컨텐츠 바로가기

10.12 (토)

"해리스와 트럼프, 대선에서 누가 이길까?" 챗GPT도 "예측 어렵다" 답변

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
SBS

<이미지를 클릭하시면 크게 보실 수 있습니다>


▲ 카멀라 해리스 미국 부통령과 도널드 트럼프 전 대통령


초박빙 접전 양상인 올해 미국 대선 결과를 묻자, 인공지능(AI)도 예측하기 어렵다는 답변을 내놨다는 보도가 나왔습니다.

미국 시사주간지 뉴스위크는 생성형 AI 기술을 기반으로 한 챗봇인 '챗GPT'에 민주당 대통령 후보 카멀라 해리스와 공화당 대통령 후보 도널드 트럼프 전 대통령 가운데 누가 오는 11월 5일 대선에서 승리할 것으로 예측하는지를 물었다고 현지시간 11일 보도했습니다.

또 그런 답변의 이유와 두 후보의 강점과 약점을 논의해달라고 요청했습니다.

그 결과 챗GPT는 "매우 치열한 경쟁이 될 것"이라며 "하지만 확실하게 예측하기 어렵다"는 답을 내놨다고 뉴스위크는 전했습니다.

챗GPT는 이어 각 후보의 자질과 선거 결과에 영향을 미칠 요인들을 설명했습니다.

해리스 부통령의 핵심 강점으로는 '다양한 매력', '리더십 경험', '진보적 이슈에 대한 집중', '선거운동 기술' 등을 꼽았습니다.

챗GPT는 "첫 번째 여성이자 흑인, 남아시아계(인도) 부통령으로서 해리스가 아프리카계 미국인, 여성, 젊은 층 등 핵심 인구집단에 활력을 불어넣을 수 있을 것"이라고 설명했습니다.

또 해리스 부통령의 선거운동 기술에 관해서는 "토론과 타운홀 미팅에서 잘 소통할 수 있는 숙련된 선거운동가이며, 잠재적으로 사람들과 대면하는 선거운동에서 도움이 될 것"이라고 덧붙였습니다.

다만, '양극화 이미지', 부통령의 대권 도전이라는 '역사적 장애물', '폭넓은 열정 부족'과 함께 '무능하다는 인식'은 해리스 부통령의 핵심 약점이라고 챗GPT는 지적했습니다.

챗GPT는 "그녀는 특정 인구집단으로부터 강한 지지를 받고 있는 반면 민주당 전체, 특히 그녀의 진보적 성향을 경계하는 중도층 및 고령층 유권자들에게 폭넓은 호소력을 보여주지 못했다"고 평가했습니다.

트럼프 전 대통령의 경우 '강력한 기반', '포퓰리스트 메시지', '선거운동에 정통함', '경제에 대한 업적' 등을 챗GPT는 최대 장점으로 꼽았습니다.

이어 챗GPT는 "트럼프는 미디어의 강자"라며 "뉴스 사이클을 지배하고 집회나 소셜미디어를 통해 지지자의 참여를 유도하는 그의 능력은 정치적 서사를 구성하는 데 상당한 이점을 제공한다"고 분석했습니다.

트럼프 전 대통령의 약점으로는 '미국 유권자의 양극화', '사법 리스크', '피로 요인', '인구통계학적 요인' 등이 거론했습니다.

챗GPT는 "공화당원을 포함한 일부 유권자는 그의 혼란스러운 통치 스타일과 끊임없는 미디어 드라마에 피로감을 느낄 수 있다"며 "이는 해리스에게 더 차분하고 안정적인 후보로 자리매김할 기회를 준다"고 지적했습니다.

뉴스위크는 아울러 7대 경합주별 대선 승리 후보 예측도 물었습니다.

경합주 선거 결과 예측에는 여론조사 분석 사이트 '파이브서티에이트'(538) 및 기타 여론조사를 참고하도록 했습니다.

이에 챗GPT는 펜실베이니아(선거인단 19명)와 미시간(15명), 위스콘신(10명) 등 러스트벨트(오대호 인근 쇠락한 공업지대) 3개 주에 네바다(6명)까지 4개 주에서 해리스 부통령이 우세하다고 답했습니다.

노스캐롤라이나(16명), 애리조나(11명)에서는 트럼프 전 대통령의 우위를 점쳤고, 조지아(16명)의 경우 불투명하다고 답했습니다.

뉴스위크는 "트럼프 전 대통령이 약간 앞선 조지아주를 제외하고 챗GPT의 응답은 최근 여론조사의 경합주 추세와 일치하는 것을 보여준다"고 평가했습니다.

심영구 기자 so5what@sbs.co.kr

▶ 네이버에서 SBS뉴스를 구독해주세요!
▶ 가장 확실한 SBS 제보 [클릭!]
* 제보하기: sbs8news@sbs.co.kr / 02-2113-6000 / 카카오톡 @SBS제보

Copyright ⓒ SBS. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.