Die KI kann vorhersagen, wie Sie auf eine Umfrage reagieren werden.

Künstliche Intelligenzsysteme, insbesondere große Sprachmodelle (LLMs), haben eine beeindruckende Fähigkeit gezeigt, vorherzusagen, wie Individuen auf Umfragen und andere Formen der Befragung reagieren könnten. Diese Fähigkeit hat bei Forschern, insbesondere in Bereichen wie den Sozialwissenschaften, wo das Verständnis des menschlichen Verhaltens von zentraler Bedeutung ist, erhebliches Interesse geweckt.

In der Studie sammelten Ashokkumar und ihr Team Daten aus etwa 70 bestehenden Experimenten in den Vereinigten Staaten, an denen insgesamt fast 120.000 Teilnehmer beteiligt waren. Sie verwendeten dann GPT-4 zur Analyse hypothetischer Szenarien und lieferten dem Modell detaillierte Beschreibungen potenzieller Teilnehmer zusammen mit spezifischen experimentellen Nachrichten und Umfragefragen. Die KI hatte die Aufgabe, vorherzusagen, wie diese Personen unter verschiedenen Bedingungen reagieren würden. Beim Vergleich der Vorhersagen der KI mit tatsächlichen Ergebnissen fanden die Forscher eine bemerkenswerte Korrelation.

Das Modell war in der Lage, zwischen Interventionen zu unterscheiden, die unterschiedliche Wirksamkeitsgrade aufwiesen, was darauf hindeutet, dass LLMs tatsächlich sinnvolle Verhaltensmuster im Rahmen von textbasierten US-Umfrageexperimenten erfassen könnten. Trotz dieser vielversprechenden Ergebnisse betont die Studie, dass prädiktive Genauigkeit nicht mit wahrem Verständnis gleichzusetzen ist. Gelehrte wie Lisa Messeri und Molly J. Crockett warnen davor anzunehmen, dass KI-Systeme tiefere Einblicke bieten, nur weil ihre Ergebnisse logisch oder hilfreich erscheinen. Eine KI kann überzeugende Erklärungen oder Prognosen liefern, aber diese können eher aus fortgeschrittener Mustererkennung als aus einem echten Verständnis zugrunde liegender Verhaltensmechanismen stammen.

Die Studie ergab beispielsweise, dass GPT-4 zwar bei der Schätzung der relativen Auswirkungen verschiedener Interventionen hervorragend war, seine vorhergesagten Effektgrößen jedoch konstant etwa doppelt so hoch waren wie die tatsächlich beobachteten Effekte. Diese Diskrepanz unterstreicht die Bedeutung der Unterscheidung zwischen Prognosekapazitäten und umfassendem Verständnis. Dennoch bleiben die potenziellen Anwendungen von KI in vorläufigen Forschungsstadien erheblich. Forscher führen häufig kleinere Pilotstudien durch, bevor sie größere, ressourcenintensive Projekte durchführen.

Diese ersten Untersuchungen helfen dabei, Interventionen zu verfeinern und zu beurteilen, ob die erwarteten Effekte ausreichend robust sind, um weitere Untersuchungen zu rechtfertigen. In diesem Zusammenhang könnten LLM-generierte Prognosen als ergänzendes Werkzeug dienen. Zum Beispiel könnten Forscher simulieren, wie verschiedene demografische Gruppen auf verschiedene Versionen einer Impfbotschaft, einer Arbeitsplatzinitiative oder eines politischen Vorschlags reagieren würden.

Daher liegt die vorteilhafteste Zukunft möglicherweise nicht darin, menschliche Forscher oder Probanden durch KI zu ersetzen, sondern in der Nutzung von KI, um die Zuweisung begrenzter menschlicher Ressourcen effektiv zu steuern. Das Konzept der "synthetischen Befragten" oder "Silicon-Sampling" erstreckt sich über die akademische Neugier hinaus und in praktische Bereiche wie Umfragen, Marktforschung und öffentliche Konsultationen. Befürworter argumentieren, dass diese Methoden schnellere und kostengünstigere Alternativen zum Testen von Ideen bieten. Kritiker äußern jedoch berechtigte Bedenken hinsichtlich der potenziellen Erosion des Vertrauens, wenn simulierte Antworten mit authentischen öffentlichen Gefühlen verwechselt werden.

Eine politische Persönlichkeit, die sich mit der Reaktion der Öffentlichkeit auf eine neuartige Steuerpolitik befasst, oder ein Unternehmen, das die Reaktion der Verbraucher auf eine Marketingstrategie bewertet, könnte sich auf KI-generierte Erkenntnisse für schnelle Antworten verlassen.

Während KI-Werkzeuge die Effizienz steigern und wertvolle vorläufige Erkenntnisse liefern können, dürfen sie das nuancierte Verständnis, das sich aus der direkten Interaktion mit menschlichen Probanden ergibt, nicht ersetzen. Die Studie dient als Erinnerung daran, dass KI zwar Antworten vorhersagen kann, aber die Tiefe der menschlichen Erfahrung und die Komplexität der sozialen Dynamik nicht vollständig nachbilden kann. Zukünftige Entwicklungen sollten sich auf die Schaffung von Rahmenbedingungen konzentrieren, die sicherstellen, dass KI traditionelle Forschungspraktiken ergänzt und nicht ersetzt, und dadurch sowohl die wissenschaftliche Strenge als auch das gesellschaftliche Vertrauen aufrechterhält.