最新 11 月 24 日消息，据 404 Media 报道，达特茅斯学院政府学副教授、极化研究实验室负责人肖恩・韦斯特伍德日前在《美国国家科学院院刊》（PNAS）上发表的一项新研究指出，在线调查研究作为许多科学研究中数据收集的基础方法，正面临着大语言模型带来的严重威胁。

韦斯特伍德开发了一款名为“自主合成应答者”的 AI 工具，能够回答调查问题，并展示了几乎完美地绕过现有最先进的机器人检测方法的能力。

论文指出，这款 AI 智能体成功避开检测的概率高达 99.8%。韦斯特伍德在新闻稿中表示：“我们再也不能确信调查的答复来自真正的人类了。机器人污染的数据可能会破坏整个知识体系。”

这款 AI 智能体还成功规避了“反向禁忌”问题。“反向禁忌”通过设计任务来识别非人类行为者，大模型能轻松完成这些任务，人类则几乎不可能完成。

论文《大语言模型对在线调查研究的潜在生存威胁》指出：一旦推理引擎选定了回答，第一层就会执行专注于模仿人类的相应行动。为了躲避自动化检测，其模拟了与该个体教育水平相符的阅读时间，生成类似人类的鼠标移动，逐字输入开放式问题的答案，并包括合理的打字错误和更正。该系统还设计了 reCAPTCHA 等绕过反机器人措施的工具，而这通常是自动化系统的一个障碍。

论文还表示，AI 可以模拟“完整的人口统计特征”，意味着理论上任何人都可以通过生成特定人口特征的 AI 干预，操控在线调查的结果，而且甚至仅仅几个虚假回答就足以影响调查的结果。

论文提到，在 2024 年大选前的七大主要民意调查中，仅需加入 10 到 52 个虚假 AI 回答，就足以改变预测结果。这些虚假回答的生成成本非常低，每个仅需五美分，而人类受访者通常获得 1.50 美元（最新注：现汇率约合 10.7 元人民币）的酬劳。

论文使用 OpenAI 的 o4-mini 进行测试，也使用了 DeepSeek R1、Mistral Large、Claude 3.7 Sonnet、Grok3、Gemini 2.5 Preview 等其他模型，证明该方法适用于不同的大模型。该智能体通过接收约 500 字的提示，了解要模仿的个性，并按人类的方式回答问题。

论文指出，研究人员可以通过多种方式应对 AI 智能体污染调查数据的威胁，但每种方式都有权衡。例如，研究人员可以对调查参与者进行更多的身份验证，但随之而来的就是隐私问题。论文还建议，研究人员应更加透明地说明调查数据的收集方式，并考虑采用更受控的参与者招募方法，如基于地址的抽样或选民文件。

论文总结说，确保民意调查和社会科学研究持续有效，需要探索并创新出应对快速发展的 AI 时代挑战的研究设计。