在OpenAI资助下，一项尝试将生成式AI用于传统统计预测的研究正在推进。其核心思路，是以GPT模拟替代研究人员手工设定的行为规则，检验AI能否更好捕捉复杂的消费者反应。

11日，在首尔江南区OpenAI Korea举行的“政策研究中的AI应用”媒体活动上，Singapore Nanyang Technological University（NTU）信息系统讲席教授 Hyukgu Kwon 介绍了这项基于大语言模型（LLM）的政策模拟研究。

Hyukgu Kwon表示，该研究旨在综合不同消费者的生活条件和消费模式，预测其对政策的预期反应，并检验预测结果与真实行为之间的吻合程度。

在现有统计预测中，常见方法之一是基于主体的建模（ABM）。这类方法通常需要研究人员根据消费者的收入、年龄、生活环境等变量，事先设定行为规则。变量越多，规则越复杂，模型受研究人员主观判断影响的可能性也越高。

目前，研究团队正利用逾100万名韩国家庭记账应用用户的金融交易数据开展GPT模拟。具体而言，团队先整理消费者的收入与支出模式，再将相关数据输入GPT，预测2025年“民生恢复消费券”发放后可能带来的消费变化；随后再将预测结果与实际交易记录、韩国银行（Bank of Korea）对政策效果的分析进行对照，以验证模型准确性。

从初步结果看，模型误差已明显下降。Hyukgu Kwon称，研究初期误差约为25%，团队一度对其可行性存疑；目前误差已降至约10%，并仍在通过不同变量组合持续迭代，以进一步提高精度。

不过，这一数据仍属于优化GPT统计预测模型过程中的阶段性指标。

Hyukgu Kwon同时指出，引入AI也带来了新的课题。虽然研究人员在规则设定上的负担有所减轻，但模型偏差的来源可能从研究人员转向GPT，本身并不存在完全无偏的模型。

他表示，研究重点并非单纯减少人工设定规则，而是转向如何向GPT提供数据、如何加工处理数据，以及应在多大程度上信任预测结果。

这类AI模拟不仅可用于政策研究，也已被应用于选举预测、市场调研等领域。Hyukgu Kwon说，在韩国，利用AI模拟补充乃至替代传统问卷样本的尝试也相当活跃。

他还强调，AI模拟的定位是为理性决策提供依据。即便在相同预算下，面向全民普发与定向支持低收入群体，模型可能得出不同的消费拉动效果，但这些结果是否会真正转化为政策，仍需额外的价值判断。

Hyukgu Kwon表示，GPT或其他AI工具无法替代基于证据作出的最终决策。研究的目标，是尽可能准确地呈现政策的预期效果，推动围绕数据展开建设性讨论。

这项研究属于OpenAI“面向智能时代的新政策构想（New Policy Ideas for the Intelligence Age）”资助计划的一部分。根据OpenAI介绍，该计划将为全球14个独立研究项目提供支持，形式包括研究经费和API额度；单个项目最高可获得价值200万美元的支持，并可使用最新前沿AI模型。

在说明资助背景时，OpenAI提到其“让全人类共享AI收益”的使命。OpenAI Korea传播负责人 Seongwon Eum 表示，个人使用AI模型当然可以获得收益，但如果将其用于政策研究并提升政策有效性，其收益将扩散到更广泛的人群。

OpenAI还表示，在遴选资助对象时，也考虑了社会影响力和公益贡献潜力等因素。在韩国，Yonsei University行政学系教授 Soonman Hong 团队的“利用AI评估民主问责与治理政策”课题也入选该计划。该研究将利用AI分析和评估国会对行政部门的制衡与监督功能等内容。

对于政策研究成果是否可能被用于AI模型开发，OpenAI方面则明确划清界限，否认存在这种可能。

此外，Hyukgu Kwon团队计划在今年年底前验证GPT统计预测模型的准确性与局限性，并在明年3月前调整发放对象、发放金额和使用期限等政策条件，继续推进不同情境下的效果比较研究。