人工智慧模擬與傳統預測：民意調查、小組討論、模型

人工智慧群體模擬並不能取代民意調查、焦點小組、專家判斷或統計模型；它填補了它們之間的空白。傳統方法衡量人們當下的想法或從歷史資料中推斷，而模擬則可以讓你逐步觀察群體對尚未發生的事情的反應，並探討原因。最可靠的預測是將兩者結合：利用模擬進行探索和解釋，利用傳統方法進行測量和驗證。

傳統預測的優勢所在

每種既定方法都能回答特定類型的問題，而且每種方法都擅長回答這類問題。

• 民意調查和問卷調查衡量特定人群中目前的意見分佈。只要樣本可靠、措辭嚴謹，就能得出可以站得住腳的數據。
• 焦點小組和訪談能夠揭示問卷調查永遠無法發現的語言、情感和異議。它們展現了人們如何談論某個話題，而不僅僅是他們勾選了什麼選項。
• 專家的判斷能帶來背景：經驗豐富的溝通負責人或政策分析師知道哪些利害關係人傾向於升級事態，哪些問題會自行消退。
• 當未來與過去相似且有足夠的歷史資料時，統計和計量經濟模型可以可靠地進行外推。

他們的共同弱點在於：他們難以應付新事物。一項尚未公開的公告，如果不展示給公眾，調查就無法衡量公眾的反應，而這在決策正式公佈之前可能根本無法實現。基於以往產品發表案例訓練的模型，對一個從未存在過的品類一無所知。專家往往固守於上一次危機的經驗。

AI人群模擬新增了什麼？

人工智慧群體模擬從您自己的素材開始。在InfoDome中，您可以上傳新聞報導、計劃、報告或政策草案等文檔，並以簡單易懂的語言描述您想要預測的內容。系統會提取人物、組織、群體及其關係的知識圖譜，然後創建數百個具有各自性格、立場和長期記憶的人工智慧代理。這些代理商會在兩個模擬平台上並行互動，一個是類似Twitter資訊流，另一個是類似Reddit論壇，互動輪數由您設定。隨著事件的發生，它們的記憶也會不斷更新。

這種設計賦予了你傳統工具包所不具備的功能：

• 動態變化而非瞬間定格。你可以看到誰先做出反應，誰擴大了影響力，哪些論點傳播開來，以及在10輪、20輪或40輪辯論中，各方立場是如何轉變的。
• 你可以對解釋提出質疑。運行結束後，分析代理會撰寫一份預測報告，你可以採訪任何代理或向分析代理詢問有關其推理的後續問題。
• 安全的假設測試。您可以更改輸入項，例如短語、價格或日期，然後重新運行，而不會向公眾洩露任何資訊。
• 同時面向多個受眾群體。您可以選擇最多 10 個受眾國家/地區；代理商將平均分配到這些國家/地區，而真實命名實體則保留其所屬國家/地區。
• 速度和成本。一個場景可以在幾分鐘內準備就緒，這使得測試那些原本不足以支撐完整研究預算的想法變得切實可行。

模擬的誠實局限性

模擬是一種可驗證的假設，而非測量結果。明確其局限性至關重要。

• 它反映了其輸入資訊。如果文件遺漏了關鍵群體或歪曲了事實，代理人不會憑空捏造缺失的事實。圖表中的空白就會變成預測中的空白。
• 它無法得出具有統計代表性的百分比。代理商份額反映的是方向和機制，不能取代抽樣民意調查。
• 語言模型本身也存在偏見。與真實人群相比，智能體可能更善於表達或更理性，但某些文化細微差別可能會被忽略。
• 罕見的衝擊依然罕見。模擬探索的是各種可能的路徑，但並不能保證現實世界一定會遵循最可能的路徑。

我們在關於如何審查預測的指南中介紹瞭如何系統地檢查這些弱點。

這些方法在實務上的比較

與其問哪種方法“最好”，不如問你有什麼問題。

• 「大家現在怎麼想？」用民調了解狀況。模擬可以提示應該問哪些問題，但數據應該來自真實的受訪者。
• 「人們對新事物會有什麼反應？」首先透過模擬來預測可能的反應，然後透過小型調查或幾次訪談來驗證最重要的反應。
• 「為什麼可能會出問題？」模擬和焦點小組訪談在這方面都很有優勢。模擬速度更快，而且可以重複運行；焦點小組訪談則能提供真實的人性化資訊。
• 「下一季的趨勢會是什麼？」當歷史數據穩定時，統計模型起主導作用；當結構性變化打破了過去的模式時，模擬則有所幫助。
• 「三種方案中哪一種風險最小？」重複上述場景三次，每次只改變一個變量，然後比較報告，讓專家來判斷各種方案的優缺點。

一個實際案例：城市交通票價改革

想像一下，一個市議會正準備用區域票價取代單程票。他們有一份政策草案、一份去年投訴總結以及兩篇地方新聞報道。

1. 這是傳統的做法。現有的市民調查顯示，58%的居民認為大眾運輸「可以接受」。這很有用，但它對改革本身沒有任何幫助。
2. 模擬。團隊上傳草案和文章，並提出問題：「通勤者、學生、退休人員和當地媒體在公告發布後的前兩週會有什麼反應？」參與者包括通勤團體、學生會、退休人員協會、兩名反對派議員和當地記者。經過20輪模擬，報告顯示，最強烈的負面情緒並非來自價格本身，而是源自於誤解：許多參與者認為外圍區域的價格將會翻倍，而草案中並未提及這一點。
3. 後續跟進。團隊採訪了學生會工作人員和分析師。困惑源自於一句含義模糊的句子和一個缺失的範例票價。
4. 重演。句子被改寫，添加了票價計算器範例，然後重新演練。誤解減少了，爭論的焦點轉移到變更的時機。
5. 核實。在正式發布前，宣傳團隊會邀請一小部分居民對兩個版本的文字進行測試。測試結果證實了主要的誤解所在，隨後市政委員會發布了更清晰的版本。

模擬結果並未預測投票份額，但它發現了一種機制，為團隊提供了一種低成本的修復測試方法，並明確告訴他們需要用真實用戶驗證哪些內容。

如何將模擬與經典研究結合

實際操作流程如下：

• 首先進行探索。趁著修改成本還低的時候，儘早運用模擬方法，整理出利害關係人、論點點和潛在的衝突點。我們的情境規劃和綜合調查情境是很好的起點。
• 縮小範圍。選出兩到三項如果屬實就會改變你決定的發現。
• 進行衡量。透過民意調查、小組討論或訪談來準確驗證這些發現。現在，您只需將研究預算花在真正重要的地方。
• 監控。啟動後，將實際反應與模擬反應進行比較。如果兩者存在差異，請更新文件並重新運行。

這樣就能確保人類的判斷佔主導地位。模擬拓寬了視野；最終的決定權在人手中。

如果您想在自己的素材上嘗試這項功能，可以在註冊前在InfoDome控制台中描述任務。該方案每月費用為 29 歐元，包含每月 9 歐元的 AI 使用預算和無限項目數，並且可以隨時取消。