AI 说服 AI 与 AI 说服人类：LLM 在促进亲环境行为中的差异化有效性
人机交互
2025-03-05 v1 人工智能
摘要
亲环境行为（PEB）对于应对气候变化至关重要，然而将意识转化为意图和行动仍然困难。我们探索了将大型语言模型（LLMs）作为促进 PEB 的工具，并在 3,200 名参与者中比较了其影响：真实人类（n=1,200）、基于真实参与者数据的模拟人类（n=1,200）以及完全合成的虚拟角色（n=1,200）。所有三组参与者都面对个性化或标准聊天机器人，或静态陈述，并采用四种说服策略（道德基础、未来自我连续性、行动导向，或由 LLM 选择的“自由式”）。结果揭示了“合成说服悖论”：合成和模拟代理显著影响了其干预后的 PEB 立场，而人类的反应几乎没有改变。模拟参与者更好地近似了人类趋势，但仍然高估了效果。这种脱节突显了 LLM 在预评估 PEB 干预方面的潜力，但也警告了其在预测真实世界行为方面的局限性。我们呼吁完善合成建模，并持续和扩展人类试验，以使对话式 AI 的承诺与切实的可持续性成果相一致。
引用
@article{arxiv.2503.02067,
title = {AI persuading AI vs AI persuading Humans: LLMs' Differential Effectiveness in Promoting Pro-Environmental Behavior},
author = {Alexander Doudkin and Pat Pataranutaporn and Pattie Maes},
journal= {arXiv preprint arXiv:2503.02067},
year = {2025}
}
备注
17 pages, 13 figures, 3 tables