AI 真的能模仿人类决策吗？
当为人工智能提供清晰的任务情境并引导其推理时，它能够做出与人类相似的策略性决策。
大语言模型（Large language models, LLM）是ChatGPT等聊天机器人背后的人工智能(AI) 系统，如今有越来越多的行为研究以这类模型替代真人参与实验。这种被称为“合成调查” （Synthetic surveys）或“硅基抽样” （silicon sampling）的方法，让研究人员可利用AI 完成问卷调查，其成本和耗时远低于真人实验。
Simile、Aaru、Artificial Societies、Uxia 等众多AI 初创公司，都提供模拟人类行为的产品，用于预测市场趋势、消费者偏好乃至政治观点。这种合成调查是社会模拟（social simulation）的直接应用，即在实验环境中让大语言模型扮演人类角色。
然而，这类应用有一定的局限。批评者认为，社会模拟可能并不是人类受访者的可靠替代方案，因为AI 有时候无法捕捉细微的观点差异，而且海量的训练数据也可能导至模型出现偏见。尽管大语言模型已成功复制了一些简单的实验，但在复杂的情境中，它们的选择往往有别于真人做出的决策。
根据香港中文大学（中大）商学院决策、营运与科技学系教授张任宇的分析，这些局限或源于大语言模型在理解任务和进行推理方面所面临的更深层次的结构性挑战。
他表示：“大语言模型在行为与社会模拟中的失败，不仅可能源于推理出错，还可能是因为它们未能形成对任务的恰当理解。即使正确理解了任务，它们的推理过程也可能与人类的思考方式不符。”
张教授与同系助理教授金茜冉及博士生孔乐天合作进行研究《透过情境构建及导航提升大语言模型的社会模拟准确性》，该研究提出了一套“两阶段方法”，尝试提升大语言模型模拟人类行为的能力。
更精准的提示
大多数重视提示词工程（Prompt engineering）的AI 用户已经认识到指令清晰而具体的重要性，但在进行社会模拟时，许多流行的提示词仍然效果不佳。因此，研究团队采用了一种更全面的提示方法，测试其能否取得更好的效果。
具体来说，张教授及其团队借鉴了赫伯特·西蒙和艾伦·纽厄尔有关人类如何解决问题的经典理论。这两位著名科学家在程序员克利夫·肖的协助下，开发了“逻辑理论家”（Logic Theorist）—— 这是首个旨在进行自动推理的计算机程序，标志着人工智能的诞生。
西蒙和纽厄尔认为，人类在解决问题时，会先在脑中形成对任务的理解，并在其中有针对性地寻找解决方案。受这一理论启发，研究团队开发了一个“两阶段框架”，旨在让大语言模型在社会模拟中做出更接近人类行为的选择。
第一阶段是“情境构建”（context formation ），即明确交代实验设计，通过界定目标、关键信息以及各部分如何相互关联，使大语言模型能够理解任务及其背景。第二阶段是「情境导航」（context navigation），透过引导推理过程，使大语言模型能够进一步制定策略、更新评估，并权衡最佳选项。
张教授指出，要让大语言模型表现得像人类一样，应明确界定“情境构建”和“情境导航”这两个阶段的框架，以便AI 能够准确理解任务及其自身的角色。
与常用提示技巧的比较
当前流行的提示词技巧虽能提升AI 执行任务的表现，但并不总是适用于社会模拟实验。例如，“思维链”提示法（Chain-of-Thought prompting）侧重于分步指令，但如果AI 误解了规则和情境设定，往往会产生不一致的结果。“少样本提示” （Few-Shot prompting）则通过示例引导AI 模型，但当社会实验的情境与示例存在差异时，得出的结果未必可靠。
“思维树”提示法（Tree of Thoughts prompting）要求AI模型探索多种路径以选择最佳解决方案，但无法确定哪一种最接近人类思维方式。“元提示” （Meta-prompting）则是通过设计可重复使用的提示词来组织推理过程，但仍需要人类来设定情境以及界定有效结果的标准。
张教授说：“我们所用的 ‘情境构建’ 提供了一套系统化的方法，向 AI 模型说明实验的规则和设定，协助模型理解并适应特定场景，而非仅仅依赖少数示例或者通用指令。”
“情境导航则引导AI模型有针对性地关注关键信息和进行战略考量，而不需要在各种推理路径中进行开放式搜索。这两个阶段有助AI 弄清楚为何其表现跟人类行为不符，并判断问题是出于误解了情境、推理过程出错，还是两者兼有。”
实际测试
为了评估该方法，研究团队利用三项曾以真人为研究对象的社会实验对其进行测试，直接对比AI 和真人的选择。研究人员按照“思维链”的提示方式，向当时最强大的大语言模型 —— GPT-4o、GPT-5、Claude 4 Sonnet Thinking 和 DeepSeek-R1 —— 逐步提供实验指令，然后观察它们在多大程度上能够复现人类行为。
第一项真人实验发现，人们购买某件商品所需的等待时间可以反映其质量。可是当研究人员把相同的指令输入大语言模型，所有模型都把问题简化为成本分析，忽略了人类会留意的社会线索。
研究人员随后在提示中加入“情境构建”，即向模型说明部分排队购买的人已经知道该商品的品质。这一方法令AI 模型更准确地理解了实验情境，但它们仍然无法重现人类行为。直至研究人员在提示中加入“情境导航”，即提示模型队伍长度可以作为评估商品质商的重要线索后，AI 才开始像人类消费者一样行事。
第二项实验要求人类参加者在不清楚项目质量的情况下，决定是否投资。一些项目发起人承诺，如果项目未能筹集到所需资金，将向投资者提供退款。人类投资者将此视为项目质量良好的信号。
然而，即便提供了投资规则，所有大语言模型投资的优质项目数量仍远少于人类。只有当大语言模型获得了明确的情境导航，即把退款方案解读为正面信号时，它们才能够模拟人类投资者的行为。
并非所有情况都需要同时采取这两个步骤。第三项实验发现一个相当简单的规律：人类的购买量会随着价格上涨而减少。奇怪的是，在收到指令后，大语言模型在价格上涨时反而购买了更多，直到价格进一步飙升，它们才会减少购买。
当大语言模型获得对实验设定的清晰解释时，它们便能成功复现人类行为。在这种情况下，仅提供“情境构建”就已经足够。这三项实验揭示了一条实用的经验法则：简单的选择往往只需利用“情境构建”方法，而涉及多方参与的复杂情境则需要采用两阶段方法。
随着AI 模型不断改进，对于较为简单的任务，关于如何进行推理的明确指导可能不再那么重要，因为模型可以自行推理得出结果；但这并不代表“情境导航”的重要性会降低。张教授补充指：“即使是非常聪明的AI ，也需要清晰明确的指令才能做出正确的决策。”
“虽然AI有时候能在简单任务中自主推理，但在复杂情境中，情境导航对于找出跟人类决策最为相关的信号仍然至关重要。”