NUS学者:AI民调是未来还是陷阱?

当预测民意也开始交给人工智能，我们离真相更近了，还是陷入了算法制造的幻觉？新加坡国立大学的学者对此敲响了警钟。

“硅采样”：听起来很美的捷径？

想象一下，无需再耗费巨资和时间进行电话或街头访谈，只要轻点鼠标，算法模型就能模拟出整个社会的想法。这幅名为“硅采样”（Silicon Sampling）的图景听起来无比诱人，它承诺以前所未有的速度和效率，为政策制定者和市场分析师提供民意洞察。

这种技术的核心，是利用海量数据训练AI模型，让它学习并模仿不同人群的观点。然而，正当人们为AI的高效率欢呼时，来自新加坡国立大学政策研究所社会实验室（Social Lab, Institute of Policy Studies）的研究员 Shane Pereira 和 Elvin Xing 却及时踩下刹车。他们在5月28日发表于亚洲新闻台（CNA）的评论中，对这一新兴领域提出质问，并呼吁一次“审慎的暂停”。

看不见的“黑箱”与被放大的偏见

AI民调的一大硬伤，在于其难以捉摸的“黑箱”特性。我们把数据喂给模型，它吐出一个预测结果，但中间复杂的决策过程却无从得知。这对讲求透明、可重复的社会科学研究来说，是一个根本性的挑战。如果一个民调结果无法解释其来龙去脉，我们又该如何信任它？

比“黑箱”更危险的，是数据偏见。AI的学习材料源于现实世界，而现实数据本身就充满偏见。例如，充斥在社交媒体和论坛上的言论，往往被声音更大、观点更极端的人所主导，“沉默的大多数”则被淹没。AI若基于这些数据进行预测，不仅会全盘接收这些偏见，甚至会将其放大，最终炮制出一幅严重失真的民意图景。

试想，如果一份由算法生成的“主流民意”报告被送上决策者的案头，而这个“主流”不过是网络上少数活跃分子的回声，政策的天平会偏向何方？学者们担忧，这条技术的捷径，最终可能通向决策的陷阱。

失去“人”的温度，民调还可信吗？

人类的情感和观点是复杂的、动态的，充满了讽刺、犹豫和言外之意。一个简单的点赞或一条简短的评论，背后的动机可能千差万别。传统的民意调查尚能通过精心设计的问题捕捉到一部分复杂性，但AI模型在理解这种“人的温度”上，显然还力不从心。

当然，Pereira 和 Xing 并非要全盘否定AI。他们呼吁的“暂停”，不是要停止发展，而是主张在AI民调被大规模应用于高风险决策前，先建立起一套严格的伦理规范和验证标准。比如，公开其数据来源和算法逻辑，并反复将其预测结果与传统调查方法进行比对验证。

归根结底，技术只是工具。在拥抱AI带来的便利之前，学术界和政策圈必须先回答一个核心问题：我们如何确保算法服务于真实的社会福祉，而不是制造出一个由数据扭曲的民意幻象？这不仅是技术问题，更是关乎社会公正的严肃议题。

你的看法？欢迎在留言区讨论。