量化大语言模型对集体意见动态的影响
社会与信息网络
2023-08-29 v2 计算机与社会
摘要
意见表达与交换过程是民主社会的关键组成部分。随着人们在不同于传统媒体的意见塑造过程中与大语言模型(LLMs)交互,LLMs 的影响日益被认识并受到关注。然而,关于 LLMs 如何影响社会意见网络的表达与交换过程的知识十分有限。在此,我们创建一个意见网络动态模型来编码 LLMs 的意见、个体的认知可接受性与使用策略,并模拟 LLMs 在多种情景下对意见动态的影响。模拟结果揭示了有效的需求导向型意见网络干预。本研究结果表明,LLMs 的输出意见对集体意见差异具有独特且正向的影响。认知可接受性对集体意见形成的边际效应是非线性的并呈现递减趋势。当人们部分依赖 LLMs 时,意见交换过程变得更加剧烈,且意见多样性变得更有利。事实上,相较于完全禁止使用 LLMs,当人们均部分依赖 LLMs 时意见多样性高出 38.6%。当不使用、部分依赖和完全依赖 LLMs 的人群比例大致达到 4:12:1 时,发现了最优的意见多样性。我们的实验还发现,引入持有相反/中立/随机意见的额外智能体,可有效缓解 LLMs 偏见/有毒输出的影响。我们的发现为 LLMs 时代的意见动态提供了宝贵见解,强调需要针对具体情景定制干预措施,以应对 LLMs 不当输出与使用的弊端。
引用
@article{arxiv.2308.03313,
title = {Quantifying the Impact of Large Language Models on Collective Opinion Dynamics},
author = {Chao Li and Xing Su and Haoying Han and Cong Xue and Chunmo Zheng and Chao Fan},
journal= {arXiv preprint arXiv:2308.03313},
year = {2023}
}
备注
21 pages, 4figures,2tables