研究探索了使用生成式人工智能进行支付应用调查的潜力和陷阱
本文包含AI辅助创作内容
日本银行货币与经济研究所（IMES）与韩国银行合作发布的一项新研究探讨了使用生成式人工智能（GenAI）模拟支付应用用户调查的可行性与局限性。这项题为《支付应用调查的生成式AI：AI对隐私与技术的看法》的讨论论文，以Brits和Jonker（2023）在荷兰进行的实际调查为基准，评估了ChatGPT在模拟用户对隐私和技术收益认知方面的表现。
研究人员通过设计具有不同人口统计特征（如年龄、性别、用户身份）的“生成代理”，并采用角色、任务、格式（RTF）的提示方法，模拟了对移动支付应用收益和风险问题的回答。
研究结果表明，生成式AI能够复现真实人类调查中的几个关键模式。例如，被归类为更关注隐私的代理往往对支付应用评价更低，感知到的风险更高，这与隐私计算理论一致。更重要的是，ChatGPT无需明确指令，就能自然反映出用户和非用户之间的显著差异：用户认为收益更高、风险更低。
然而，该研究也揭示了生成式AI作为调查工具的明显局限性。最突出的是，AI生成回答的变异度（以标准差衡量）远低于人类调查，这意味着它难以捕捉人类观点的全范围，可能忽略少数派意见。此外，研究观察到明显的偏差：极大比例的生成代理被归类为“隐私基本教义派”，显示出对隐私问题的高度敏感，这与实际人群中的分布不符。即使通过调整“温度”参数或增加更详细的人物属性（如收入、教育水平）来试图增加多样性，效果也十分有限。
研究人员总结认为，生成式AI有潜力作为辅助工具，用于调查前期的模拟、问题构思和设计，提供成本和时间效率。但其固有的回答变异度低和存在潜在偏差的局限性，使其目前无法完全替代真实人类受访者。研究者特别提醒政策制定者，若完全依赖AI生成的数据，可能因无法充分代表多样化（尤其是边缘）群体的观点而得出误导性结论。
请先 登录后发表评论 ~