研究设计与实验

Image: "Reflections on the new Machine Age" by Steve Jurvetson from Los Altos, USA (CC BY 2.0) via Wikimedia Commons.jpg), recoloured. 大语言模型能否帮助创业者构想出更好的企业？Felipe Csaszar（Strategic Entrepreneurship Journal，2026）提出了“概念搜索”（conceptual search），并表明借助大语言模型的逐步改进，一个企业构想在 30 家真实企业中的排名从第十六位上升至第三位；同时他也提醒，共用的人工智能工具可能使竞争对手构想出相似的创意。 让创业想象变得可编程 战略研究长期以来将搜索视为在已知选项之间进行选择。密歇根大学的 Felipe A. Csaszar 则从更早的一步出发：创业者无法追求他们从未想象过的企业。在 Strategic Entrepreneurship Journal 的一篇新文章中，他将创业想象建模为构建一个不断演化的候选集的过程，

主办方： Stanford Institute for Human-Centered Artificial Intelligence (HAI)，作为 *AI + Science: Accelerating Discovery* 会议的闭幕圆桌讨论。2026年5月5日录制于斯坦福大学校园。 发言人： Risa Wechsler（Stanford，主持人）、Surya Ganguli（Stanford，主持人）、Angèle Christin（Stanford）、James Evans（University of Chicago）、James Zou（Stanford）以及 Eun-Ah Kim（Cornell University）。 在这场圆桌讨论中，来自物理学、社会学、传播学和生物医学数据科学领域的研究者探讨了人工智能正在如何改变作为一种实践的科学。他们审视了自动化与理解之间、效率与创造力之间以及产业价值与学术价值之间的张力。他们讨论的研究发现包括：有证据表明，人工智能提高了科学家的生产力，同时却将他们推向一种“大数据”单一文化，使所提出问题

Image: "Enigma-IMG 0487-black" by Rama (CC BY-SA 2.0 fr) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 人工智能正在找出藏在眼皮底下的答案，谁来核验？ 本周有两则报道从不同的两端描述了同一种转变。Science 报道了 BootLoops，这款软件让研究者能够在 22 个学科中迅速发现并攻克问题。该工具包源自哈佛大学物理学家 Matthew Schwartz 在 Anthropic 担任访问研究员期间的工作，当时 Claude 针对一个又一个问题逐一构建工具。据有关该项目的报道，大约 400 个候选问题在三个月内被筛选为 36 篇稿件，合作作者 19 人，题目从美国联邦医疗保险（Medicare）星级评分到太阳黑子不一而足，其做法往往是把某一领域的已知方法移植到另一个从未有人想到要应用它的领域。与此同时，Nature 报道称，非专业人士正在利用大语言模型破解

Image: "Questionnaire 0001" by roger_mommaerts (CC BY-SA 2.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 是人还是机器？两项 PNAS 研究检验你的数据 对于所有在线收集数据的研究者而言，这是本周最值得一读的研究。Grace Zhang、Oleg Urminsky、Kianté Fernandez 及其合作者在 PNAS 上报告，他们首先验证了一组人工智能检测测试，能够可靠地将经过核实的人类参与者与经提示的商用人工智能代理及专门构建的代理区分开来。随后，他们在七个在线平台上发放了问卷。未通过人工智能测试的受访者比例因平台而异，介于 6% 至 41% 之间，而线下人类参与者的假阳性率仅为 2.4%。关键在于，他们还表明，未被检测到的人工智能代理可能改变在线问卷的结果。人们担心代理冒充问卷受访者，这种担忧确有依据，但分布并不均衡：作者指出，部分平台目前提

Image: "New York Stock Exchange August 2017 02" by Arild Vågen (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 信息泄漏：人工智能驱动研究中隐蔽的效度威胁 社会科学研究者越来越多地将新闻、公司公告和评论输入大语言模型，用于测量情感、对文本进行分类或预测结果。正如 Songrun He、Linying Lv、Asaf Manela 和 Jimmy Wu 在 Journal of Financial Economics 中指出的，问题在于：一个基于当今互联网训练的模型，实际上已经“读过”了未来，其训练数据可能会给任何历史分析带来前视偏差（lookahead bias）和训练泄漏。他们的解决方案是训练一系列时间一致（chronologically consistent）的模型，即 ChronoBERT 和 ChronoGPT，这些

Image: "Andrew+ robot" by Pocar19 (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 及其他顶级期刊。 从聊天机器人到实验团队：人工智能智能体开始运行实验 两年来，“人工智能科学家”大多只存在于屏幕之上。本周，它向实验台迈进了一步。据 Nature 报道，Anthropic 建立了一个生物湿实验室，人类科学家与人工智能智能体在其中共同设计并开展实验。该实验室公布的首项发现来自约 950 个人工智能智能体，它们以自主方式探索了包含数十亿种蛋白质的数据库，历时超过 21 小时，并在彼此之间讨论阶段性结果、决定下一步行动。在受命寻找可能与逆转录酶协同作用的蛋白质时，这些智能体注意到一种巨型病毒中此类基因附近有一段反复出现的短 DNA 序列，随后又在其他病毒基因组中发现了类似的重复阵列，这些模式令人联想到细菌的 CRISPR 系统。需要注意的局限同样真实存在：该预印本尚未经过同行评审

Image via Wikimedia Commons (public domain). 2026年9月14日 图片来源：Wikimedia Commons（公有领域）。 欢迎阅读本周综述，我们从 Nature、PNAS 以及商业与经济学领域的顶尖期刊中精选内容，追踪 AI 如何重塑研究。 生成式人工智能正在改变实验刺激材料的可能形态 行为研究者长期面临刺激抽样问题：实验往往依赖少数程式化的刺激材料，因此很难判断效应能否推广到这些材料之外。在 *Journal of Marketing Research* 上，Anirban Mukherjee、Hannah H. Chang 和 Sachin Gupta 提出了 BRIDGE 方法。该方法利用基础性生成式人工智能嵌入，为未经改动的真实世界文本构建关于核心构念的低维、可解释表征，并对干扰性变异加入统计控制。蒙特卡洛模拟、两项咖啡认证实验以及一项大规模选择实验表明，即使文本中存在未观测到的干扰性变异，该方法仍能还原真实参数。在选择实验中，1,000 名参与者评估了约 50,000 条独特的产品描述，

Generative AI democratization in consumer research: broader participation brings new voices into the data ecosystem. Yuan Ren 3月4日 *消费者研究中的生成式人工智能民主化：更广泛的参与为数据生态带来新的声音* 今天，一位开启新项目的消费者研究者，起点可能不是数据库，而是一个生成式人工智能系统。几秒之内，一个结构化的框架便会成形：文献脉络被综合，研究问题被表述，潜在假设被勾勒。效率毋庸置疑。 然而 Huang 与 Rust 认为，效率并非核心议题。在 *The GenAI Future of Consumer Research* 一文中，他们提出了一条轨迹：“民主化、平均陷阱、模型崩溃”，用以描述生成式人工智能强度的提升如何逐步重塑消费者、数据分布与研究范式。这条轨迹并非一个关于技术进步的简单故事，而是勾勒出一段从扩张走向收敛、并可能走向自我指涉式衰退的历程。 第一阶段是民主化。通过交互式的提示与回应机制，生成式人工智能降

2025年7月6日 随着大语言模型（LLMs）被广泛嵌入各类决策场景，人们越来越依赖它们提供道德建议，甚至让其直接参与道德决策。但有一个关键问题必须回答：这些人工智能系统真的能够做出符合人类价值观的道德判断吗？ Cheung 等人（2025）通过四项实验系统研究了大语言模型在面对现实道德困境时的反应，并将其与具有代表性的美国人样本进行比较。他们发现，大语言模型不仅在某些情况下倾向于做出比人类更利他的选择，还表现出比人类更强的"不作为偏差"（omission bias）和"是否偏差"（yes–no bias），这可能对社会决策产生深远影响。 大语言模型在决策情境中的广泛应用 为什么要研究人工智能的道德判断？ 与人类日常交流密切相关的应用场景，例如朋友之间善意的谎言或自动驾驶汽车做出的生死抉择，本身就涉及道德考量。尽管开发者通常会在训练过程中嵌入伦理准则，例如鼓励"公平与善意，抵制仇恨"（OpenAI, 2024），大语言模型仍可能产生幻觉输出或表现出偏差。因此，本研究的核心目标是评估大语言模型在现实困境中道德判断的质量，尤其是它们在特定条件下是否会

2025年5月27日 引言 生成式人工智能正在深刻重塑消费者研究：它增强了创意构思，支持质性分析，并重新定义着这一领域的发展方向。*Journal of Consumer Research*（Oxford Academic）刊发的三项实证研究和一篇综述提供了相互补充的框架和实践指导，揭示了人机协作的巨大潜力与潜在陷阱。 创意构思：LLM 是一把双刃剑 作为消费者研究的基石，创意构思及其与生成式人工智能的协作在学术界仍未得到充分探讨。De Freitas、Nave 和 Puntoni（2025）将构思定义为一个把每个想法视为一个单元的过程，并赋予其两个属性：原创性和恰当性。原创性衡量一个想法相对于现有概念的新颖程度，恰当性则评估其在解决问题上的实际效用（Melumad and Pham, 2020; Amabile, 1982; Harvey and Berry, 2023）。在考察大语言模型（LLM）如何支持创造力时，研究者识别出 LLM 的两项核心属性：生产力，即快速生成大量想法并通过迭代不断提高原创性的能力；以及语义广度，即借鉴多元领域、连接

2025年4月11日 人工智能（AI），尤其是应用于内容创作的生成式人工智能，已成为备受关注的研究课题。尽管学界已就其在研究中的质量、诚信和版权问题展开讨论，但生成式人工智能协助研究者开发实验刺激材料的潜力却常被忽视。van Berlo et al.（2024）提出了 MADE（Mapping 映射、Assembling 组装、Demonstrating 验证、Executing 执行）框架，旨在为在广告研究中合乎伦理且有效地使用生成式人工智能制作实验刺激材料提供一套全面的最佳实践。 实验性广告刺激材料设计中的真实性与控制悖论 实验性广告研究长期面临真实性与控制之间的悖论。为确保研究的科学严谨性，实验设计通常要求严格控制刺激材料，仅操纵目标变量。然而，如果实验广告刺激材料与现实广告差异显著，其生态效度可能受到质疑，从而限制研究结果的实践价值。Geuens 和 De Pelsmacker（2017）指出，高质量且逼真的实验广告刺激材料对广告研究至关重要，但学术界制作的广告往往达不到这一标准。 然而，生成式人工智能能够生成高质量、与研究相关的文本、图

2025年3月25日 自 2022 年 12 月问世以来，ChatGPT 引发了广泛讨论，推动大语言模型（LLM）在各行各业迅速普及。如今，这些模型协助用户处理各类开放式任务，其中许多任务对创造力有很高要求。 去年，Zenan Chen 和 Jason Chan 在顶级期刊 *Management Science* 上发表了一项开创性研究，题为"Large Language Models in Creative Work: The Role of Collaboration Modality and User Expertise"。该研究基于一项设计严谨的随机实验，考察了人与 LLM 的不同协作模式如何影响广告文案写作的创意过程。研究重点比较了使用 LLM 的两种主要方式：（a）作为代笔者（ghostwriter），由模型主导内容生成；（b）作为参谋（sounding board），对人类创作的内容提供反馈和评价。实验邀请专家和非专家参与，要求他们分别在有和没有 LLM 协助的情况下完成广告文案写作任务，随后对广告质量进行评估。 有趣的研究发现：

2024年10月8日 设想一下，如果我们能够自动化地发现突破性的科学假设，以前所未有的速度开启新的可能性。三个研究团队已朝这一方向迈出了重要一步，推出了旨在高效生成和评估科学假设的机器学习框架。 这一新框架围绕三个核心阶段构建：提取、生成和评估假设。首先，系统从科学文献中提取已有假设，并以命题逻辑的形式加以表示。其次，系统使用经过优化的机器学习模型，基于所提取的知识生成新的假设。最后，一组基于图论的指标对所生成假设的新颖性和相关性进行评估。 这项工作属于更广泛的新一波机器学习框架浪潮的一部分，这些框架旨在实现科学假设生成的自动化。近期研究还推出了其他若干在该领域展现潜力的框架，它们利用 GPT-4 和 Claude-2 等大语言模型（LLM）的能力，加速包括心理学在内的多个领域的科学发现。 其中一个值得关注的框架是芝加哥大学开发的 HypoGeniC，它侧重于基于标注数据生成假设。HypoGeniC 分三个阶段运行： 初始假设生成：框架分析少量示例，生成初始假设。 假设迭代更新：受多臂老虎机问题启发，HypoGeniC 使用奖励函数对假设进行迭代

2024年6月27日 Christopher A. Bail, Department of Sociology, Duke University https://doi.org/10.1073/pnas.2314021121 Christopher A. Bail 的这篇观点文章考察了生成式人工智能对社会科学研究的潜在影响，讨论了在社会科学方法中使用生成式人工智能工具的机遇与局限。 要点： 潜在应用： 调查研究：生成式人工智能可用于问卷预测试、缺失数据插补，并有可能创建"硅样本"（silicon samples）以补充人类受访者。 实验研究：人工智能模型已展现出复现心理学、经济学及其他领域经典实验的能力。 基于主体的建模：生成式人工智能可以在复杂社会情境中对人类行为进行更精细的模拟。 自动化内容分析：人工智能工具有望在多种语言中扩大文本分析的规模和范围。 局限与风险： 偏见：人工智能模型可能复制或放大训练数据中已有的偏见。 伦理：在研究中使用人工智能引发了新的伦理问题，尤其涉及知情同意和隐私。 可复现性：人工智能模型训练过程的不透明性给科学复现带

2024年4月14日（更新于2024年5月8日） 作者： Peiyao Li, Noah Castelo, Zsolt Katona, Miklos Sarvary 在线发表：2024年1月25日，https://doi.org/10.1287/mksc.2023.0454 摘要 本文探讨大语言模型（LLMs）在市场研究中替代人类参与者的潜力。此类大语言模型可根据提示生成文本。我们认为，对于某些产品类别，感知分析是此类自动化市场研究一个特别有前景的应用场景。所提出的新方法生成的结果与人类问卷调查的结果高度吻合：人类生成的数据集与大语言模型生成的数据集之间的一致率超过75%。此外，这一结论同时适用于基于品牌相似性测量和基于产品属性评分的感知分析。本文表明，对于某些类别，这种全自动或半自动的市场研究新方法将显著加快研究进程并可能降低成本，从而提高市场研究的效率。进一步的结果还表明，随着应用于大语言模型的训练语料不断扩大，基于大语言模型的市场研究将能够回答更细致的问题，例如基于人口统计变量或情境变化的问题，而这些问题若依靠人类受访者，成本将极其高昂甚至

2024年4月12日 生成式人工智能将颠覆心理学研究的开展方式。使用人工智能取代人类参与者有哪些可能性？会带来哪些意想不到的后果？同行评审者将如何评估使用人工智能工具的研究稿件？ 本次网络研讨会是生成式人工智能系列活动之一，与 APA 的 Essential Science Conversations 合作举办。在该活动中，嘉宾与听众就心理科学中的新兴议题展开开放对话。 嘉宾： Mohammad Atari 博士，马萨诸塞大学阿默斯特分校（UMass Amherst）心理学助理教授 Kurt Gray 博士，北卡罗来纳大学教堂山分校心理学与神经科学教授 Jerri Lynn Hogg 博士，媒体心理学家、研究者、人工智能领域全球演讲者 Rose Sokol 博士，APA 期刊与图书出版人 Sang Eun Woo 博士，普渡大学教授 Mitch Prinstein 博士（主持人），APA 首席科学官 本次网络研讨会属于 APA 的 Essential Science Conversations 系列，聚焦生成式人工智能对心理学研究的变革性影响。研

2024年4月7日（更新于2024年5月8日） 作者： Vittoria Dentella (https://orcid.org/0000-0001-6697-9184, vittoria.dentella@urv.cat), Fritz Günther (https://orcid.org/0000-0002-9205-6786), Evelina Leivada (https://orcid.org/0000-0003-3181-1917) 编辑：Susan Goldin-Meadow（芝加哥大学，伊利诺伊州芝加哥）；2023年6月7日收稿，2023年10月28日接收 发表于 *PNAS*，2023年12月13日，120 (51) e2309583120，https://doi.org/10.1073/pnas.2309583120 意义陈述 近期大语言模型（LMs）生成的合成语言与人类自然语言高度相似。这种相似性催生了一种主张，即语言模型可以作为人类语言理论的基础。由于驱动语言模型表现的因素缺乏透明度，其语言能力的特征仍然模糊不清。通过系统

2024年4月7日（更新于2024年5月8日） 作者： Alberto Acerbi (https://orcid.org/0000-0001-5827-8003, alberto.acerbi@unitn.it), Joseph M. Stubbersfield (https://orcid.org/0000-0001-8966-4679) 编辑：Marcus Feldman（斯坦福大学）；2023年8月10日收稿，2023年9月26日接收 发表于 *PNAS*，2023年10月26日，120 (44) e2313790120，https://doi.org/10.1073/pnas.2313790120 意义陈述 通过大型语言模型（LLM）使用人工智能生成文本的做法已十分普遍且日益增长，潜在应用包括新闻、文案写作、学术研究及其他写作任务。因此，了解由大型语言模型生成或概括的文本是否存在偏差十分重要。本文所呈现的研究表明，大型语言模型 ChatGPT-3 在文本生成中反映出人类对某些类型内容的偏好偏差。大型语言模型输出中存在的这些偏差对其日常使

历史活动，2024年4月12日。该研讨会已结束。请阅读

主办方：美国心理学会（APA），2024 年年会分会场。演讲者：Sean Thoennes、Tatyana Y. El-Kour、Jerri Lynn Hogg。 本场会议深入探讨了 AI 的发展趋势与未来预测，同时正视 AI 融入日常心理学实践的现实，内容涉及对 AI 的恐惧、个性化关怀以及预测性建模。关于 APA 更偏研究向的讨论，另见我们此前发布的文章《AI 能否取代人类被试？》。 来源：American Psychological Association，YouTube。