让 GPT 当经济学实验的受试者：它复现了哪些经典结果，又没证明什么？

配图：AI 生成的概念示意图，非论文原图或实验数据。

TL;DR：2023 年 1 月，经济学家 John Horton 提出「Homo Silicus」：把大语言模型当作可以随意设定偏好的模拟受试者。他用 GPT-3 重做了几个经典实验，结果在定性上与原研究相似，而且成本很低。但这只是定性相似，不等于 AI 能替代真人实验，作者自己也列了不少警告。

这是一篇 2023 年的论文（arXiv 2301.07543，2023 年 1 月 18 日提交，同年 4 月以 NBER 工作论文形式发布），不是最近的新闻。后来论文又在 2026 年更新过一版，作者增加到三位。

它想做什么

传统经济学假设人是「Homo Economicus」：理性、自利。Horton 的想法是，大模型是用海量人类文本训练出来的，等于一个隐含的「人类模型」。那就可以像设定理论模型那样，给它设定禀赋、信息和偏好，然后看它怎么选，也就是「Homo Silicus」。

做了哪些实验

主要使用 OpenAI 的 text-davinci-003，作者称整套实验花费约 50 美元。

社会偏好（Charness 和 Rabin，2002）：把模型设定为自利、重效率或厌恶不平等，它的选择就跟着变。自利时多选自己收益最大的选项，重效率时选总收益最大的选项，厌恶不平等时尽量缩小差距。更小的模型则大多不管设定，一律选「左边」。

涨价是否公平（Kahneman 等，1986）：暴雪后铲雪锹涨价。原研究中 82% 的人认为从 15 美元涨到 20 美元不公平。GPT-3 面对 40 美元的价格，没有任何一个设定认为可以接受；政治立场也有影响，保守派人设对所有价格都判不公平。

现状偏见（Samuelson 和 Zeckhauser，1988）：在公路与汽车安全预算分配中，中性表述下没有一个模拟受试者选 60/40，但当它被说成「现状」时，这个选项就成了最常被选的。

最低工资：让模型扮演雇主在有经验和无经验的洗碗工之间选择。设 15 美元最低工资后，录用工资平均上升约 1.83 美元，录用者的平均经验也增加，方向与现实中的研究一致。

为什么值得看，又为什么别当真

价值在于便宜、快、可以任意改条件，适合先拿来试探假设，再去找真人验证。

但作者自己就给了不少反例。让模型直接回忆 Charness-Rabin 的各类比例，它报出的数字与真实值相差很远，说明它并非单纯在背论文。同时他也承认，训练数据反映的是公开写作而不是真实行为，模型可能只是在复述已发表的结论，结果还会随提示词、温度和模型版本变化。

所以更准确的说法是：GPT-3 在若干经典实验里给出了方向相似的答案，可以当作探索工具；它还不能证明 AI 等同于真人受试者。

论文地址：arXiv:2301.07543