社交模拟：为社交计算系统创建人口化的原型

文献标题

Social Simulacra: Creating Populated Prototypes for Social Computing Systems

文献信息

• 主题领域: 人机交互（HCI），社交计算设计
• 关键词: 社交计算, 原型设计, 大语言模型, 系统人口化, 设计迭代, GPT-3, Reddit, 多样性行为生成, 有害行为, 设计工具

研究背景与问题

• 问题或挑战: 传统的社交计算原型设计通常依赖于小规模用户测试，难以模拟社交系统大规模人口化后的复杂行为，尤其是反社会行为。另外，设计师当前缺乏工具来预测社区在大规模用户参与后的动态行为。
• 重要性: 随着社交计算系统的普及，设计决策的错误可能导致社区的被破坏或用户的伤害。设计师需要在系统部署之前预测可能出现的问题，并迭代设计。
• 研究动机与相关工作: 作者从现有的社交计算设计实践出发，看到现有工具无法有效处理复杂的社交行为动态。同时，他们对GPT-3等大语言模型的潜力产生兴趣，认为它可作为生成多样化社交行为的基石。

解决方案

• 提出的方法: 社交模拟(social simulacra)，一种新的原型设计技术，利用大语言模型创建人口化的社交计算系统原型。该解决方案基于设计师提供的社区描述（目标、规则、用户角色），生成真实感强的社交交互，包括帖子、回复和反社会行为。
• 创新之处:
  1. 使用GPT-3生成大量虚拟用户及其互动行为。
  2. 引入“Prompt Chains”提示技术来控制生成结果。
  3. 设计具有"多种可能结果"的模型（Multiverse）以探索社会动态的不确定性。
  4. 提供了一种工具，能够使设计师在部署前迭代设计，降低后期反应性修复问题的成本。
• 实施步骤:
  1. 用户角色扩展：通过初始种子角色生成成百上千个相关性高且多样化的角色。
  2. 内容生成：生成社区的顶层帖子及对帖子的回复，确保符合目标和规则。
  3. 场景推断与动态探索：通过功能"WhatIf"和"Multiverse"探索设计的不同可能性。
  4. 工具实现：开发了SimReddit，允许设计师通过一个模拟的Reddit页面测试其设计。

研究成果

• 具体成果:
  1. 开发了SimReddit工具，可以生成真实感强的与真实社区非常接近的社交内容。
  2. 实验证明，用户难以区分SimReddit生成的内容与真实社区内容。
  3. 设计师在使用SimReddit进行社区设计时，对设计进行了有效的改进。
• 优势: 相比传统的小群体测试，该方法可以模拟大规模参与的复杂行为。还可以提前标记潜在问题，例如反社会行为或边缘化群体的孤立。
• 实验/评估结果:
  1. 在技术评估中，研究发现参与者无法显著区分真实社区内容与SimReddit生成的内容，错误率接近随机猜测水平（41%）。
  2. 在设计师评估中，16名参与者测试后普遍认为生成的内容逼真且提供了新的设计启发。
  3. 设计师通过迭代最终显著改善了社区设计，比如加入更明确的规则、促进社区文化的培养等。
• 局限性与未来方向:
  1. 模型无法预测真实的未来，只能提供可能的设计启发。
  2. 当前仅支持英文文本，无法实现多语言和文化背景下的设计。
  3. 限于GPT-3的技术能力和数据截断问题，生成内容的范围和真实感可能受到影响。
  4. 未来研究可以扩展至其他平台（如Facebook群组），并探索多模态（文本+视频）生成的可能性。

这篇文章提出了一个新的社交计算系统设计视角，通过利用大语言模型生成的行为模拟，帮助设计师提前评估设计的潜在问题和改进方向，大幅增强了设计效率，让设计师更好地面向社会复杂性进行设计。