近期研究揭示，借助生成式人工智能模型，尤其是大型语言模型（LLM），可以打造出一个在多种场景下精确模拟人类行为的框架。这一发现为社会学科研究贡献了一个强有力的新手段。
研究团队首先招募了超过1000名来自美国不同背景的志愿者，对他们进行了深入的访谈，耗时两小时，搜集了他们的生活经历、看法和价值观念等信息。接着，研究人员利用这些访谈资料和大型语言模型创建了一个“生成式代理架构”。
该架构能够根据参与者的访谈内容生成数千个虚拟的“克隆人”，每个“克隆人”都具有独特的性格和行为模式。研究人员通过一系列社会科学测试，如“大五人格测试”和行为经济学游戏，对这些“克隆人”的行为进行评估。
令人惊讶的是，这些“克隆人”在测试中的表现与真实参与者极为相似。它们不仅能准确预测调查问卷中的答案，还能预测实验中的行为反应。例如，在权力影响信任的实验中，“克隆人”的表现与真实参与者一致，高权力组的信任度显著低于低权力组。
这项研究显示，生成式 AI 模型可用于创建极为逼真的“虚拟人类”，并用于预测真实人类的行为。这为社会学科研究提供了一种创新方法，例如可以利用这些“虚拟人类”来测试新的公共卫生政策或营销策略的效果，无需进行大规模真人实验。
研究人员还发现，仅凭人口统计学信息构建“虚拟人类”是不充分的，必须结合深度访谈内容才能更精确地模拟个体行为。这说明，每个人都有其独特的生活经历和观点，这些信息对于理解和预测他们的行为至关重要。
为了保障参与者的隐私，研究团队计划建立一个“代理库”，并提供两种访问权限：一种是开放访问固定任务的汇总数据，另一种是限制访问开放任务的个体数据。这样既方便了研究人员使用这些“虚拟人类”，又最大程度地降低了与访谈内容相关的风险。
这项研究成果无疑为社会学科研究开辟了新的道路，其未来的深远影响值得我们期待。
论文链接：https://arxiv.org/pdf/2411.10109
暂无评论