대규모 언어 모델을 활용하여 사건 발생 과정에서 음모론에 대한 믿음을 줄이는 방법

Reducing belief in conspiracy theories as they unfold using large language models

중요한 사건이 발생했을 때 나타나는 음모론은 사회적으로 심각한 문제입니다. 본 연구에서는 대규모 언어 모델(LLM)과의 대화형 상호작용이 즉시 발생하는 음모론에 대한 믿음을 감소시키는 데 효과적인지 실험했습니다. 2024년 7월 도널드 트럼프 암살 시도 사건과 2025년 9월 찰리 커크 암살 사건 이후 며칠 동안 미국 성인 참가자(실험 1: N = 472; 실험 2: N = 1035)를 대상으로, LLM이 음모론적 관점을 가진 참가자와 다회 대화를 진행하며 음모론에 대한 믿음을 줄이는 것을 목표로 했습니다. 통제 집단 참가자들은 LLM과 관련 없는 주제에 대해 대화하거나 정적인 사실 자료를 검토했습니다. LLM을 사용한 실험군 참가자들은 두 실험 모두에서 통제 집단에 비해 음모론적 믿음이 현저하게 감소하는 것으로 나타났습니다. 또한, LLM 치료의 후속 효과가 관찰되었으며, 이후 발생한 위기 상황과 관련하여 1~2개월 후에 다른 음모론에 대한 믿음이 감소했습니다. 이러한 결과는 신흥 음모론의 심리적 측면을 밝히고 있으며, 중요한 사회적 사건 직후에 발생하는 허위 정보를 대응하기 위한 확장 가능하고 인지적인 개입 방법을 제시합니다.

The emergence of conspiracy theories in the wake of major events is a significant societal challenge. Here we test whether conversational dialogues with a large language model (LLM) can reduce belief in immediately unfolding conspiracies. In experiments conducted in the days following the July 2024 assassination attempt on Donald Trump and the September 2025 assassination of Charlie Kirk, U.S. adults (Experiment 1: N = 472; Experiment 2: N = 1035) holding conspiratorial views about the crisis event engaged in a multi-turn conversation with an LLM prompted to reduce their conspiracy belief. Compared to control participants who either discussed an irrelevant topic with an LLM or viewed a static fact sheet, participants in the LLM treatment showed significantly reduced conspiracy beliefs in both experiments. We also found evidence of downstream effects of the LLM treatment, observing reduced belief in different conspiracies one to two months later in the wake of subsequent crisis events. These results shed light on the psychology of emerging conspiracies and highlight the potential for scalable, cognitively-focused interventions to counteract misinformation in the immediate aftermath of high-profile societal events.