ارزیابی جهانی پاسخ‌های شبیه‌سازی‌شده هوش مصنوعی
پیمایش‌های کلان‌مقیاس ابزاری بنیادی برای بررسی ترجیحات اقتصادی محسوب می‌شوند، اما اجرای آن‌ها هزینه‌بر و زمان‌بر است. پژوهشگران نیازمند ساخت چارچوب‌های نمونه‌گیری، آموزش آمارگیران، ایجاد انگیزه برای پاسخ‌دهندگان و هماهنگی عملیات پیچیده میدانی هستند. با پیشرفت‌های اخیر در مدل‌های زبانی بزرگ، جایگزینی جذاب مطرح شده است: استفاده از هوش مصنوعی برای تولید پاسخ‌های پیمایشی بدون نیاز به جذب انسان‌ها. با این حال، پژوهشی تازه روی ۷۴ کشور نشان می‌دهد که پاسخ‌های شبیه‌سازی‌شده هنوز جایگزین قابل اعتمادی برای داده‌های انسانی در تحلیل‌های کلان و ارزیابی سیاست‌ها نیستند.
دامنه و روش‌شناسی پژوهش
در این مطالعه، پژوهشگران یک پیمایش جهانی ترجیحات مجازی اجرا کردند که شش ترجیح اقتصادی اثبات‌شده تجربی را برای ۶۷٬۲۰۱ پاسخ‌دهنده انسانی همتاشده در ۷۴ کشور شبیه‌سازی کرد. این پیمایش اولیه شامل بیش از ۸۰٬۰۰۰ فرد در ۷۶ کشور بود و شش بعد اصلی تصمیم‌گیری اقتصادی را پوشش می‌داد: ریسک‌پذیری، صبوری، عمل متقابل مثبت، عمل متقابل منفی، نوع‌دوستی و اعتماد. ریسک‌پذیری رویکرد نسبت به عدم قطعیت را می‌سنجد و صبوری بر تصمیم‌گیری‌های بین‌زمانی نظارت دارد. عمل متقابل مثبت و منفی به ترتیب گرایش به پاداش دادن به مهربانی و تنبیه ناپیوستگی را نشان می‌دهند، نوع‌دوستی محرک رفتارهای جامعه‌پسند است و اعتماد با توسعه مالی و رشد اقتصادی پیوند دارد.
این پژوهش از ۲۰ پیکربندی مختلف مدل زبانی از شرکت‌های اوپن‌ائی، گوگل و دیپ‌سیک استفاده کرد که شامل مدل‌هایی نظیر GPT-3.5-turbo، GPT-4o-mini، GPT-4o، GPT-4.1-mini، GPT-5.4-mini، GPT-5.4، Gemini-2.0-Flash، Gemini-2.5-Flash و DeepSeek-V3 بود. برای هر فرد، یک شخصیت دیجیتالی ساخته شد و سوالات به زبان‌های بومی یا انگلیسی ارائه گردید. در مجموع، ۲۷٫۸ میلیون پاسخ تولیدشده توسط مدل‌ها و حدود ۱٫۳۹ میلیون شخصیت مجازی ارزیابی شد. همچنین هشت آزمایش پیگیری با مدل GPT-5.4-mini برای بررسی ابعاد مختلف دستورالعمل‌ها صورت گرفت.
یافته‌ها و میزان همراستایی با رفتار انسانی
نتایج نشان داد که همراستایی فردی میان پاسخ‌های هوش مصنوعی و داده‌های انسانی منظم اما محدود است (۸۷٫۵ درصد از همبستگی‌های اسپیرمن دارای فاصله اطمینان بالای صفر بودند). مدل‌های زبانی جهت ارتباط‌ها را در ۷۷٫۸ درصد از ابعاد جنسیت، سن و توانایی شناختی به‌درستی بازیابی کردند، اما در ابعاد فرهنگی این میزان تنها ۴۸٫۱ درصد بود.
- حذف اطلاعات دموغرافیک نسبت به حذف برچسب کشور، آسیب بیشتری به همراستایی مدل‌ها وارد می‌سازد.
- در بسیاری از مدل‌ها، میزان همراستایی در کشورهای کم‌تر توسعه‌یافته از نظر اقتصادی و دارای ارتباطات دیجیتالی ضعیف‌تر، به مراتب پایین‌تر است.
در نهایت، اگرچه پاسخ‌های شبیه‌سازی‌شده ممکن است برخی الگوهای فردی و گروهی را بازسازی کنند، اما هنوز برای ارزیابی سیاست‌ها و استنباط‌های کلان نماینده شایسته‌ای نیستند.