岭南师说 | 杨扬、孙乐轩、陈良源、林建浩：人工智能时代的行为科学

作者：

杨　扬　中山大学岭南学院

孙乐轩　中山大学岭南学院

陈良源　中山大学国际金融学院

林建浩　中山大学岭南学院

文章刊发：《计量经济学报》2025年 第6期

摘要：人工智能的快速发展对行为科学的研究内容和研究范式带来了深远影响，本文系统总结了这一变化所产生的三个值得关注的研究方向：第一，与人工智能交互过程中的人类态度行为研究以及人工智能对人类决策和偏好的影响机制；第二，围绕大语言模型自身行为特征和偏好模式开展的行为实验研究；第三，人工智能技术带来的方法论创新，包括利用AI智能体代替人类被试进行问卷调查和实验研究以及基于多智能体构建动态交互系统的复杂系统研究。文章最后讨论了人工智能与行为科学的交叉研究所面临的挑战与未来发展方向。

关键词：人工智能，行为科学，人机交互，大语言模型，基于智能体的实验

01.研究背景及意义

人工智能的迅猛发展正重塑行为科学的研究版图：一方面，生成式AI深度介入信息推荐、医疗、投资等真实决策场景，改变了人类获取信息、形成预期与做出决策的完整行为链条；另一方面，大模型本身展现出“类人”的偏好、人格与心智理论能力，使“AI作为行为主体”成为新的研究对象。传统实验方法受限于成本高、样本小、伦理审查严，而AI既可模拟海量“合成被试”，又能嵌入多智能体系统生成宏观涌现数据，为行为研究提供了低成本、可复现、可扩展的新工具。

在此背景下，本文系统梳理了人工智能与行为科学交叉催生的三大前沿方向：第一，人机交互中的人类态度与行为变迁，揭示算法依赖、自动化偏差与算法厌恶等心理机制；第二，把大语言模型当作“实验被试”，量化其理性水平、人格、风险偏好与社会偏好，并与人类基线比较，开创“AI行为科学”新范式；第三，利用AI智能体替代或补充人类参与者，开展问卷模拟、博弈实验和基于异质代理的宏观政策沙盒，实现微观行为到宏观涌现的跨尺度研究。

人工智能正在从多个维度更新行为科学领域的研究。本文旨在全面梳理和分析人工智能为行为科学带来的全新研究内容和研究方法，为相关领域的研究者提供研究应用上的参考和前瞻性思考。

02.主要内容

本文系统梳理了人工智能尤其是大语言模型（LLM）的兴起对行为科学在研究“人（行为主体）”与“方法”两大维度带来的深刻变革，并将其凝练为三个前沿方向。第一，本文全面回顾了“人与AI互动”情境下的人类态度与行为变化：从单向“人使用AI”场景中的信任、算法厌恶、自动化偏差，到双向“人机协同或竞争”场景中的任务分工、团队赋能、提示链优化等，细致刻画了AI作为工具或伙伴时，人类心理与行为的复杂反应机制。第二，本文总结了近两年兴起的“AI行为科学”的研究成果——通过让LLM回答人格量表、博弈决策、跨期选择、投资偏好、宏观预期等经典任务，发现其在理性水平、心智理论、人格特征等方面已逼近甚至部分超越人类均值，为检验传统行为理论提供了全新样本。第三，本文深入讨论了“AI驱动的研究方法革命”：一方面，用LLM智能体替代或补充真人被试完成问卷与实验，可低成本、高效率地生成大样本数据；另一方面，把具备推理与记忆能力的AI智能体嵌入基于代理人的建模（Agent-Based Modeling, ABM）框架中，构建动态宏观经济或社会系统，已在通胀、失业、疫情政策、社交网络与舆论演化等议题上展现出超越传统规则的模拟潜力。

在经验证据层面，本文汇总了全球大规模调查、实验室博弈、现场实验与宏观预测竞赛等跨层次研究。例如，47国四万余名受访者显示中国对AI信任度显著高于全球平均；GPT-4在“最后通牒博弈”中表现出比人类更显著的公平偏好；基于1200次重复抽样，GPT-4生成的投资组合排序与1272名真实投资者的分布高度一致；多智能体模拟的菲利普斯曲线与奥肯定律数值合理且稳定性优于传统ABM。本文同时指出，LLM回答存在“幻觉”、同质化、训练数据偏见等隐忧，可能放大算法歧视并引发伦理风险，因此在替代人类被试、评估政策前必须开展效度校验、透明度披露与伦理审查。

面向未来，本文提出行为科学将进入“人机协同演化”新阶段：研究核心将从静态人机互动转向动态协同与共生，强调AI对人类社会系统的实时反馈与共同进化；高维高频行为数据与多模态信号（文本、语音、视觉、生理）结合，将推动个性化行为干预科学在健康、教育、消费与公共治理中落地；借助AI算法对超微观神经与认知过程的解析，行为科学有望突破传统“黑箱”决策模型，进入偏好形成与决策生成的脑机制层面。本文呼吁建立跨学科协同平台，共同应对数据真实性、算法可解释性与伦理规范三大挑战，以充分释放人工智能对行为科学理论与公共政策的革命性价值。

03.主要结论与启示

本文系统梳理了人工智能时代行为科学涌现出的三大前沿方向——人机交互中的态度与行为变化、大语言模型自身作为“类人决策主体”的行为特征以及基于AI智能体的方法论创新，并指出这些方向正在重塑研究范式：一方面，AI既可通过个性化推荐、实时反馈等机制显著提升人类决策质量，也可能因自动化偏差、算法偏见和情感稀释等效应削弱人类自主性并放大社会不平等；另一方面，大语言模型在理性水平、人格、心智理论、投资与时间偏好等维度已展现出“类人”行为，为“AI行为科学”奠定实证基础；同时其生成的内容同质化、缺乏异质性仍是主要局限。更重要的是，现有研究证明用大模型替代或补充人类被试开展问卷、博弈与宏观ABM实验，可在成本、规模和伦理层面突破传统瓶颈，生成与人类高度一致的信念与行为数据，从而成为政策预评估、市场预期形成和复杂系统研究的新工具。然而，数据可靠性、算法可解释性与隐私伦理构成当前最大挑战；展望未来，人机协同演化、基于高频多维数据的个性化行为干预，以及融合多模态数据的超微观决策机制研究，将成为行为科学新的理论制高点和应用蓝海。

04.边际贡献与未来拓展

在未来，人工智能时代的行为科学研究可能将围绕以下三个核心方向展开：

首先，人机协同行为及其演化将成为核心议题。研究重心将从静态的“人机互动”转向动态的“人机协同进化”模式，深入探究人机协作环境中的决策形成机制。通过构建更加复杂、动态、智能的虚拟社会系统，探索如何平衡人工智能与人类在社会决策中的角色，以满足决策效率、社会平等、人类自主等多元化的决策目标，这将成为学术界和社会治理领域的重要议题。这一方向强调从单向或双向交互扩展到长期协同演化，关注人工智能如何与人类行为相互塑造，并为未来人机共生的社会结构提供理论支撑和实践指导。

其次，基于高频高维数据以及智能算法的行为干预科学将得到显著发展。越来越多高维高频人类行为数据的采集和分析将推动个性化行为干预科学的发展，基于人工智能的个性化行为干预方案研究将得到越来越多的重视，并在健康促进、教育优化、消费者保护和社会行为引导等领域发挥重要作用。这一方向利用人工智能技术对大规模行为数据进行实时处理与分析，使得行为干预能够更加精准和高效，从而在公共政策、商业应用和社会治理中实现更有效的个体和群体行为引导，提升整体社会福利。

最后，人工智能算法与多模态行为数据的结合将推动行为科学研究进入超微观层面。人工智能算法的强大信息挖掘能力，结合融合了文本、语音、视觉、生理信号等多种信息的多模态数据，有望推动人类行为研究突破传统时代的微观决策层面，进入生物电、大脑反应的超微观层面，实现对人类偏好形成、决策生成等内在机制研究上的突破性进展。这一方向不仅拓展了行为科学的研究边界，还为理解人类决策的生物学和认知基础提供了新工具，有望在神经经济学、认知科学等领域带来革命性突破，同时促进人工智能技术在医疗、教育等领域的深度应用。