人工智能模拟与传统预测：民意调查、小组讨论、模型

人工智能群体模拟并不能取代民意调查、焦点小组、专家判断或统计模型；它填补了它们之间的空白。传统方法衡量人们当下的想法或从历史数据中进行推断，而模拟则可以让你逐步观察群体对尚未发生的事情的反应，并探究其原因。最可靠的预测是将两者结合起来：利用模拟进行探索和解释，利用传统方法进行测量和验证。

传统预测的优势所在

每种既定方法都能回答特定类型的问题，而且每种方法都擅长回答这类问题。

• 民意调查和问卷调查衡量特定人群中当前的意见分布情况。只要样本可靠、措辞严谨，就能得出可以站得住脚的数据。
• 焦点小组和访谈能够揭示问卷调查永远无法发现的语言、情感和异议。它们展现了人们如何谈论某个话题，而不仅仅是他们勾选了什么选项。
• 专家的判断能带来背景：经验丰富的沟通负责人或政策分析师知道哪些利益相关者倾向于升级事态，哪些问题会自行消退。
• 当未来与过去相似且有足够的历史数据时，统计和计量经济模型可以可靠地进行外推。

他们的共同弱点在于：他们难以应对新事物。一项尚未公开的公告，如果不展示给公众，调查就无法衡量公众的反应，而这在决策正式公布之前可能根本无法实现。基于以往产品发布案例训练的模型，对一个从未存在过的品类一无所知。专家们往往会固守于上一次危机的经验。

AI人群模拟新增了什么？

人工智能群体模拟从您自己的素材开始。在InfoDome中，您可以上传新闻报道、计划、报告或政策草案等文档，并用通俗易懂的语言描述您想要预测的内容。系统会提取人物、组织、群体及其关系的知识图谱，然后创建数百个具有各自性格、立场和长期记忆的人工智能代理。这些代理会在两个模拟平台上并行互动，一个是类似Twitter信息流，另一个是类似Reddit论坛，互动轮数由您设定。随着事件的发生，它们的记忆也会不断更新。

这种设计赋予了你传统工具包所不具备的功能：

• 动态变化而非瞬间定格。你可以看到谁先做出反应，谁扩大了影响力，哪些论点传播开来，以及在10轮、20轮或40轮辩论中，各方立场是如何转变的。
• 你可以对解释提出质疑。运行结束后，分析代理会撰写一份预测报告，你可以采访任何代理或向分析代理询问有关其推理的后续问题。
• 安全的假设测试。您可以更改一个输入项，例如短语、价格或日期，然后重新运行，而不会向公众泄露任何信息。
• 同时面向多个受众群体。您可以选择最多 10 个受众国家/地区；代理商将平均分配到这些国家/地区，而真实命名实体则保留其所属国家/地区。
• 速度和成本。一个场景可以在几分钟内准备就绪，这使得测试那些原本不足以支撑完整研究预算的想法变得切实可行。

模拟的诚实局限性

模拟是一种可验证的假设，而非测量结果。明确其局限性至关重要。

• 它反映了其输入信息。如果文件遗漏了关键群体或歪曲了事实，代理人不会凭空捏造缺失的事实。图表中的空白就会变成预测中的空白。
• 它无法得出具有统计代表性的百分比。代理商份额反映的是方向和机制，不能替代抽样民意调查。
• 语言模型本身也存在偏见。与真实人群相比，智能体可能更善于表达或更理性，但某些文化细微差别可能会被忽略。
• 罕见的冲击依然罕见。模拟探索的是各种可能的路径，但并不能保证现实世界一定会遵循最有可能的路径。

我们在关于如何审查预测的指南中介绍了如何系统地检查这些弱点。

这些方法在实践中的比较

与其问哪种方法“最好”，不如问问你有什么问题。

• “大家现在怎么想？”用民意调查来了解情况。模拟可以提示应该问哪些问题，但数据应该来自真实的受访者。
• “人们对新事物会有什么反应？”首先通过模拟来预测可能的反应，然后通过小型调查或几次访谈来验证最重要的反应。
• “为什么可能会出问题？”模拟和焦点小组访谈在这方面都很有优势。模拟速度更快，而且可以重复运行；焦点小组访谈则能提供真实的人性化信息。
• “下一季度的趋势会是什么？”当历史数据稳定时，统计模型起主导作用；当结构性变化打破了过去的模式时，模拟则有所帮助。
• “三种方案中哪一种风险最小？”重复上述场景三次，每次只改变一个变量，然后比较报告，让专家来判断各种方案的优缺点。

一个实际案例：城市交通票价改革

想象一下，一个市议会正准备用区域票价取代单程票。他们有一份政策草案、一份去年投诉汇总以及两篇当地新闻报道。

1. 这是传统的做法。现有的市民调查显示，58%的居民认为公共交通“可以接受”。这很有用，但它对改革本身却没有任何帮助。
2. 模拟。团队上传草案和文章，并提出问题：“通勤者、学生、退休人员和当地媒体在公告发布后的前两周会有什么反应？”参与者包括通勤团体、学生会、退休人员协会、两名反对派议员和当地记者。经过20轮模拟，报告显示，最强烈的负面情绪并非来自价格本身，而是源于误解：许多参与者认为外围区域的价格将翻倍，而草案中并未提及这一点。
3. 后续跟进。团队采访了学生会工作人员和分析师。困惑源于一句含义模糊的句子和一个缺失的示例票价。
4. 重演。句子被改写，添加了票价计算器示例，然后重新演练。误解减少了，争论的焦点转移到变更的时机上。
5. 核实。在正式发布前，宣传团队会邀请一小部分居民对两个版本的文本进行测试。测试结果证实了主要的误解所在，随后市政委员会发布了更为清晰的版本。

模拟结果并未预测投票份额，但它发现了一种机制，为团队提供了一种低成本的修复测试方法，并明确告诉他们需要用真实用户验证哪些内容。

如何将模拟与经典研究相结合

实际操作流程如下：

• 首先进行探索。趁着修改成本还低的时候，尽早运用模拟方法，梳理利益相关者、争论点和潜在的冲突点。我们的情景规划和综合调查情景是很好的起点。
• 缩小范围。选出两到三项如果属实就会改变你决定的发现。
• 进行衡量。通过民意调查、小组讨论或访谈来准确验证这些发现。现在，您只需将研究预算花在真正重要的地方。
• 监控。启动后，将实际反应与模拟反应进行比较。如果两者存在差异，请更新文档并重新运行。

这样就能确保人类的判断占据主导地位。模拟拓宽了视野；最终的决定权在人手中。

如果您想在自己的素材上尝试这项功能，可以在注册前在InfoDome控制台中描述任务。该方案每月费用为 29 欧元，包含每月 9 欧元的 AI 使用预算和无限项目数量，并且可以随时取消。