AI และการวิจัยแบบสำรวจ: การทำงานร่วมกันที่น่าประหลาดใจ

การศึกษา最近 หนึ่ง โดยทีมนักวิชาการและนักศึกษาระดับบัณฑิตศึกษาจาก BYU ได้ตรวจสอบศักยภาพของการใช้ AI เป็นตัวแทนของมนุษย์ในงานวิจัยแบบสำรวจ ทีมงานได้ทดสอบความแม่นยำของอัลกอริทึมที่ถูกตั้งโปรแกรมของโมเดลภาษา GPT-3 ซึ่งเลียนแบบความสัมพันธ์ที่ซับซ้อนระหว่างความคิด ความเชื่อ และบริบททางสังคมวัฒนธรรมของประชากรย่อยต่างๆ

บุคลิกภาพเทียมและรูปแบบการลงคะแนน

ในหนึ่งการทดลอง นักวิจัยได้สร้างบุคลิกภาพเทียมโดยการกำหนดคุณลักษณะเฉพาะให้กับ AI เช่น เชื้อชาติ อายุ อุดมการณ์ และศาสนา จากนั้นพวกเขาทดสอบว่าบุคลิกภาพเทียมเหล่านี้จะลงคะแนนเสียงเหมือนกับมนุษย์หรือไม่ ในการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2012, 2016 และ 2020 โดยใช้ฐานข้อมูล ANES เป็นฐานข้อมูลการเปรียบเทียบของมนุษย์ พวกเขาพบว่ามีความสอดคล้องกันสูงระหว่างรูปแบบการลงคะแนนเสียงของ AI และมนุษย์

David Wingate ศาสตราจารย์คอมพิวเตอร์แห่ง BYU และผู้เขียนร่วมของการศึกษาแสดงความประหลาดใจต่อผลลัพธ์:

“มันสนุกมากเพราะโมเดลนี้ไม่ได้รับการฝึกฝนมาเพื่อทำการวิจัยทางวิทยาศาสตร์การเมือง แต่ถูกฝึกฝนจากข้อความ 100 พันล้านคำที่ดาวน์โหลดจากอินเทอร์เน็ต แต่ข้อมูลที่เราได้รับนั้นเชื่อมโยงมากับวิธีที่ผู้คนลงคะแนนเสียงจริงๆ”

แบบสำรวจและอนาคตของการประยุกต์

ในอีกการทดลองหนึ่ง นักวิจัยได้ฝึกอบรมบุคลิกภาพเทียมให้ให้คำตอบจากตัวเลือกในแบบสำรวจ โดยใช้ ANES เป็นตัวอย่างของมนุษย์อีกครั้ง พวกเขาพบความคล้ายคลึงกันสูงระหว่างรูปแบบที่ซับซ้อนในคำตอบของมนุษย์และ AI

ผลการวิจัยของการศึกษานี้มีแนวโน้มที่น่าตื่นเต้นสำหรับนักวิจัย ผู้ทำการตลาด และผู้สำรวจความคิดเห็น AI สามารถใช้ในการสร้างคำถามแบบสำรวจที่ดีขึ้น ปรับปรุงให้เข้าถึงได้ง่ายขึ้น และแม้กระทั่งจำลองประชากรที่ยากต่อการเข้าถึง มันสามารถใช้ในการทดสอบแบบสำรวจ สโลแกน และแท็กไลน์ก่อนที่จะดำเนินการกลุ่มโฟกัส

ศาสตราจารย์ Ethan Busby จาก BYU แสดงความคิดเห็น:

“มันไม่ได้มาแทนที่มนุษย์ แต่มันช่วยให้เราเรียนรู้เกี่ยวกับคนได้ดีขึ้น มันเกี่ยวกับการเพิ่มความสามารถของเรา ไม่ใช่การแทนที่ มันสามารถช่วยให้เราทำงานกับคนได้อย่างมีประสิทธิภาพมากขึ้นโดยการให้เราได้ทดสอบแบบสำรวจและข้อความของเรา”

คำถามทางจริยธรรมและการวิจัยในอนาคต

เมื่อโมเดลภาษาที่มีขนาดใหญ่ดำเนินต่อไป มีคำถามมากมายเกิดขึ้นเกี่ยวกับการประยุกต์ใช้และผลกระทบของมัน ประชากรใดจะได้รับประโยชน์จากเทคโนโลยีนี้ และประชากรใดจะถูกกระทบกระเทือนอย่างไร เราจะป้องกันตัวเองจากนักต้มตุ๋นและนักฉ้อโกงที่อาจใช้ AI เพื่อสร้างการหลอกลวงที่ซับซ้อนมากขึ้นหรือไม่?

แม้ว่าคำถามเหล่านี้ยังคงไม่มีคำตอบ แต่การศึกษานี้ให้คำตอบที่ชัดเจนสำหรับนักวิจัยในอนาคตที่จะใช้ในการพิจารณาความแม่นยำของโมเดล AI สำหรับหัวข้อต่างๆ

Wingate ยอมรับถึงผลกระทบด้านบวกและด้านลบของการพัฒนา AI :

“เราจะเห็นผลประโยชน์เชิงบวกเพราะมันจะปลดล็อกความสามารถใหม่ๆ เราจะเห็นเรื่องร้ายๆ เกิดขึ้นเพราะบางครั้งโมเดลคอมพิวเตอร์ไม่แม่นยำและบางครั้งก็ลำเอียง มันจะทำให้สังคมเปลี่ยนแปลงต่อไป”

Busby เน้นย้ำว่าการสำรวจบุคลิกภาพเทียมไม่ควรแทนที่ความจำเป็นในการสำรวจคนจริงๆ และเรียกร้องให้นักวิชาการและผู้เชี่ยวชาญร่วมมือกันในการกำหนดขอบเขตทางจริยธรรมของการสำรวจ AI ในการวิจัยทางวิทยาศาสตร์สังคม