AI与实验经济学

论文提出“硅基人”（Homo silicus）概念：把大语言模型视为由训练数据隐式形成的人类计算模型，并像设定经济人一样赋予其禀赋、信息和偏好。作者将六组经典经济实验转化为可控模拟，比较模型行为与原始人类实验结果。多数实验得到定性相近的处理效应，差异则用于暴露模型边界并生成新的研究问题，为将LLM作为经济行为探索工具提供了系统框架。

论文提出“图灵实验”（Turing Experiment），要求语言模型模拟具有代表性的人类被试样本，而不只是模仿某个个体。作者用最后通牒博弈、花园路径句、米尔格拉姆服从实验和群体智慧四类任务比较不同模型。较新的模型复现了前三项经典结果，但在群体智慧任务中出现“过度准确”偏差，说明群体层面的相似性检验也应系统识别模型特有的行为扭曲。

论文考察GPT-3能否在给定人口与社会背景后，模拟特定人群的态度分布。作者把美国多项大型调查中数千名真实受访者的社会人口学背景写入提示，构造“硅基样本”，再与对应人群的真实回答比较。结果表明模型偏差具有细粒度且与人口特征相关的结构，适当条件化后可呈现跨群体的“算法忠实度”；这一证据主要支持群体分布模拟，而不是对具体个体的精确替代。

论文用经典行为博弈与Big Five人格问卷，对聊天机器人开展多任务“图灵测试”，并与来自50多个国家、数万名人类被试的数据比较。GPT-4的总体行为与人格分布在统计上可与随机人类样本相近，也会随经验、情境和表述改变策略。当模型偏离平均或众数人类时，通常更利他、更合作；作者据此估计其行为近似权衡自身与对手收益。