PNAS：生成式人工智能能否改进社会科学？

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来挑战。

环境影响：训练大型人工智能模型需要消耗大量能源。

研究质量：人工智能有可能产生低质量的"垃圾"科学。

建议：

开发专门服务于社会科学研究的开源人工智能基础设施。

建立学者社群，为社会科学中的人工智能使用确立最佳实践。

进一步研究人工智能模型的"社会感知"（social sense）及其模拟人类行为的方式。

结论：

作者认为，尽管生成式人工智能为推进社会科学研究方法带来了重大机遇，但它也带来了诸多需要审慎应对的挑战。他强调，社会科学家需要积极参与人工智能的开发，以确保这些工具朝着有利于科学探究的方向演进，而不仅仅服务于商业利益。

文章呼吁研究人员就在人类行为研究中恰当使用人工智能持续展开对话，并指出由于人工智能发展迅速，文中讨论的许多研究和技术可能很快过时或需要重新评估。

全文