增加模型回答，不等于增加人类样本。生成规模不能弥补观察的缺席。模拟可以支持研究准备，其社会科学效力必须经过独立验证。
候选与发现需要区分，生成材料与经验观察更不能混同。AI生成的回答确实是数据，但它首先记录的是特定系统在特定条件下的表现。
输出分布不自动代表人口分布
模型依据提示中的身份信息与训练所得的关联生成回答。改变年龄、职业或收入描述，可以改变输出，却不会自动补入一个人的经历与处境。
真实调查的推断则依赖对象、抽样、招募和测量。没有相应联系，模拟身份的丰富程度不能替代总体代表性。
重复生成可以更稳定地估计给定系统的输出分布，但这种稳定性不等于模型与真实人群之间的差距已经消失。模型误差与生成过程中的随机波动，是不同问题。
回答的数量，是生成指标；关于人的证据，需要另外成立。
相似结果仍须检查结构
Bisbee等人2024年的研究发现，模拟回答与真实调查的某些平均值接近，但变异和回归关系可能不同，提示细节与运行时间也会影响分布。论文
因此，均值接近不足以支持全面替代。社会科学还关心群体差异、变量关系及其形成条件。某个统计量一致，不保证其他推断成立。
以真实资料建立个体模拟，是另一条研究路线。Park等人的2026年第三版预印本，使用1,052名美国参与者的访谈与自我报告检验预测。预印本 这种资料基础增加了校准条件，但对特定回答的预测，仍不能扩展为对整个人的准确模拟。
模拟的研究价值，恰恰依赖于它与外部观察之间清楚、可检验的联系。
预试与预测可以先行
AI能够协助检查题意歧义、遗漏选项与材料差异，再由真实参与者进行认知访谈或试答。这利用语言比较能力，不要求模型已经代表某一群体。
2026年发表于《Nature》的研究，以70项美国预注册调查实验检验模型预测，发现预测与实测效果相关，同时存在系统偏差，在更复杂研究中的表现也有变化。论文
这为候选干预筛选与实验准备提供了具体依据。研究者可以预先保存预测，再与真实实验比较，逐步确定哪些任务有效。美国调查实验中的表现，不能直接推广到其他人群与长期行为。
模型生成还容易保留一项设计的既有框架。真实参与者的拒答、误解与异议，则可能暴露问题本身的缺陷。模拟不能预先决定哪些经验值得进入研究。
规范判断还有另一层门槛
预测一种制度更易被接受，与说明它正当，依然需要不同论证。真实态度也不能直接完成规范证成，模拟态度更不能省去这一层。
因此，研究报告需要清楚标明观察、生成与推断的来源。工具支持了哪一步，何种判断仍依赖外部资料，都应能够回查。
模拟的力量来自可检验的联系，不能来自对真实观察的冒充。 这一边界确定以后，AI才能在研究中获得准确的位置。
参考资料与延伸阅读：
- James Bisbee等：《Synthetic Replacements for Human Survey Data?》，《Political Analysis》，2024。论文
- Joon Sung Park等：《LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals》，2026，v3，预印本。论文
- Ashokkumar等：《Large language models can predict the results of social science experiments》，《Nature》，2026。论文；出版机构摘要
发表评论