KI i forskningen: Stimuli fra den virkelige verden, syntetiske ansikter og validitetsspørsmålet
Image via Wikimedia Commons (public domain).
september 2026
Bilde via Wikimedia Commons (offentlig eiendom).
Velkommen til ukens gjennomgang av hvordan KI omformer forskningen, kuratert fra Nature, PNAS og de ledende tidsskriftene innen økonomi og ledelse.
Generativ KI endrer hva et eksperimentelt stimulus kan være
Atferdsforskere har lenge levd med stimulusutvalgsproblemet: eksperimenter bygger på en håndfull stiliserte stimuli, og det er derfor vanskelig å vite om effektene lar seg generalisere utover dem. I *Journal of Marketing Research* presenterer Anirban Mukherjee, Hannah H. Chang og Sachin Gupta BRIDGE, en metode som bruker grunnleggende embeddinger fra generativ KI til å bygge lavdimensjonale, tolkbare representasjoner av det sentrale begrepet, samt statistiske kontroller for forstyrrende variasjon i uendrede tekster fra den virkelige verden. Monte Carlo-simuleringer, to eksperimenter om kaffesertifisering og et stort valgeksperiment viser at metoden gjenfinner de sanne parameterne selv når tekstene inneholder uobservert forstyrrende variasjon. I valgstudien vurderte 1 000 deltakere omtrent 50 000 unike produktbeskrivelser hentet fra et korpus på nesten 120 000, og helt tilfeldige innledende produkter formet senere preferanser. Forfatterne leverer en veiledning for forskere og en Python-pakke.
KI kan også virke motsatt vei: i stedet for å temme uryddige virkelige stimuli kan den generere presist kontrollerte stimuli. I en Frontiers-artikkel i *Marketing Science* gjennomfører Lan Luo og Olivier Toubia et felteksperiment med KI-genererte portrettbilder som bare varierer i femininitet, og finner at forbrukere diskriminerer mot femininitet uavhengig av kjønnsidentitet. Et slikt skille er svært vanskelig å oppnå med bilder av virkelige personer. Jo mer av evidensen vår som bygger på maskinlaget materiale, desto skarpere blir likevel bekymringen som Jacob Teeny, Andrew Luttrell og Dongchan Lee reiser i *PNAS*, der de beskriver et «syntetisk validitetsproblem» i KI-generert vitenskap.
Hvorfor det er viktig: For eksperimentelle samfunnsvitere og markedsførere gir generativ KI nå to kraftige virkemidler: realisme i stor skala (BRIDGE) og presis kontroll over stimuli (syntetiske portrettbilder). Begge kan styrke kausale påstander, men bare dersom forskerne validerer at KI-medierte stimuli og representasjoner måler det de hevder å måle. De nye verktøyene bør behandles som designforbedringer som medfører en valideringsbyrde, og ikke som snarveier.
Mer fra denne uken
En forskningsagenda for datamaskinell kreativitet
Min Ding, Ram Gopal, Ulrike Schultze og D. J. Wu definerer kreativitet som en strukturert og målbar prosess av søk, rekombinasjon, evaluering og realisering. Med utgangspunkt i fem artikler fra et temanummer argumenterer de for at potensialet i generativ KI ligger i å konfigurere menneskelig og maskinell handlekraft slik at resultatene blir nye og nyttige, samtidig som kreativt arbeid forblir krevende, ansvarlig og sosialt meningsfullt. Agendaen omfatter instrumentering av prosesser, mangfoldsbevarende design, styring som tar hensyn til handlekraft, og bygging av organisatorisk kapasitet.
Les originalen i Information Systems Research, 8. sep. →
Prediksjonsregler som tåler manipulering
Når viktige beslutninger kodes inn i maskinlæringsalgoritmer, får folk insentiver til å endre atferd for å oppnå det utfallet de ønsker. Denne artikkelen i American Economic Review utvikler en empirisk tilnærming som eksplisitt modellerer disse insentivene og justerer beslutningsreglene for å forutse manipulering, noe som gir regler som forblir stabile selv når de er fullt transparente. Arbeidet er direkte relevant for alle som utformer eller studerer algoritmer for poengsetting, screening eller målretting.
Les originalen i American Economic Review, 28. aug. →
Når «ærlige» kausale skoger gjør skade
Kausale skoger brukes mye til å estimere heterogene behandlingseffekter for personaliserte tiltak innen markedsføring, drift og politikk. Standard praksis er ærlig estimering, der ett utvalg definerer undergrupper og et annet estimerer effektene, og dette er standardinnstillingen i mange programvarepakker. Denne artikkelen i Information Systems Research viser at ærlig estimering i noen situasjoner kan redusere presisjonen, og forskere bør derfor behandle den som et bevisst valg framfor en automatisk innstilling.
Les originalen i Information Systems Research, 4. sep. →
KI og persepsjonsskjevheter i investering
En ny eksperimentell studie i Journal of Financial Economics av Anastassia Fedyk, Ali Kakhbod, Peiyao Li og Ulrike Malmendier undersøker hvordan KI samspiller med persepsjonsskjevheter i investeringsbeslutninger. Den bidrar til en voksende atferdsfinanslitteratur som tester om KI-råd korrigerer eller forsterker menneskelige vurderingsfeil, og er verdt en titt for alle som studerer KI-assistert beslutningstaking.
Les originalen i Journal of Financial Economics, 9. sep. →
KI formaliserer beviset for Fermats siste teorem
Nyhetsredaksjonen i Nature melder at et KI-system fra Anthropic har «formalisert» beviset for Fermats siste teorem, og kaller det en milepæl for matematikken. Formalisering omgjør et menneskeskrevet bevis til en maskinelt kontrollerbar form, en av de mest krevende testene av stringens i noe fagfelt. Det er et slående tegn på hvor raskt KI beveger seg fra å bistå forskningen til å verifisere den.
Les originalen i Nature, 7. sep. →
Bruk KI som sparringpartner framfor orakel
I en artikkel i Nature argumenterer Marc Schmitt for at forskere får mest ut av KI når de bruker den som en sparringpartner som utfordrer tenkningen deres, heller enn som et orakel hvis svar godtas uten videre. Det er en nyttig innramming for alle som skal etablere normer for KI-bruk i laboratoriet eller klasserommet.
Les originalen i Nature, 9. sep. →
Det var alt for denne uken. Send den videre til en kollega som fortsatt kjører eksperimenter med tre stimuli, og utforsk KI-verktøy for din egen forskning på gaiforresearch.com.
Kommentarer