当心理学家拉卢卡·里拉去年询问志愿者填写调查问卷时，她收到了一个问题的以下回复：“我不会以人类的方式体验混淆。”里拉是柏林马克斯·普朗克人类发展研究所的博士生，她怀疑这只是一个大而令人担忧的冰山一角——这可能会破坏关于人们思维和行为的学术研究。她和她的同事估计，最大多达45%的调查回复现在是复制和粘贴自大型语言模型（LLMs）的输出。在某些情况下，参与者可能只是润色他们的语言。在其他情况下，里拉认为整个操作——注册、阅读问题和提交回复——都是由机器处理的。这样的答案，以及基于它们的学术研究，不太可能反映人性的现实。实验心理学并不是唯一在与LLMs对研究的影响作斗争的领域。从政治科学到经济学，再到意见调查，社会科学各领域的研究人员在发现人工智能的“指纹”后都在发出警报，并考虑其影响。人工智能聊天机器人正渗透社会科学调查，并且在避免检测方面越来越好。尽管针对民意调查中的人工智能输入可以被限制，但在分析阶段仍然存在担忧，麻省理工大学东北大学的政治与计算机科学家大卫·拉泽表示，社会科学中的人工智能辅助分析可能会通过快速产生研究来泛滥期刊，导致虚假的发现。一家期刊已经记录了它收到的完全或主要使用人工智能工具准备的稿件数量的巨大增加。人工智能模型使用和力量的爆炸性增长影响到所有学术领域的研究人员。但纽约大学的政治科学家约书亚·塔克表示，对社会科学的影响尤为严重。这是因为，与其他学科相比，大多数社会科学研究在很大程度上依赖于调查数据和分析。而当研究人员没有自己收集数据时，他们通常分析的是大型的、一般的数据集，例如普查或其他通常是为不同原始目的收集的巨大调查。这意味着在数据中显现的信号可能以从噪音中提取的方式被提取，而这种方式在通过狭窄的测试来检验假设获得的实验数据中是不可能的——这些信息往往有单一用途和明确的保质期。“我认为我们正趋近于一个信任行为和社会科学的时代，这种信任将因LLM污染的持续威胁而受到削弱，”德国莱比锡大学的心理学家比约恩·霍梅尔说道。“而我们现在没有能力对此采取任何措施。”但并非所有的情况都是绝望的。对最新AI系统的另一种看法是，它们可以通过使其发现更为稳健来转变社会科学。可以用于表面工作的相同算法（例如润色语言）也可以快速获取和分析复杂的数据集，并通过切换统计技术来检查单个发现对各种分析方法的敏感性。人工智能辅助的审查可能有助于发现方法论错误，社会科学期刊可能会因人工智能使研究人员更容易尝试而坚持使用更稳健的方法。“我们不应忽视人工智能的好处，且它正开启了进行许多有趣研究的可能性，”塔克说。生产力的悖论，最直接的问题是矛盾的：这项技术能大幅提升生产力。今年四月，出版社会科学组织研究的期刊《组织科学》报道称，自2022年11月ChatGPT首次公开发布以来，该期刊提交的稿件数量增加了42%。编辑们使用来自纽约市的Pangram Labs的LLM检测工具分析了这些稿件，发现上涨主要是由人工智能驱动的。到今年二月，近三分之一的提交包含大部分或全部为AI生成的摘要中的文本；另有40%的文本包含部分AI撰写的内容。源自：意大利佛罗伦萨的欧洲大学院的政治科学家及期刊编辑凯文·芒格预测，今年对领先的政治科学期刊的提交将增加50%。心理学研究的预印本服务器PsyArXiv面临如此纸质文献洪流，以至于它不得不在其筛选过程中增加人工检查，伯尔尼大学的元科学家杰米·卡明斯表示，他在该站担任主持人。社会科学并不孤单于与这一问题作斗争。然而，塔克和拉泽担心，由于该领域很大一部分依赖于调查分析，它在应对这些影响方面显得特别脆弱。