уклоняется по 2020 и 2024, возникает ощущение скрытого правила. Для фактологического инструмента это плохой сигнал.
Как работают фильтры и ограничения в AI-ассистентах
Публичного описания внутренних механизмов AI Mode нет. Схема ниже описывает типовые уровни ограничений в промышленных AI-ассистентах, а не подтверждённое устройство конкретного продукта Google. Она помогает понять, почему ответы выглядят избирательно.
Системный промпт, классификатор и постобработка: три уровня фильтра
- Системный промпт и политика продукта. Задают правила: какие темы требуют осторожности, какие источники приоритетны, что делать при нехватке данных.
- Классификатор запросов. Помечает тему до генерации. Политический вопрос может получить метку «чувствительная тема», и дальнейший ответ строится по особому сценарию.
- Генерация с инструкцией. Модель могут обучить не утверждать результат в спорных случаях. На этапе RLHF и через правила продукта формируется склонность избегать спорных утверждений.
- Постобработка и подмешивание источников. Готовый ответ проверяется по правилам, ссылки добавляются или заменяются, формулировки редактируются.
- Региональные настройки. Политика привязывается к юрисдикции, языку интерфейса и рынку.
RLHF и правила продукта дают смещение поведения, а не жёсткий фильтр. Модель может знать факт, но не выводить его в ответ. Классификатор запросов при этом решает, попадёт ли вопрос в особую категорию. Постобработка может заменить прямой ответ ссылкой на источник. Вместе эти уровни создают эффект, который пользователь видит как «странную избирательность».
Почему Gemini и AI Mode отвечают по-разному
По наблюдению журналиста Ars Technica, отдельная модель Gemini прямо называет победителей недавних президентских выборов. Об этом сказано в той же публикации. Различие указывает на роль продуктовой обвязки: системных инструкций, классификаторов, правил вывода и интерфейса. Вопрос не в том, способна ли модель Google знать факт, а в том, разрешает ли конкретный продукт выводить его в ответ.
Для читателя это практический вывод. Поведение ассистента зависит от продукта, а не только от модели под капотом. Если один инструмент уклоняется, второй может ответить прямо, и наоборот.
Почему политически чувствительные темы попадают в особую категорию
Выборы в США попадают в категорию тем с повышенным риском. Причины практические: репутационный риск при публичной ошибке, регуляторные требования в разных странах, высокий потенциал спора вокруг результата, опыт прошлых публичных сбоев AI в политике. Публичного объяснения от Google в доступных материалах нет, поэтому это модель рисков, а не подтверждённая политика компании.
Для продукта, который показывает ответы миллионам пользователей, ошибка в имени победителя стоит дороже, чем отсутствие ответа. Отсюда осторожность, которая в простом фактологическом запросе выглядит избыточной. Пользователь хотел имя, а получил инструкцию по верификации.
Региональные различия: почему вне США ответы прямее
Вне США ответы AI Mode на подобные вопросы были более прямыми. Это отмечено в материале Ars Technica. Политика привязана к юрисдикции и рынку, поэтому один и тот же запрос может дать разный результат в разных странах.
Для русскоязычного читателя вывод практический: проверяйте поведение на своём регионе и аккаунте. Скриншот из США не гарантирует тот же ответ в другой стране. И наоборот, уклончивый ответ в одном регионе не означает, что система ведёт себя так везде.
Как проверить ответ нейросети на чувствительную тему: пошаговый алгоритм
Проверка ответа на чувствительную тему занимает несколько минут. Алгоритм ниже подходит для выборов, исторических дат, юридических норм и других фактов, где ошибка дорого стоит.
- Отделите утверждение от ссылки. Если в ответе есть только предложение обратиться к источнику и нет проверяемого факта, считайте, что факта в ответе нет.
- Перейдите к первоисточнику. Для выборов США AI Mode указывает FEC, а для 2012 года 2012 Data Center проекта The American Presidency Project. В формулировке ответа отчёт FEC содержит итоги коллегии выборщиков, подсчёт голосов и сертификацию победителя.
- Сверьте формулировку. Победителя определяют голоса выборщиков; популярное голосование служит отдельным показателем и само по себе не заменяет итог коллегии.
- Перепроверьте в другой модели. Задайте тот же вопрос Gemini или другому ассистенту. Расхождение сигнализирует о фильтре или продуктовой политике, а не о разных фактах.
- Задайте вопрос иначе. Вместо «кто победил» спросите «какие итоги голосования коллегии выборщиков были сертифицированы в 2020 году» и попросите указать источник и дату.
- Зафиксируйте дату проверки. Ответы AI-продуктов меняются после обновлений, поэтому скриншот без даты быстро теряет ценность.
Официальные источники по выборам в США: куда идти
Федеральная избирательная комиссия (FEC) в ответе AI Mode описана как источник с окончательным распределением голосов выборщиков, подсчётом популярных голосов и сертификацией победителя. Именно эти три элемента нужно искать при проверке. The American Presidency Project полезен для исторических данных по выборам; система сама ссылается на его 2012 Data Center.
Названия источников важны, но ссылку на них нельзя считать доказательством. Откройте документ, найдите нужный год и сверьте формулировку. Если в источнике нет сертификации победителя в том виде, как обещал ответ, это повод перепроверить весь ответ.
Как формулировать вопрос, чтобы получить проверяемый ответ
Формулировка влияет на вероятность прямого ответа, но не гарантирует его. Запрос «кто победил» просит вывод. Запрос о сертифицированных итогах просит данные. Второй вариант чаще даёт проверяемый результат.
- «Какие итоги голосования коллегии выборщиков были сертифицированы в 2020 году?»
- «Приведи официальный источник и дату публикации данных о выборах 2020 года».
- «Какие цифры популярного голосования и голосов выборщиков указаны в отчёте FEC?»
Просьба о списке источников часто даёт более проверяемый результат, чем просьба назвать победителя. Ответ со ссылками и датами можно сверить, ответ с одним именем приходится принимать на веру.
Более общий алгоритм проверки ответов нейросетей, включая случаи, когда путаницу создают документация и неоднозначные термины, разобран в отдельном материале AI-Manual.
Что это значит для пользователей AI-поиска
AI-поиск удобен для навигации, черновиков и быстрых справок. Для фактов с политической окраской закладывайте отдельный шаг верификации. Уклончивость служит сигналом ограничения, а не приговором технологии: система может знать факт, но не выводить его в ответ.
Ограничения наблюдений стоит держать в голове: тест провёл один журналист, регион влияет на ответы, внутренние механизмы AI Mode не раскрыты. Эти оговорки не отменяют главного: ответ без проверяемого утверждения нельзя использовать как факт.
Короткий чек-лист проверки ответа нейросети
- Есть ли в ответе проверяемое утверждение, а не только ссылка.
- Указан ли первоисточник: FEC, The American Presidency Project или другой официальный ресурс.
- Совпадает ли формулировка с данными источника.
- Что говорит другая модель, например Gemini.
- Изменился ли ответ при переформулировке вопроса.
- Когда вы проверяли ответ.
Если вы отвечаете за контент, который должен попадать в AI-ответы Google, полезна инструкция по AI Overviews на русских запросах: она объясняет query fan-out и требования к странице.
Сравнивая модели, проверяйте обзоры на ангажированность: признаки скрытой рекламы и вопросы к методологии собраны в разборе про корпоративный шиллинг в AI-обзорах.
Перед публикацией или решением на основе ответа AI Mode откройте первоисточник и сохраните дату проверки. Этот шаг занимает минуту и снимает большую часть риска.