大型语言模型能预测社会科学实验结果
一项新研究显示，大型语言模型（LLMs）能够以较高准确性预测社会科学实验的结果。研究人员让模型基于实验描述进行预测，并将其与真实人类参与者的行为数据进行对比。结果表明，LLMs在模拟人类判断和社会互动方面具有潜在价值，这为社会科学研究提供了新的工具和方法。
背景速读
- 这篇《自然》期刊论文的核心发现是：大型语言模型（如GPT系列）能够准确预测社会科学实验的结果——只需向模型描述实验场景，它的输出就接近人类受试者的真实反应。
- 传统社会科学依赖大规模招募真人参与者进行实验，成本高、耗时长、样本往往局限于西方高校学生（即所谓的WEIRD人群）。若LLM能替代部分预测试验，可大幅加速研究流程。
- 论文采用了一种叫"模拟实验"的方法：不给模型喂训练数据，而是直接告诉它"你是一个18岁的美国大学生"之类的角色设定，再问它如何反应。结果模型预测的群体趋势与现实数据高度吻合。
- 这引发了方法论争议：LLM是在模拟人类认知，还是在重复训练数据中的统计模式？社会科学研究者应如何界定"仿真"与"真实观察"的边界？
- 该研究同时被看作一种范式挑战——如果AI可以低成本生成行为预测，社会科学的研究伦理、发表标准和实验设计都可能被重新审视。