从合成到人类：聊天机器人说服后 AI 预测与实际环保行为改变之间的差距

DOI

环保行为对于应对气候变化至关重要，但将意识转化为意图和行动仍然难以实现。我们探索大语言模型作为促进环保行为的工具，比较了它们对3600名参与者的影响：真人（n=1200）、基于实际参与者数据的模拟人（n=1200）和完全合成的角色（n=1200）。所有三组参与者分别面对个性化聊天机器人、标准聊天机器人或静态陈述，采用四种说服策略（道德基础、未来自我连续性、行动导向，或由大语言模型选择的'即兴'策略）。结果显示了'合成说服悖论'：合成参与者和模拟参与者在干预后的环保行为立场显著改变，而人类态度几乎不变。模拟参与者更好地近似人类行为，但仍然高估了效果。这种脱节凸显了大语言模型在预评估环保行为干预方面的潜力，但同时警告了其在预测人类反应方面的局限性。我们呼吁改进合成建模并进行持续延长的人类试验，以使对话AI的承诺与实际可持续成果相一致。