Large language models accurately predict public perceptions of support for climate action worldwide
Diese vorregistrierte Studie zeigt, dass große Sprachmodelle, insbesondere Claude, die globale öffentliche Wahrnehmung der Unterstützung für Klimaschutzmaßnahmen und die damit verbundenen Wahrnehmungslücken mithilfe von Indikatoren auf Länderebene genau vorhersagen können, was eine schnelle und kostengünstige Alternative zu traditionellen Umfragen darstellt und gleichzeitig eine systematische Abwärtsverzerrung in der sozialen Projektion offenlegt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Problem: Die „stille Mehrheit“
Stellen Sie sich eine riesige Party vor, bei der fast alle helfen wollen, das Chaos aufzuräumen. In der Realität wollen etwa 89 % der Menschen, dass die Regierung mehr gegen den Klimawandel unternimmt, und 69 % wären bereit, ein wenig Geld beizutragen, um zu helfen.
Aber hier ist der Haken: Niemand weiß das.
Die meisten Menschen kommen zu dieser Party mit dem Gedanken: „Ach, die anderen werden wahrscheinlich einfach nur auf der Couch sitzen und nichts tun.“ Das nennt man pluralistische Ignoranz. Weil jeder denkt, dass es den anderen egal ist, spricht niemand seine Meinung aus oder leistet einen Beitrag. Alle warten darauf, dass jemand anderes anfängt, was einen Kreislauf des Schweigens und der Untätigkeit schafft.
Das neue Werkzeug: Das „Super-Orakel“
Lange Zeit war der einzige Weg herauszufinden, was die Menschen wirklich denken (und was sie denken, dass andere denken), tausende von teuren Umfragen in jedem einzelnen Land durchzuführen. Das ist so, als würde man ein Team von Detektiven anheuern, um jeden einzelnen Gast auf der Party zu interviewen. Es dauert ewig und kostet ein Vermögen.
Die Autoren dieser Arbeit stellten eine neue Frage: Kann Künstliche Intelligenz (speziell Large Language Models oder LLMs) als ein „Super-Orakel“ fungieren, um diese Gefühle vorherzusagen, ohne eine einzige Umfrage versenden zu müssen?
Sie testeten vier berühmte KI-Modelle (GPT-4o mini, Claude 3.5 Haiku, Gemini 2.5 Flash und Llama 4 Maverick), um zu sehen, ob sie vorhersagen können, wie sehr die Menschen einander ihre Bereitschaft zur Hilfe unterschätzen.
Die Ergebnisse: Die KI hatte recht (meistens)
Die Forscher behandelten die KI wie einen Schüler, der eine Prüfung ablegt. Sie gaben der KI echte Daten aus 125 verschiedenen Ländern (wie BIP, Internetnutzung und tatsächliche Umfrageergebnisse) und fragten sie, die „Wahrnehmungslücke“ zu erraten (den Unterschied zwischen dem, was die Menschen glauben, was andere tun werden, und dem, was sie tatsächlich tun werden).
- Der Spitzenreiter: Ein Modell, Claude, war unglaublich genau. Es errat die Größe der Wahrnehmungslücke mit einer Fehlermarge von nur etwa 5 Prozentpunkten. Es war genauso gut wie ein traditionelles statistisches Computermodell.
- Der Zweitplatzierte: Llama machte ebenfalls einen guten Job.
- Die Schwierigen: Die beiden anderen Modelle (GPT und Gemini) waren weniger genau und schätzten die Lücke oft kleiner ein, als sie tatsächlich war.
Die Analogie: Stellen Sie sich vor, Sie versuchen zu erraten, wie viel Ihre Nachbarn für einen neuen Park bezahlen würden. Die besten KI-Modelle betrachteten das Einkommen und die Demografie der Nachbarschaft und sagten: „Sie denken, ihre Nachbarn würden nicht viel bezahlen, aber eigentlich sind sie bereit, viel zu zahlen.“ Sie beherrschten die Mathematik.
Wie hat die KI das gemacht? („Magie“ vs. „Logik“)
Die Forscher waren besorgt, dass die KI vielleicht nur schummelt. Da diese Modelle auf riesigen Mengen von Texten aus dem Internet trainiert wurden, könnten sie die Antworten einfach aus einer kürzlich veröffentlichten Umfrage „auswendig gelernt“ haben.
Um dies zu testen, spielten sie ein Spiel nach dem Motto „Finde den Unterschied“:
- Der „Namenswechsel“-Test: Sie sagten der KI: „Dies ist Frankreich, aber hier sind die Wirtschaftsdaten von Nigeria.“ Wenn die KI nur auswendig gelernt hätte, dass „Frankreich = X“ ist, würde sie X raten. Aber die KI betrachtete die nigerianischen Daten und rätte basierend auf diesen. Dies bewies, dass sie schlussfolgert und nicht nur ein Skript rezitiert.
- Der „Fehlende Info“-Test: Sie entfernten bestimmte Fakten (wie Einkommensniveaus), um zu sehen, ob die KI immer noch raten konnte. Die besten Modelle (Claude und Llama) erkannten, dass der wichtigste Hinweis schlichtweg war: „Wie bereit sind die Menschen, sich selbst zu helfen?“ Wenn Menschen bereit sind, sich selbst zu helfen, nehmen sie an, dass andere das auch sind. Dies ist ein psychologisches Konzept namens soziale Projektion.
Das Fazit: Die KI war nicht nur ein Wörterbuch, das Antworten nachschlägt; sie agierte wie ein kluger Psychologe, der Logik verwendet, um zu verstehen, wie Menschen über andere Menschen denken.
Wo funktioniert die KI am besten?
Die KI ist nicht überall gleichermaßen gut.
- Die „High-Tech“-Zone: In wohlhabenden Ländern mit hoher Internetnutzung (wie Europa und Nordamerika) war die KI sehr genau. Es ist wie ein Detektiv, der Zugang zu einer riesigen Bibliothek über diese spezifischen Orte hat.
- Die „Low-Tech“-Zone: In ärmeren Ländern oder Orten mit weniger Internetzugang war die KI weniger genau. Das liegt daran, dass die KI hauptsächlich mit Daten aus reichen, vernetzten Ländern trainiert wurde. Es ist wie ein Detektiv, der noch nie ein abgelegenes Dorf besucht hat und nun basierend auf Stereotypen rät.
Was bedeutet das?
Die Arbeit kommt zu dem Schluss, dass KI ein schnelles, günstiges „Thermometer“ sein kann, um diese Wahrnehmungslücken weltweit zu messen.
- In reichen Ländern kann sie teure Umfragen ersetzen.
- In ärmeren Ländern kann sie eine „grobe Schätzung“ liefern, um uns zu zeigen, wo das Problem am größten ist, damit wir wissen, wo wir später echte menschliche Umfrager hinschicken sollen.
Entscheidend ist, dass das Papier nicht behauptet, dass KI den Klimawandel lösen kann oder dass wir deshalb mit echten Umfragen aufhören sollten. Es besagt lediglich, dass KI ein mächtiges neues Werkzeug ist, um uns zu helfen, die „unsichtbare“ Lücke zwischen dem, was wir denken, und dem, was tatsächlich wahr ist, zu erkennen – und uns so zu helfen, zu wissen, wo wir das Gespräch beginnen müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.