AI 真的能模擬人類決策嗎？
當為人工智能提供清晰的任務情境並引導其推理時，它能夠做出與人類相似的策略性決策。
現時有愈來愈多行為研究採用大型語言模型（Large language models, LLM）模擬真人受訪者，利用支援ChatGPT 等聊天機械人的人工智能 ( AI) 系統代為回答問卷，所需成本及時間遠低於招募真人參與。這種做法稱為「合成調查」（Synthetic surveys）或「矽基抽樣」（silicon sampling）。
多家AI 初創企業，例如Simile、Aaru、Artificial Societies及Uxia ，紛紛進入相關市場，提供模擬人類行為的產品，預測市場趨勢、消費者偏好，甚至政治取態。這種合成調查以大型語言模型在實驗情境中扮演人類，是社會模擬系統（social simulation）的一種實際應用。
然而，這類應用亦存在一定局限。批評者指出，社會模擬系統未必能可靠地取代真人受訪者，因為AI 有時難以捕捉人類意見之間的細微差異，而且龐大的訓練數據亦可能令模型產生偏見。雖然大型語言模型已成功複製一些簡單的實驗，但當實驗情境變得複雜，則往往無法準確模擬真人行為。
香港中文大學（中大）商學院決策、營運與科技學系教授張任宇分析，這些局限或源於更深層的結構問題 —— 大型語言模型對任務的理解及推理方式。
他表示：「大語言模型在行為與社會模擬中的失敗，不僅可能源於推理錯誤，還可能是因為它們未能形成為任務的恰當理解。不過即使它們能夠正確理解任務，推理過程也未必符合人類的思考方式。」
張教授與同系助理教授金茜冉及博士生孔樂天合作進行研究《透過情境建構及導引提升大型語言模型社會模擬的準確性》，提出一套「兩階段方法」，嘗試改善大型語言模型模擬人類行為的能力。
更精準的提示
相信不少AI 使用者都體會到，要讓模型生成理想的回答，指令必須清晰具體。透過設計及調整提示以提升模型輸出的質素，便是「Prompt engineering」 的核心。不過，在模擬人類決策和行為時，單靠現時常用的提示技巧仍有不足，因此，是次研究採用更全面的方法，測試能否取得更好的效果。
張教授及團隊參考美國認知心理學家Herbert Simon與Allen Newell的經典著作Human Problem Solving ，借鑑當中有關人類如何解決問題的理論。兩人與程式設計師Cliff Shaw合作，共同開發出首個專為自動推理而設計的電腦程式「邏輯理論家」（Logic Theorist），是AI 早期發展的重要里程碑。
Simon 及Newell 認為，人類解決問題時，會先在腦海中建立對任務的理解，再從理解範圍內尋找解決方法。受這一套理論啟發，研究團隊建立兩階段框架，讓大型語言模型在模擬人類決策及行為時，能作出更貼近真人的選擇。
第一階段是「情境建構」（context formation ），即明確交代實驗設計，包括目標、重要資訊，以及各部分如何相互關聯，讓大型語言模型能夠理解任務及其背景。第二階段是「情境導引」（context navigation），透過引導模型進行推理，使其進一步制定策略、更新判斷，並權衡各種選項。
張教授指出，要令大型語言模型表現得像人類，須清晰設定「情境建構」及「情境導引」兩個階段，讓AI 準確理解任務及自身角色。
與常用提示技巧的比較
目前常用的提示技巧雖有助改善AI 執行任務的表現，但並非全部適用於社會模擬系統。例如，「思維鏈」提示方式（Chain-of-Thought prompting） 引導AI 按步驟進行推理，惟若 AI 誤解規則及情境設定，往往會產生前後不一的結果。「少樣本提示」（Few-Shot prompting）則是向AI 模型輸入幾個範例讓其模仿，但當社會實驗的情境與範例存在差異時，所得結果未必可靠。
「思維樹」提示方式（Tree of Thoughts prompting）要求 AI 探索不同的推理路徑，再從中選擇最佳方案，卻無法判斷哪一條最符合人類思維模式。而「元提示」（Meta-prompting） 則透過設計可重複使用的提示來組織推理過程，但仍需由真人設定情境，以及界定甚麼才是有效的結果。
張教授解釋：「情境建構提供一套有系統的方法，向AI 模型說明實驗的規則及設定，幫助模型理解並適應特定情境，而非只依賴少量範例或籠統的指令。」
「情境導引則指示模型聚焦於關鍵資訊及策略性考量，而非在眾多推理路徑中進行不具針對性的搜尋。這兩個階段有助AI 釐清為何其行為仍與人類不一致，並判斷問題是出於對情境理解有誤、推理過程出錯，抑或兩者皆有。」
實際測試
為評估這套方法，研究團隊將之應用在當時最先進的大型語言模型，包括GPT-4o、GPT-5、Claude 4 Sonnet Thinking 以及 DeepSeek-R1，重複三項曾以真人為研究對象進行的社會實驗，再將AI 與人類的選擇作直接比較。過程中研究人員向AI 模型提供實驗指令，並採用「思維鏈」提示方式，引導模型逐步推理，從而觀察它們在多大程度上能夠複製人類行為。
第一項真人實驗發現，購買某產品所需的等候時間，可成為判斷產品質素的訊號。反觀在AI 實驗中，研究人員把相同的指令輸入大型語言模型，所有模型都把問題簡化為成本分析，忽略了人類會留意的社會訊號。
研究人員其後加入情境建構，向模型說明排隊的人當中，部分人其實已知道產品的質素。這有助AI 模型更準確地理解實驗情境，卻仍不足以複製人類行為。直至研究人員再加入情境導引，提示模型「隊伍長度是評估產品質素的重要線索」後，AI 才開始作出類似真人消費者的選擇。
第二項實驗要求參加者在不知道項目質素的情況下，決定是否投資；部分項目發起人會向投資者承諾，如果項目未能籌得足夠資金，便會退還投資。對人類投資者而言，這項承諾是項目質素良好的訊號。
然而，是次研究中的各個AI 模型即使收到這些投資規則，它們投資的優質項目仍明顯少於人類。這些模型須要得到明確的情境導引，把退款承諾理解為正面訊號後，才能模擬人類投資者的行為。
不過，並非所有情況都須要情境建構和導引並用。第三項實驗呈現一個相當簡單的規律：價格上升，人類的購買量便會減少。然而，大型語言模型在收到實驗指令後，反而在價格上升時增加購買；；直至價格進一步飆升，才減少購買量。
但當研究人員向模型清楚解釋實驗設定後，它們便成功複製人類行為。可見在這情況下，情境建構便已足夠。這三項實驗的差異帶出一個實用的經驗法則：簡單的選擇通常只需情境建構，而涉及多方的複雜情境則須要採用兩階段方法。
隨著AI 模型不斷進步，在較簡單的任務中，明確指引模型如何推理的重要性或會下降，因為模型能自行判斷如何處理；但這並不意味著情境導引變得較不重要。張教授補充道：「即使是非常聰明的AI ，仍需要清晰無誤的指令才能作出好的決策。」
「雖然AI 在處理一些較簡單的任務時能自行推理，但遇上複雜的問題，情境導引對於找出影響決策的關鍵線索，仍然非常重要。」