The conditional superiority of fast silicon sampling

想象一下，你正试图预测一群人会对一项新法律、一部怪诞的电影或一种辛辣食物趋势做出怎样的反应。在过去，你必须出门，敲开一扇扇门，去询问成千上万个真实的人类。但现在，我们有了“大语言模型”（LLMs）。把它们想象成超级聪明的数字大脑，它们几乎阅读了互联网上的所有内容。它们非常擅长模仿人类对话，以至于可以假装成人类。这引发了研究人员的一个疯狂想法：与其询问真实的人，不如直接问人工智能？这被称为“硅基采样”（silceon sampling）。这就像是在问一间充满数字克隆人的房间来填写调查问卷。但这里有一个大问题：如果我们要求这些数字克隆人快速、匆忙地回答，它们的答案会好吗？还是说我们需要一个一个问题地、缓慢而仔细地询问，才能得到真相？这篇论文深入探讨了这个问题，测试了在模拟人类观点时，速度是否会扼杀准确性。

研究人员决定通过一个特定的群体来测试这个想法：新加坡人。他们采用了一份真实的调查问卷，该问卷曾发放给超过 2,0ey0 名真实的新加坡人，内容涉及移民和伦理规则（例如，是否可以错误地申报税务或表现得无礼）等话题。然后，他们使用了一个非常先进的人工智能模型（OpenAI 的 GPT-5.4）创建了两组不同的“数字克隆人”。其中一组是使用“慢速”方法创建的：人工智能被要求一次只回答一个问题，每个问题都从头开始，就像人类参加考试一样。另一组则使用了“快速”方法：人工智能被给予一整份冗长且复杂的题目列表，并被要求一次性吐出所有的答案。

结果既有“还不错”，也有“绝对不完美”。首先是坏消息：数字克隆人并不是完美的人类副本。虽然它们在猜测“平均”观点方面做得相当出色（例如，如果大多数真实的人认为某事是“可以接受的”，人工智能也认为那是“可以接受的”），但它们未能捕捉到观点的“多样性”。真实的人类有着广泛的情感波动；有些人热爱某事，有些人讨厌，有些人则持中间立场。然而，人工智能倾向于抹平一切，让每个人听起来感觉都一模一样。它还搞错了不同观点之间的关系。例如，在现实生活中，讨厌移民的人可能也会以某种特定的模式讨厌其他某些事物。人工智能的数字克隆人并没有完全掌握这种模式；与真实的人相比，它们观点的“形状”看起来是扭曲的。

然而，这里有一个让这篇论文变得令人兴奋的转折。研究人员发现，“快速”方法实际上与“慢速”方法一样好，甚至有时甚至略好。这很令人惊讶，因为大家原本都认为，一次性给人工智能一大堆问题会让它感到困惑，或者降低它的响应能力。但数据表明，快速的数字克隆人与慢速的数字克隆人一样，都能忠实地反映真实数据。事实上，快速方法是一个巨大的省时工具。生成一个人的全套答案大约只需要 3 秒钟，而慢速方法则需要 20 秒。它还节省了约 64% 的计算资源（token），且成本减半。

那么，结论是什么？论文得出结论：虽然硅基采样仍然是一种需要“极其谨慎”使用的方法，因为它不能完美地捕捉人类思想中那种混乱且多样化的本质，但你并不需要通过放慢速度来获得你能得到的最佳结果。如果你打算使用人工智能来模拟人类观点，你大可以做得快一点。这样做既节省了时间和金钱，又不会让答案变差。但作者警告我们不要现在就过于兴奋：这些数字克隆人仍然只是探索性的工具。它们非常适合测试想法或观察模型的行为，但当我们需要确切了解一个群体在想什么时（尤其是在像新加坡这样多元化的地方），它们不应取代真实的人类调查。数字克隆人在基础方面做得越来越好，但它们还没有真正学会如何成为真正的人类。