每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

数字孪生的大型研究揭示了其优势、劣势和进一步改进的机会

Created by
  • Haebom

作者

Tiany Peng、George Gui、Daniel J. Merlau、Grace Jiarui Fan、Malek Ben Sliman、Melanie Brucks、Eric J. Johnson、Vicki Morwitz、Abdullah Althenayyan、Silvia Bellezza、Dante Donati、Hortense Fong、Elizabeth Friedman、Ariana Guevara、Mohamed Hussein、Kinshuk Jerath、Bruce Kogut、Akshit Kumar、Kristen Lane、Hannah Li、Patryk Perkowski、Oded Netzer、Olivier Toubia

大纲

尽管人们期待数字孪生能够彻底改变社会科学和决策，但它们对真实人类的模仿程度仍存在疑问。研究人员对一组具有代表性的美国参与者及其数字孪生进行了19项预注册研究，直接比较了人类和数字孪生在不同领域和刺激下的行为。结果表明，数字孪生能够准确地再现个体的反应，准确率为75%，但与人类反应的相关性较低（约为0.2）。这一准确度与仅基于人口统计信息的通用人物模型相当。然而，包含详细个人信息的数字孪生提高了相关性，并超越了需要额外数据的现有机器学习基准。数字孪生在社交和个性领域表现出优势，但在政治领域则存在弱点。此外，对于受教育程度较高、收入较高、政治倾向适中和有宗教活动的参与者，它们的准确度更高。这项研究强调了数字孪生的潜在局限性和当前的局限性，表明虽然它们能够捕捉个体之间的相对差异，但尚无法重现特定个体的独特判断。

Takeaways, Limitations

•
Takeaways：
◦
数字孪生有助于理解个体之间的相对差异。
◦
利用详细的个人信息可以提高数字孪生的预测准确性。
◦
数字孪生在某些领域（社会性、个性）可能表现得更好。
◦
数字孪生的预测准确性会因个人特征（教育水平、收入、政治倾向）而异。
◦
数据和代码开放，支持数字孪生发展。
•
Limitations：
◦
数字孪生无法完全复制特定个体的独特判断。
◦
数字孪生的精确度仍然有限​​，可能与典型人物的精确度相似。
◦
在政治领域，数字孪生的预测性能较差。
◦
数字孪生的性能可能会因个体特征而产生偏差。
👍
Made with Slashpage