Clear Sky Science · ru
Большая языковая модель выявляет рост климатически контрарной риторики в Конгрессе США
Почему это важно для обычных избирателей
Когда члены Конгресса США говорят о климатических изменениях, они не просто спорят о науке — они формируют представления общественности и определяют, какие политики вообще получат шанс быть реализованными. В этом исследовании использован мощный новый языковой инструмент ИИ для анализа трех десятилетий речей в Конгрессе; он показывает, как со временем менялись аргументы, направленные против климатических действий, какие политики чаще их используют и насколько тесно эти аргументы совпадают с крупными политическими спорями о климате. Понимание этих закономерностей помогает гражданам распознавать приемы, которые замедляют или блокируют решения, даже если сначала они кажутся разумными.

Картирование новой риторики сопротивления
Исследователи начали с обновления детального каталога, или «таксономии», типичных аргументов, используемых для сомнений в климатической науке или отсрочки действий. Предыдущие работы уже группировали такие аргументы в знакомые темы — например, утверждения, что глобального потепления нет, что люди к нему не причастны, или что последствия будут незначительными. Новое исследование уточнило категории, связанные с решениями: оно разделило аргументы, которые атакуют предлагаемые климатические политики, и те, которые возвеличивают ископаемые виды топлива как необходимое благо. Также были отделены критика самой климатической науки от нападок на ученых и активистов. Эта более детальная карта облегчает различие между искренними сомнениями и заранее подготовленными тезисами, цель которых — подорвать доверие или затянуть перемены.
ИИ-модель, обученная распознавать шаблоны
Чтобы применить эту структуру к огромному архиву речей, команда создала специализированную большую языковую модель — тип ИИ, обученный понимать и помечать текст. Сначала они использовали существующие инструменты, ориентированные на климат, чтобы выделить абзацы, в которых упоминается изменение климата, из более чем 2,5 миллиона фрагментов речей с пола между 1994 и 2024 годами. Затем эксперты-человеки вручную пометили выборку этих абзацев в соответствии с обновленной таксономией, приведя примеры десятков конкретных типов заявлений. Модель была донастроена на этих примерах с использованием метода, который учит ее «проговаривать мысли», последовательно проговаривая рассуждения перед выбором меток. Это позволило относительно небольшой, экономичной модели работать почти так же хорошо, как гораздо более крупные и дорогие системы, и при этом быть практичной для обработки огромных коллекций речей.
От откровенного отрицания к аргументам в пользу отсрочки
Когда модель была обучена, она просканировала климатическую риторику в течение 30 лет дебатов в Конгрессе. Выяснилось, что самой распространенной формой контрарной риторики было не откровенное отрицание глобального потепления, а повторяющиеся утверждения, что климатические решения слишком дороги или непригодны. Аргументы о том, что политики уничтожат рабочие места, навредят уязвимым слоям населения или представляют собой «войну с американской энергией», составили примерно треть всех контрарных заявлений. Хвалебные высказывания в адрес ископаемого топлива как необходимого для экономического роста и энергетической безопасности также были широко распространены. Прямые нападения на климатическую науку и утверждения, что потепления не существует или оно не вызвано людьми, встречались реже, но давали всплески в ключевые политические моменты, такие как переговоры в Киото 1997 года, дебаты о системе торговли выбросами 2008–2009 годов и Парижское соглашение 2015 года вместе с Планом по чистой энергетике. Со временем отрицание не исчезло; вместо этого к нему добавлялись аргументы в пользу отсрочки.
Кто говорит и откуда они
Анализ выявил заметный партийный раскол. На каждую речь Демократа с контрарным заявлением о климате приходилось около 13 подобных речей республиканцев. В целом республиканцы составили более девяти из десяти контрарных выступлений по всем категориям. После учета того, сколько членов Конгресса посылает каждое штат, несколько штатов с развитой отраслью ископаемого топлива — например, Аляска, Вайоминг и Западная Виргиния — выделялись как особенно интенсивные точки, особенно по заявлениям, что решения не сработают или что стране нужны ископаемые топлива. Статистическое моделирование показало, что партийная принадлежность и политическая идеология были далеко наиболее сильными предикторами контрарной риторики. Такие факторы, как возраст, пол, пожертвования кампаний от интересов ископаемого топлива и занятость в местной нефтегазовой отрасли также имели значение, но их влияние было сравнительно скромным.

Что это значит для общественных дискуссий
Авторы подчеркивают, что не каждое скептическое замечание о климатической политике — это дезинформация; люди могут поднимать реальные вопросы о затратах или справедливости. Но поскольку речи в Конгрессе сильно влияют на освещение в СМИ и общественное мнение, систематическое использование определенных аргументов может размывать границу между здоровой дискуссией и организованным тормозом. Исследование показывает, что по мере того как климатическая наука укреплялась, противодействие в Конгрессе сместилось в сторону сомнений по поводу решений и защиты ископаемого топлива, особенно среди республиканцев. Сочетая психологические знания о том, как работают вводящие в заблуждение аргументы, с современным ИИ, способным отслеживать их в масштабе, авторы утверждают, что мы можем лучше мониторить распространение таких нарративов, разрабатывать более эффективную проверку фактов и просвещение населения и сохранять пространство для подлинного демократического обсуждения того, как бороться с изменением климата.
Цитирование: Coan, T.G., Malla, R., Nanko, M.O. et al. Large language model reveals an increase in climate contrarian speech in the United States Congress. Commun. Sustain. 1, 37 (2026). https://doi.org/10.1038/s44458-025-00029-z
Ключевые слова: дезинформация о климате, Конгресс США, ископаемые виды топлива, климатическая политика, большие языковые модели