Blog
AI革命：模擬人類行為將開創社會科學新篇章
AI革命：模擬人類行為將開創社會科學新篇章
July 21, 2023
重點摘要：
一組研究人員預測，人工智慧（AI），特別是大型語言模型（LLMs），可能會重新定義社會科學研究。
他們相信，受過大量文本數據訓練的LLMs可以模擬人類反應，以輔助進行大規模和快速的人類行為研究。由於這些進步，社會科學的傳統數據收集方法可能會發生重大變化。
然而，研究人員也警告可能存在的陷阱，如AI無法複製社會文化偏見，以及需要開源、透明的AI模型以確保研究的公平性和品質。
關鍵事實：
1. LLMs可能會取代人類參與者進行數據收集，因為它們已經證明能夠在消費者行為等領域生成真實的調查回應。
2. 在社會科學中使用AI開啟了產生假設的新方法，這些假設隨後可以在人類群體中得到確認。
3. 雖然LLMs提供了廣泛的可能性，但它們往往排除在真實的人類群體中存在的社會文化偏見，這對研究這些偏見的研究人員來說是一個重大挑戰。
來源：滑鐵盧大學
在昨天發表在權威期刊《科學》上的一篇文章中，來自滑鐵盧大學、多倫多大學、耶魯大學和賓夕法尼亞大學的領先研究人員探討了AI（尤其是大型語言模型或LLMs）如何改變他們工作的性質。
滑鐵盧大學心理學教授伊戈爾·格羅斯曼（Igor Grossmann）表示：“我們想在這篇文章中探討的是，社會科學研究實踐如何可以適應，甚至重塑，以利用AI的力量。”
格羅斯曼和同事們指出，受過大量文本數據訓練的大型語言模型越來越能夠模擬人類的反應和行為。這提供了在大規模和快速中測試關於人類行為的理論和假設的新奇機會。
傳統上，社會科學依賴於一系列方法，包括問卷調查、行為測試、觀察研究和實驗。
社會科學研究的一個共同目標是獲得對個人、團體、文化及其動態的普遍性表示。隨著先進AI系統的出現，社會科學的數據收集景象可能會發生變化。
格羅斯曼表示：“AI模型可以表示人類經驗和觀點的廣泛陣列，可能比傳統的人類參與者方法更有自由度產生多樣化的反應，這可以幫助減少研究中的普遍性問題。”
賓夕法尼亞大學心理學教授菲利普·特特洛克表示：“LLMs可能會取代人類參與者進行數據收集。”
“事實上，LLMs已經證明了它們生成有關消費者行為的真實調查回應的能力。大型語言模型將在未來3年內革新基於人類的預測。
“對於嚴肅的政策辯論，人類若不借助AI進行概率性判斷，將毫無意義。我對此有90%的把握。當然，人類如何反應這一切則是另一回事。”
儘管對進階AI系統這種應用的可行性的看法各不相同，但使用模擬參與者的研究可能被用來生成新的假設，然後在人類群體中得到確認。
但是，研究人員警告了這種方法可能存在的一些陷阱 - 包括LLMs經常被訓練以排除真實
人類所存在的社會文化偏見。這意味著用這種方式使用AI的社會學家無法研究這些偏見。
文章的合著者、來自滑鐵盧大學的教授朵恩·帕克（Dawn Parker）指出，研究人員將需要建立管理研究中LLMs的指導方針。
帕克說：“對於數據品質、公平和公正接入強大AI系統的現實問題將非常重要。”
“因此，我們必須確保像所有科學模型一樣，社會科學LLMs是開源的，這意味著他們的算法和理想的數據對所有人都是可用的，可以審查、測試和修改。
“只有保持透明度和可複製性，我們才能確保AI輔助的社會科學研究真正有助於我們理解人類經驗。”
新聞原址： https://neurosciencenews.com/ai-social-science-research-23488/
一組研究人員預測，人工智慧（AI），特別是大型語言模型（LLMs），可能會重新定義社會科學研究。
他們相信，受過大量文本數據訓練的LLMs可以模擬人類反應，以輔助進行大規模和快速的人類行為研究。由於這些進步，社會科學的傳統數據收集方法可能會發生重大變化。
然而，研究人員也警告可能存在的陷阱，如AI無法複製社會文化偏見，以及需要開源、透明的AI模型以確保研究的公平性和品質。
關鍵事實：
1. LLMs可能會取代人類參與者進行數據收集，因為它們已經證明能夠在消費者行為等領域生成真實的調查回應。
2. 在社會科學中使用AI開啟了產生假設的新方法，這些假設隨後可以在人類群體中得到確認。
3. 雖然LLMs提供了廣泛的可能性，但它們往往排除在真實的人類群體中存在的社會文化偏見，這對研究這些偏見的研究人員來說是一個重大挑戰。
來源：滑鐵盧大學
在昨天發表在權威期刊《科學》上的一篇文章中，來自滑鐵盧大學、多倫多大學、耶魯大學和賓夕法尼亞大學的領先研究人員探討了AI（尤其是大型語言模型或LLMs）如何改變他們工作的性質。
滑鐵盧大學心理學教授伊戈爾·格羅斯曼（Igor Grossmann）表示：“我們想在這篇文章中探討的是，社會科學研究實踐如何可以適應，甚至重塑，以利用AI的力量。”
格羅斯曼和同事們指出，受過大量文本數據訓練的大型語言模型越來越能夠模擬人類的反應和行為。這提供了在大規模和快速中測試關於人類行為的理論和假設的新奇機會。
傳統上，社會科學依賴於一系列方法，包括問卷調查、行為測試、觀察研究和實驗。
社會科學研究的一個共同目標是獲得對個人、團體、文化及其動態的普遍性表示。隨著先進AI系統的出現，社會科學的數據收集景象可能會發生變化。
格羅斯曼表示：“AI模型可以表示人類經驗和觀點的廣泛陣列，可能比傳統的人類參與者方法更有自由度產生多樣化的反應，這可以幫助減少研究中的普遍性問題。”
賓夕法尼亞大學心理學教授菲利普·特特洛克表示：“LLMs可能會取代人類參與者進行數據收集。”
“事實上，LLMs已經證明了它們生成有關消費者行為的真實調查回應的能力。大型語言模型將在未來3年內革新基於人類的預測。
“對於嚴肅的政策辯論，人類若不借助AI進行概率性判斷，將毫無意義。我對此有90%的把握。當然，人類如何反應這一切則是另一回事。”
儘管對進階AI系統這種應用的可行性的看法各不相同，但使用模擬參與者的研究可能被用來生成新的假設，然後在人類群體中得到確認。
但是，研究人員警告了這種方法可能存在的一些陷阱 - 包括LLMs經常被訓練以排除真實
人類所存在的社會文化偏見。這意味著用這種方式使用AI的社會學家無法研究這些偏見。
文章的合著者、來自滑鐵盧大學的教授朵恩·帕克（Dawn Parker）指出，研究人員將需要建立管理研究中LLMs的指導方針。
帕克說：“對於數據品質、公平和公正接入強大AI系統的現實問題將非常重要。”
“因此，我們必須確保像所有科學模型一樣，社會科學LLMs是開源的，這意味著他們的算法和理想的數據對所有人都是可用的，可以審查、測試和修改。
“只有保持透明度和可複製性，我們才能確保AI輔助的社會科學研究真正有助於我們理解人類經驗。”
新聞原址： https://neurosciencenews.com/ai-social-science-research-23488/