1000個(gè)人類「克隆」進(jìn)西部世界，AI相似度85%細(xì)節(jié)太炸裂

　　AI智能體，已經(jīng)無(wú)限逼近真實(shí)人類?1000個(gè)人被采訪，每人兩小時(shí)，真實(shí)人類的智能體就這么水靈靈地被投放進(jìn)去了，結(jié)果更是令人吃驚:在模擬人類行為上，智能體已經(jīng)85%逼近真實(shí)人類。AI，終究是預(yù)判了你的預(yù)判。

　　真實(shí)人類被「投放」進(jìn)AI世界，這是什么魔幻操作?

　　更可怕的是，根據(jù)真實(shí)人類生產(chǎn)的智能體，居然能以85%的準(zhǔn)確度，還原出他們的行為。

　　也就是說(shuō)，人類在真實(shí)世界是怎么回答問(wèn)題的，智能體在虛擬世界中也一樣。人類幾乎擁有了跟自己完全相似的虛擬復(fù)制體!

　　去年，斯坦福爆火25個(gè)智能體小鎮(zhèn)，讓西部世界走進(jìn)現(xiàn)實(shí)。

　　時(shí)隔一年多，原班人馬團(tuán)隊(duì)讓1000多個(gè)AI智能體放入虛擬小鎮(zhèn)，去模擬真實(shí)人類的一切態(tài)度和行為。

　　不同以往，這次他們采用了一種新奇的研究方式——訪談，去創(chuàng)建生成式智能體。

　　通過(guò)招募1052名參與者，涵蓋了不同性別、年齡、地區(qū)等，每人接受GPT-4o采訪了2個(gè)小時(shí)。

　　然后將得到的訪談內(nèi)容作為文字提示，輸入語(yǔ)言模型中，復(fù)刻出每個(gè)個(gè)體對(duì)應(yīng)的AI智能體。

　　所有智能體在綜合社會(huì)調(diào)查中的回答，與原參與者兩周后自我復(fù)現(xiàn)答案準(zhǔn)確率接近85%，并在人格預(yù)測(cè)、實(shí)驗(yàn)復(fù)制中表現(xiàn)與人類相當(dāng)。

　　毫無(wú)疑問(wèn)，我們距離能夠模仿人類的AI智能體已經(jīng)非常接近了

　　有網(wǎng)友稱，這就是克隆人的智慧。

　　還有人驚嘆道，機(jī)器能夠提前預(yù)判你的預(yù)判，這一天竟然真的來(lái)了!

　　AI在模擬人類行為方面達(dá)到85%的準(zhǔn)確率，無(wú)疑是一個(gè)巨大的成就。這一突破，直接為AI處理高度復(fù)雜交互(如個(gè)性化醫(yī)療建議)鋪平了道路。

　　拒絕刻板印象，讓AI反映真實(shí)人類

　　為什么要做一個(gè)這樣的研究呢?

　　團(tuán)隊(duì)成員之一Joon Sung Park介紹到，這是為了「讓故事更完整」。

　　去年的西部世界小鎮(zhèn)，團(tuán)隊(duì)是希望借生成式智能體來(lái)指出這樣一個(gè)未來(lái)——

　　在無(wú)法直接參與或觀察的情況下(比如衛(wèi)生政策，產(chǎn)品發(fā)布，外部沖擊等)，人類可以用AI來(lái)模擬生活，來(lái)更好地了解自己。

　　然而，研究者卻深深感覺(jué)，這個(gè)故事是不完整的，并不還原真實(shí)的人類世界。

　　為了讓這些模擬變得可信，他們覺(jué)得自己應(yīng)該避免將這些「AI人」變量簡(jiǎn)化為人口統(tǒng)計(jì)學(xué)的刻板印象，對(duì)其準(zhǔn)確性的評(píng)估，也應(yīng)該不僅僅是通過(guò)平均處理效應(yīng)的成功或失敗來(lái)衡量。

　　該怎么辦呢?團(tuán)隊(duì)在個(gè)體模型中找到了答案。

　　他們創(chuàng)建了反映真實(shí)個(gè)體的生成式智能體，并通過(guò)衡量它們?cè)诙啻蟪潭壬夏軌蛑噩F(xiàn)個(gè)體對(duì)綜合社會(huì)調(diào)查、大五人格測(cè)試、經(jīng)濟(jì)博弈以及隨機(jī)對(duì)照試驗(yàn)的反應(yīng)，來(lái)驗(yàn)證這些模型的有效性。

　　令人驚喜的是，智能體的表現(xiàn)極為出色。

　　它們?cè)诰C合社會(huì)調(diào)查中，對(duì)被試反應(yīng)的復(fù)現(xiàn)準(zhǔn)確率達(dá)到了85%，與被試兩周后復(fù)現(xiàn)自己答案的準(zhǔn)確性相當(dāng)，而且在預(yù)測(cè)人格特質(zhì)和實(shí)驗(yàn)結(jié)果上同樣出色。

　　與僅基于人口統(tǒng)計(jì)描述的智能體相比，這種基于訪談的智能體在種族和意識(shí)形態(tài)群體之間減少了準(zhǔn)確性偏差。

　　研究者認(rèn)為，這是因?yàn)楹笳吒�能反映真�?shí)個(gè)體的各種獨(dú)特因素。

　　總之，這項(xiàng)研究為模擬個(gè)體開(kāi)辟了新的可能性。而模擬的基礎(chǔ)，就是對(duì)構(gòu)成我們社會(huì)的個(gè)體進(jìn)行準(zhǔn)確建模。

　　這項(xiàng)工作也標(biāo)志著:生成式AI可以代表真實(shí)人類的時(shí)代，從此正式開(kāi)啟!

　　現(xiàn)在，作者已經(jīng)將開(kāi)源存儲(chǔ)庫(kù)和用于這項(xiàng)工作的Python包上傳到Github，包括他本人的智能體

　　創(chuàng)建1000+類人生成式智能體

　　若想創(chuàng)建一個(gè)能夠反映影響個(gè)人態(tài)度、信仰、行為等多樣因素的智能體，前提是需要對(duì)真實(shí)個(gè)人擁有深度理解。

　　為此，研究團(tuán)隊(duì)決采用了基本的社會(huì)科學(xué)方法——「深度訪談」方法，將預(yù)設(shè)問(wèn)題和基于受訪者回答的適應(yīng)性相結(jié)合。

　　通過(guò)分層抽樣招募的1000+參與者，是具有典型代表的樣本。不同個(gè)體覆蓋了不同年齡、宗教、性別、教育水平、政治意識(shí)形態(tài)。

　　這么多人的采訪，當(dāng)然要交給AI。

　　為此，研究人員開(kāi)發(fā)了一個(gè)AI面試官，對(duì)每個(gè)參與者完成了2小時(shí)語(yǔ)音訪談，并生成的錄音平均長(zhǎng)度為6，491個(gè)單詞。

　　這里采訪的方案，借鑒了「American Voices Project」對(duì)社會(huì)科學(xué)家采訪的一部分，從參與者的生活故事、到他們對(duì)當(dāng)前社會(huì)問(wèn)題的看法，涵蓋非常之廣。

　　比如，從童年、教育、到家庭和人際關(guān)系，給我講講你任何經(jīng)歷過(guò)的生活故事;你如何看待種族主義和社會(huì)治安?

　　根據(jù)采訪結(jié)構(gòu)和時(shí)間限制，AI面試官根據(jù)每人的回答動(dòng)態(tài)生成后續(xù)問(wèn)題。

　　研究平臺(tái)和交互界面

　　為了創(chuàng)建「生成式智能體」，作者開(kāi)發(fā)了一種新穎的智能體架構(gòu)，將參與者完整訪談?dòng)涗浐痛竽Ｐ拖嘟Y(jié)合。

　　其中，整份記錄都會(huì)被「注入」到模型提示中，指示模型根據(jù)訪談數(shù)據(jù)模仿該參與者的行為。

　　在需要多步驟決策的實(shí)驗(yàn)中，智能體會(huì)通過(guò)簡(jiǎn)短的文本描述，被賦予先前刺激及其對(duì)應(yīng)反應(yīng)的記憶。

　　生成式智能體能夠?qū)θ魏挝谋敬碳ぷ鞒龇磻?yīng)，包括強(qiáng)制選擇提示、調(diào)查問(wèn)卷、多階段互動(dòng)場(chǎng)景。

　　為了評(píng)估這些智能體模擬人類的前景，研究團(tuán)隊(duì)評(píng)估了四個(gè)部分:

　　綜合社會(huì)調(diào)查(General Social Survey)

　　大五人格測(cè)試問(wèn)卷(Big Five Inventory)

　　五個(gè)著名的行為經(jīng)濟(jì)學(xué)博弈(包括獨(dú)裁者博弈、信任博弈、公共品博和囚徒困境)

　　五個(gè)包含控制和實(shí)驗(yàn)條件的社會(huì)科學(xué)實(shí)驗(yàn)

　　他們使用前三個(gè)部分，來(lái)評(píng)估生成式智能體在預(yù)測(cè)個(gè)體態(tài)度、特質(zhì)和行為方面的準(zhǔn)確性，而復(fù)制研究評(píng)估其預(yù)測(cè)群體層面，處理效果和效應(yīng)量的能力。

　　由于個(gè)體在調(diào)查和行為研究中的回答，往往隨時(shí)間表現(xiàn)出不一致性，作者還將將參與者自身的態(tài)度和行為一致性作為歸一化因子:模擬某個(gè)個(gè)體態(tài)度或行為的準(zhǔn)確性取決于這些態(tài)度和行為在時(shí)間上的一致性。

　　為了解決這種自我一致性水平的差異，他們要求每位參與者在兩周內(nèi)完成兩次測(cè)試。

　　其中主要因變量是歸一化準(zhǔn)確率(Normalized Accuracy)，其計(jì)算方法為:智能體預(yù)測(cè)個(gè)體回答的準(zhǔn)確性/個(gè)體自身回答的復(fù)現(xiàn)準(zhǔn)確性。

　　歸一化準(zhǔn)確率用1.0表示，生成式智能體預(yù)測(cè)個(gè)體回答的準(zhǔn)確性與個(gè)體兩周后復(fù)現(xiàn)自己回答的準(zhǔn)確性相同。

　　對(duì)于連續(xù)型結(jié)果，作者計(jì)算的是歸一化相關(guān)性。

　　預(yù)測(cè)個(gè)體態(tài)度和行為

　　綜合社會(huì)調(diào)查

　　評(píng)估的第一部分便是GSS，以評(píng)估受訪者對(duì)廣泛主題的人口背景、行為、態(tài)度和信仰，包括公共政策、種族關(guān)系、性別和宗教。

　　對(duì)于GSS，生成式智能體以0.85的平均歸一化準(zhǔn)確率預(yù)測(cè)了參與者的反應(yīng)。

　　顯然，這些基于訪談構(gòu)建的智能體，性能優(yōu)于基于人口統(tǒng)計(jì)和人物角色的智能體，歸一化分?jǐn)?shù)高出14-15%。

　　基于人口統(tǒng)計(jì)的生成式智能體實(shí)現(xiàn)了0.71歸一化準(zhǔn)確率，而基于角色的智能體達(dá)到了0.70。

　　大五人格測(cè)試

　　評(píng)估第二個(gè)部分，使用BFI-44預(yù)測(cè)參與者的大五人格特質(zhì)，該測(cè)試評(píng)估五個(gè)人格維度:開(kāi)放性、盡責(zé)性、外向性、親和性和神經(jīng)質(zhì)。

　　每個(gè)維度由8-10個(gè)李克特量表(Likert scale)問(wèn)題的綜合得分計(jì)算得出。

　　對(duì)于大五人格測(cè)試，生成式智能體達(dá)到了0.80的歸一化相關(guān)性。

　　與GSS的結(jié)果類似，基于訪談的生成式智能體的表現(xiàn)優(yōu)于基于人口統(tǒng)計(jì)(歸一化相關(guān)性=0.55)和基于角色(歸一化相關(guān)性=0.75)的智能體。

　　基于訪談的智能體在預(yù)測(cè)大五人格特質(zhì)時(shí)，還產(chǎn)生了更低的平均絕對(duì)誤差(MAE)，事后成對(duì)Tukey測(cè)試確認(rèn)基于訪談的智能體顯著優(yōu)于其他兩組。

　　經(jīng)濟(jì)博弈

　　評(píng)估第三個(gè)部分包含五個(gè)著名的經(jīng)濟(jì)博弈，旨在引出參與者在有真實(shí)利害關(guān)系的決策情境中的行為。

　　這些博弈包括:獨(dú)裁者博弈、第一玩家和第二玩家的信任博弈、公共品博弈、囚徒困境。

　　為確保參與者的真實(shí)投入，研究提供了金錢獎(jiǎng)勵(lì)。

　　研究人員將每個(gè)博弈的輸出值歸一化到0-1的范圍內(nèi)，并比較生成式智能體的預(yù)測(cè)值與參與者的實(shí)際值。

　　由于這些是連續(xù)性測(cè)量，他們計(jì)算了相關(guān)系數(shù)和歸一化相關(guān)性。

　　平均而言，生成式智能體達(dá)到了0.66的歸一化相關(guān)性。

　　然而，在經(jīng)濟(jì)博弈中，各智能體之間的平均絕對(duì)誤差(MAE)沒(méi)有顯著差異。

　　基礎(chǔ)對(duì)比研究

　　在探索性分析中，作者通過(guò)將基于訪談的生成式知恩個(gè)體與一個(gè)基線復(fù)合智能體進(jìn)行比較，測(cè)試了訪談的有效性和效率。

　　這個(gè)基線復(fù)合代理是基于參與者的GSS、大五人格和經(jīng)濟(jì)博弈響應(yīng)數(shù)據(jù)構(gòu)建的。

　　這里，隨機(jī)抽樣了100名參與者，并排除了同類問(wèn)題的問(wèn)答對(duì)，建立復(fù)合智能體作為參照。

　　結(jié)果顯示，復(fù)合智能體在GSS歸一化準(zhǔn)確率為0.76，在大五人格歸一化相關(guān)性和經(jīng)濟(jì)博弈歸一化相關(guān)性分別為0.64和0.31。

　　在消融實(shí)驗(yàn)中，即使刪除80%訪談內(nèi)容，基于訪談構(gòu)建的智能體，仍舊優(yōu)于復(fù)合智能體。其中，GSS歸一化準(zhǔn)確率為0.79。

　　另外，在通過(guò)GPT-4將訪談?dòng)涗涋D(zhuǎn)換為要點(diǎn)總結(jié)(僅保留事實(shí)內(nèi)容，移除原始語(yǔ)言特征)，結(jié)果同樣如此。

　　實(shí)驗(yàn)復(fù)現(xiàn)結(jié)果，AI與人類高度一致

　　實(shí)驗(yàn)評(píng)估的第四部分，就是讓生成式智能體參與5個(gè)社會(huì)科學(xué)實(shí)驗(yàn)，檢測(cè)它們是否預(yù)測(cè)社會(huì)科學(xué)家常用實(shí)驗(yàn)環(huán)境中的處理效應(yīng)。

　　這些實(shí)驗(yàn)來(lái)自一項(xiàng)大規(guī)模復(fù)現(xiàn)工作中收錄的已發(fā)表研究，包括研究感知意圖如何影響責(zé)任歸屬，以及公平性如何影響情緒反應(yīng)。

　　最新研究中，人類參與者和生成式智能體都完成了全部五項(xiàng)研究，并使用與原始研究相同的統(tǒng)計(jì)方法計(jì)算了p值和處理效應(yīng)量。

　　如下表所示，人類成功復(fù)現(xiàn)了5項(xiàng)研究中的4項(xiàng)，其中1項(xiàng)失敗。而生成式智能體也復(fù)現(xiàn)了相同的四項(xiàng)研究，同樣未能復(fù)現(xiàn)第五項(xiàng)。

　　生成式智能體估算的效應(yīng)量與參與者的效應(yīng)量高度相關(guān)，相比之下參與者內(nèi)部一致性相關(guān)系數(shù)為0.99，得出歸一化相關(guān)系數(shù)為0.99。

　　在生成式智能體人口統(tǒng)計(jì)學(xué)平等差異(DPD)實(shí)驗(yàn)中，與人口統(tǒng)計(jì)信息或角色描述構(gòu)建的智能體相比，基于訪談的生成式智能體在所有任務(wù)中都顯示出較低的DPD。

　　這表明基于訪談的生成式智能體能更有效地減輕偏見(jiàn)。

　　如何創(chuàng)建一個(gè)合格的AI訪談員

　　為了確保智能體所需的豐富訓(xùn)練數(shù)據(jù)具有高質(zhì)量和一致性，研究者開(kāi)發(fā)了下面這個(gè)AI訪談智能體。

　　之所以選擇訪談而非問(wèn)卷調(diào)查，就是希望訪談能提供更全面、細(xì)致的信息，從而讓智能體在廣泛的話題和領(lǐng)域中，實(shí)現(xiàn)更高保真度的態(tài)度和行為模擬。

　　另外，選用AI訪談智能體而非人類訪談員，也能確保所有被試之間互動(dòng)風(fēng)格和質(zhì)量的一致。

　　AI訪談員架構(gòu)

　　一個(gè)合格的AI訪談員，需要知道何時(shí)提出問(wèn)題，以及如何提出有意義的根據(jù)問(wèn)題。

　　在遵守訪談提綱的同時(shí)，它還要隨機(jī)應(yīng)變，靈活調(diào)整，幫助被試打開(kāi)話匣子，分享他們可能沒(méi)想起來(lái)的內(nèi)容。

　　為了賦予AI訪談員這種能力，研究者特意設(shè)計(jì)了一種訪談架構(gòu)，讓研究者能控制訪談的整體內(nèi)容和結(jié)構(gòu)，同時(shí)允許智能體有一定的自由度，來(lái)探索采訪腳本中硬編碼的后續(xù)問(wèn)題。

　　智能體會(huì)將被試的話語(yǔ)和訪談腳本作為輸入，以后續(xù)問(wèn)題的形式生成 下一步行動(dòng)，或決定使用語(yǔ)言模型繼續(xù)下一個(gè)問(wèn)題模塊。反思模塊有助于架構(gòu)從正在進(jìn)行的訪談中簡(jiǎn)潔地總結(jié)和推斷見(jiàn)解，使智能體更有效地生成后續(xù)問(wèn)題

　　用語(yǔ)言模型進(jìn)行下一個(gè)問(wèn)題模塊

　　訪談架構(gòu)將訪談協(xié)議和受訪者最近的回答作為輸入，輸出一個(gè)動(dòng)作:1)繼續(xù)提問(wèn)提綱中的下一個(gè)問(wèn)題;或2)根據(jù)對(duì)話內(nèi)容提出一個(gè)跟進(jìn)問(wèn)題。

　　訪談提綱是一系列有序的問(wèn)題清單，每個(gè)問(wèn)題都標(biāo)注了預(yù)設(shè)時(shí)間。在一個(gè)新問(wèn)題塊開(kāi)始時(shí)，AI訪談員會(huì)逐字提問(wèn)腳本中的問(wèn)題。

　　當(dāng)被試回答后，AI訪談員會(huì)利用語(yǔ)言模型，在問(wèn)題塊的時(shí)間限制內(nèi)動(dòng)態(tài)決定最佳下一步。

　　比如，當(dāng)詢問(wèn)被試關(guān)于童年經(jīng)歷時(shí)，如果回答中提到「我出生在新罕布什爾……我很喜歡那里的自然環(huán)境」，但未具體提及喜歡的地點(diǎn)，訪談員可能會(huì)生成并提問(wèn)一個(gè)跟進(jìn)問(wèn)題:「在新罕布什爾，有沒(méi)有特別喜歡的步道或戶外地點(diǎn)，或者在童年時(shí)留下深刻印象的地方?」

　　反之，當(dāng)詢問(wèn)職業(yè)時(shí)，如果回答是「我是牙醫(yī)」，訪談員會(huì)判斷問(wèn)題已經(jīng)完全得到回答，然后進(jìn)入下一個(gè)問(wèn)題。

　　跟進(jìn)問(wèn)題的推理和生成，都是通過(guò)提示語(yǔ)言模型完成的。然而，為了訪談員生成有效的行動(dòng)，語(yǔ)言模型需要記住并推理先前的對(duì)話內(nèi)容，才能根據(jù)分享信息提出有意義的跟進(jìn)問(wèn)題。

　　這里就出現(xiàn)了一個(gè)問(wèn)題:盡管現(xiàn)代語(yǔ)言模型的推理能力不斷提高，但如果提示內(nèi)容過(guò)長(zhǎng)，它們?nèi)匀浑y以全面考慮所有信息。

　　如果毫無(wú)選擇地包含訪談至今的所有內(nèi)容，可能會(huì)逐漸降低訪談員生成根據(jù)問(wèn)題的表現(xiàn)。

　　為了解決這個(gè)問(wèn)題，研究者讓訪談架構(gòu)包含一個(gè)反思模塊，該模塊能夠動(dòng)態(tài)地綜合到目前為止的對(duì)話內(nèi)容，并輸出一份總結(jié)性筆記，描述訪談員可以對(duì)參與者作出的推斷。

　　例如，對(duì)于前面提到的參與者，該模塊可能生成如下反思內(nèi)容:

　　然后，在提示語(yǔ)言模型生成訪談員的行動(dòng)時(shí)，研究者也沒(méi)有使用完整的訪談?dòng)涗洠�而是用了訪談員積累的簡(jiǎn)潔但描述性強(qiáng)的反思筆記，以及最近5，000字符的訪談?dòng)涗洝?/p>

　　讓AI訪談員「開(kāi)口說(shuō)話」

　　為了讓被試感覺(jué)自己在和真正的人類交談，并且和面試官建立融洽的關(guān)系，團(tuán)隊(duì)使用了低延遲語(yǔ)音。

　　被試發(fā)言后，AI面試官通常會(huì)在4秒內(nèi)做出回應(yīng)。

　　也就是說(shuō)，短短4秒內(nèi)，AI就完成推理、生成、返回語(yǔ)音響應(yīng)的全過(guò)程!因此，人類被試也會(huì)感覺(jué)無(wú)比絲滑。

　　參與者的語(yǔ)音響應(yīng)，是使用OpenAI的Whisper模型轉(zhuǎn)錄的，這個(gè)模型能將語(yǔ)音音頻轉(zhuǎn)換為文本。

　　為了讓被試對(duì)自己的回答進(jìn)行反思，研究者會(huì)對(duì)GPT-4o使用以下提示:

　　而為了讓GPT-4o動(dòng)態(tài)生成新問(wèn)題，研究者會(huì)對(duì)它使用以下提示:

　　果然，這樣調(diào)試出來(lái)的AI訪談員非常具有同理心，能連續(xù)和人類被試進(jìn)行順暢的對(duì)話。

　　聽(tīng)到被試的童年經(jīng)歷后，ta會(huì)說(shuō)「聽(tīng)說(shuō)你的童年并不美好，我感到很遺憾，能告訴我你在高中的更多經(jīng)歷嗎?」

　　聽(tīng)完被試的高中經(jīng)歷后，ta會(huì)貼心地進(jìn)行總結(jié)，然后繼續(xù)提問(wèn):「謝謝你與我分享這些。聽(tīng)起來(lái)高中對(duì)你來(lái)說(shuō)是一個(gè)特別有挑戰(zhàn)性、但成長(zhǎng)很多的時(shí)期。高中畢業(yè)后，你選擇了怎樣的道路?是去上了大學(xué)還是直接進(jìn)入職場(chǎng)了呢?」

　　讓智能體模仿人類行為

　　那么，智能體為什么對(duì)他們的「人類原型」模仿得這么像呢?

　　生成式AI之所以能模擬人類行為，是因?yàn)檎Z(yǔ)言模型能提供支持，然后通過(guò)一組記憶來(lái)定義其行為。

　　這些記憶以文本形式存儲(chǔ)在數(shù)據(jù)庫(kù)(或「記憶流」)中，在需要時(shí)被檢索出來(lái)，通過(guò)語(yǔ)言模型生成智能體的行為。

　　同時(shí)，系統(tǒng)配備一個(gè)反思模塊，將這些記憶綜合為反思內(nèi)容，從智能體記憶中的部分或全部文本中選擇內(nèi)容，以提示語(yǔ)言模型推導(dǎo)出有用的見(jiàn)解，從而增強(qiáng)智能體行為的可信度。

　　傳統(tǒng)的智能體，通常依賴于手動(dòng)設(shè)定的特定場(chǎng)景下的行為，而生成性智能體，則利用語(yǔ)言模型生成類似人類的響應(yīng)，后者能反映其記憶中描述的人格特質(zhì)，并適用于各種情境，因而這種角色扮演會(huì)格外逼真。

　　專家反思，彌補(bǔ)單一思維鏈缺陷

　　同時(shí)，研究者引進(jìn)了一種「專家反思」，來(lái)從訪談?dòng)涗浿忻鞔_推導(dǎo)出關(guān)于參與者的高層次、更抽象的見(jiàn)解

　　這是因?yàn)�，僅僅將參與者的訪談?dòng)涗浿苯犹崾菊Z(yǔ)言模型，以單一的思維鏈預(yù)測(cè)其反應(yīng)，可能導(dǎo)致模型忽略受訪者未明確表達(dá)的潛在信息。

　　在該模塊中，研究者提示模型對(duì)參與者的數(shù)據(jù)生成反思，但并非僅要求模型從訪談中推導(dǎo)見(jiàn)解，而是要求它采用領(lǐng)域?qū)＜业纳矸荨?/p>

　　具體來(lái)說(shuō)，他們要求模型生成四組反思，每次以社會(huì)科學(xué)四個(gè)分支領(lǐng)域的不同專家身份進(jìn)行:心理學(xué)家、行為經(jīng)濟(jì)學(xué)家、政治學(xué)家和人口統(tǒng)計(jì)學(xué)家。

　　每個(gè)智能體的記憶包括采訪記錄和專家對(duì)該記錄的反思的輸出。這些思考是使用語(yǔ)言模型生成的簡(jiǎn)短綜合，用于推斷可能未明確說(shuō)明的參與者的見(jiàn)解。專家社會(huì)科學(xué)家(例如心理學(xué)家、行為經(jīng)濟(jì)學(xué)家)的角色，則會(huì)引導(dǎo)這些反思

　　例如，對(duì)于某一訪談?dòng)涗�，不同專家身份生成了不同的�?jiàn)解:

　　心理學(xué)家會(huì)認(rèn)為，被試者很重視自己的獨(dú)立性，喜歡出差，對(duì)母親的過(guò)度管束感到不滿，對(duì)個(gè)人自由表現(xiàn)出了強(qiáng)烈渴望。

　　在行為經(jīng)濟(jì)學(xué)家看來(lái)，他能夠?qū)⒇?cái)務(wù)目標(biāo)與休閑需求很好地結(jié)合起來(lái)，追求平衡的生活。

　　政治科學(xué)家看來(lái)，他自認(rèn)是共和黨人，并大力支持該黨派的理念，但同時(shí)也兼具兩黨的立場(chǎng)。

　　人口統(tǒng)計(jì)學(xué)家的答案則是，他是一名庫(kù)存專家，月薪3000到5000美元，家庭月收入7000美元，工作具有一定的穩(wěn)定性和靈活性。

　　對(duì)于每位被試，研究者都會(huì)把ta的訪談?dòng)涗浱崾窘oGPT-4，并要求它為每位專家生成最多20條觀察或反思，從而生成了四組反思。

　　這些提示根據(jù)每位專家的角色進(jìn)行了定制。比如針對(duì)人口統(tǒng)計(jì)學(xué)專家的提示示例如下:

　　想象一下，你是一位人口統(tǒng)計(jì)學(xué)專家(擁有博士學(xué)位)，在觀察這次采訪時(shí)做了筆記。寫(xiě)下對(duì)受訪者的人口統(tǒng)計(jì)特征和社會(huì)地位的觀察/反思。(你的觀察應(yīng)該多于5個(gè)且少于20個(gè)，考慮上述訪談內(nèi)容的深度，選擇有意義的數(shù)字。)

　　這些反思生成后，就會(huì)被保存在智能體的記憶中。

　　需要預(yù)測(cè)被試的回答時(shí)，研究者會(huì)讓語(yǔ)言模型對(duì)問(wèn)題進(jìn)行分類，判斷哪個(gè)專家最適合回答該問(wèn)題，然后檢索出該專家生成的所有反思。

　　研究者會(huì)將反思附加到參與者的訪談?dòng)涗浿校�并用其作為提示輸入GPT-4，以生成預(yù)測(cè)回答。