用 GPT-3 复制美国选民：硅基样本真能算出谁投了谁？

配图：AI 生成的概念示意图，非论文原图或实验数据。

TL;DR：2022 年，杨百翰大学团队用 GPT-3 把真实问卷受访者的人口背景写成第一人称“人设”，让模型代替他们回答，造出所谓“硅基样本”。在美国大选投票选择上，整体结果与真实调查高度相关，但这只在群体层面成立，模型并不能预测某个具体的人，纯独立选民的拟合也最差。它证明的是“可以当研究工具试用”，不是“可以取代真人调查”。

这是一篇 2022 年 9 月发布在 arXiv 的论文，后来正式发表于《Political Analysis》，不是今天的新闻。作者是 Lisa Argyle 等六人，来自杨百翰大学。

他们做了什么

社会科学家常说语言模型有“偏见”，并把它当成一团均匀的东西。论文的想法相反：GPT-3 的偏见其实是细粒度的，和人口特征相关联。只要用对应的背景去引导它，它就能模仿不同群体的回答分布。作者把这种能力叫“算法保真度”（algorithmic fidelity）。

具体做法是：从美国全国选举研究（ANES）等大型调查里取真实受访者，把种族、性别、年龄、意识形态、党派、教会出席等信息写成一段第一人称自述，喂给 GPT-3（Davinci，1750 亿参数），再让它接着“回答”。每个受访者对应一个“硅基受访者”。

关键数字

投票实验用了 ANES 2012、2016、2020 三届数据。整体的四分相关系数分别是 0.90、0.92、0.94，一致比例为 0.85、0.87、0.89。

总得票比例接近但不相同：2016 年模型给特朗普 43.2%，真实调查为 47.7%；2020 年则是 47.2% 对 41.2%，反而高估。2020 年的结果尤其有意思，因为 GPT-3 的训练数据只到 2019 年。拟合最差的是纯独立选民，2020 年相关系数只有 0.02。

另一个实验让 2800 多名评估者判断词语清单是不是真人写的：真人清单被判为真人的比例是 61.7%，GPT-3 的是 61.2%，几乎分不出。不过在猜写作者党派时，真人清单猜对 60.1%，模型清单只有 52.8%，说明还有差距。作者称整个实验的 GPT-3 调用费用约 29 美元。

为什么重要，又为什么要小心

如果成立，研究者可以用便宜的模型先做预实验，探索很多群体及其交叉身份。但作者自己也列出限制：只评估群体分布，不预测个体；输出有随机性；模型对总体有轻微偏差；只覆盖美国政治；投票提示词只是初步版本。他们还警告，这类方法也可能被用于制造虚假信息或操纵舆论。

所以更准确的说法是：在这批美国数据上，用对了条件，硅基样本能复现群体倾向。至于换个国家、换个议题还成不成，这篇论文并没有回答。

论文地址：arXiv:2209.06899