合成数据与数字孪生：炒作、事实与前景

《Current Opinion in Psychology》：Synthetic Data and Digital Twins: The Hype, The Facts, the Promise

　　

摘要

合成数据，尤其是数字孪生，已经引起了各学科从业者和学者的兴趣与想象。事实上，利用结构化和非结构化数据作为输入和输出，模拟人类在前所未有的场景和情境中的行为与反应，开辟了强大的可能性。然而，对现有经验证据的回顾表明，尽管取得了一些令人鼓舞的结果，合成数据目前的整体预测效果仍然不佳，并且会系统性地扭曲人类行为。在提高合成数据的准确性和实用性以及开发数字孪生的新应用场景方面，存在许多研究机会。但研究人员和从业者也需要正确校准他们对人类行为可预测性的期望，即合成数据所能达到的最大预测能力。

各章节要点

热潮

大语言模型（LLMs）提供了在多种情境下模拟人类行为和反应的可能性，范围涵盖社会科学实验、选举决策和市场调查。这可以通过多种方法实现，但本文重点关注的两种最常见方法是"合成人物"和"数字孪生"。我们将合成人物定义为代表人的人群分组，通常根据人口统计特征进行定义，有时还会结合

预测性能

尽管最初的结果令人鼓舞，但早期研究也指出了合成数据的局限性。多项研究发现，合成人物难以重现人类的观点。Cui等人发现，合成数据往往会高估实验效应量。虽然Ashokkumar等人发现从模拟响应中得出的预测与实际处理效应之间存在非常强的相关性，但他们也发现，来自

前景展望

如果合成数据和数字孪生尚未完全兑现其承诺，那么有哪些可行的方法来改进这一方法及其预测能力？我们期待并致力于哪些未来的应用场景？

结论

合成数据和数字孪生仍处于起步阶段。尽管初期的证据喜忧参半，但这项技术具有巨大潜力。作为研究人员，我们有责任在这些领域的持续讨论中提供平衡的、基于证据的声音。这些讨论包括：合成受访者能否替代人类参与者、应如何进行验证、它们代表谁的声音，以及围绕其商业热情是否得到了证据的支撑。我们鼓励

作者贡献声明

作者贡献声明：不适用（单一作者）。

利益冲突

作者声明不存在利益冲突。

Olivier Toubia