生成式人工智能（GenAI）應用日漸普及。以ChatGPT為例，生成式人工智能技術改變了過往人工智能以檢索為主的功能，至今天以對話為主。這改變近年引發起社會科學家對人機交互對社會之影響的好奇，推出人工智能社會科學（Social Science for AI），例如心理學家（Psychologist）研究實體人與虛擬人之間溝通的關係。這關係無疑會對現實社會中的決策（例如商務、政策等）影響甚深，政府絕對不容忽視。因此這領域的研究非常重要，有助避免決策時產生不必要的錯誤，降低社會風險。本文以虛擬人為主角，簡介它在扮演不同角色時所用的技術和潛在風險。
人機交互影響社會
一般而言，非技術人士認識的人機對話應用（例如ChatGPT）中現實人是主體，而虛擬人是客體，通常是被動被操作。用戶輸入指示（Prompt），ChatGPT因應地作回答解題或執行任務。例如在問與答（Q&A）應用中，指示是問題導向的，基本上宜以RPGS公式來設計。角色（Role, R）：指定系統背後大型語言模型（LLM）所扮演的角色或人設；問題（Problem, P）：清晰描述用戶需要解決的問題及背景，描述的訊息愈詳細具體，人工智能對問題的理解便愈到位，解決方案便愈具針對性；目標（Goal, G）：用戶期望人工智能回答、解決、完成的具體目標要求；方案（Solution, S）：要求人工智能如何輸出方案，如格式、風格、口吻、示例等。然而，一般用戶（特別是大老闆）下指示時未必能細節入微，若然指示不加糾正的話，回應質素便會差強人意，甚至導致風險。因此，虛擬人要具備系統端的指示工程（Prompt Engineering）技術，整理並優化不完整的指示。
推薦系統難知悉客戶情緒
現實中，虛擬人擔當主體而現實人為客體的應用案例比比皆是，較為人津津樂道的非推薦系統莫屬。虛擬人設法不斷地在社交網絡上透過與現實人交談對話，從中去了解現實人用戶的日常喜好，經仔細數據分析之後，主動向他提出產品推薦。在正常情況下，推薦系統技術可派用場；但由於人工智能技術在對話中的情感分析（Sentiment Analysis）技術，用作了解客戶當刻情緒還未完全可靠，所以實時推薦的準確度還有待完善。
傳統心理學研究較關注人的主體和客體角色，但在網絡世界中虛擬人經常被用作中介人（或代理人），服務兩端現實人用戶，即老闆和客人。老闆給予虛擬人服務客人的指示（包括要求和目標等），它便奉命執行，以目標為本，在老闆的目標之下，設法滿足客人的要求，把客人提出的任務完成。在中介角色中，人們可以利用虛擬人來偽裝、美化或執行他們不當的，包括引發不可靠、具偏見、不公平價值取向的重要非道德行為。虛擬人的談吐舉止，以至其表現，是透過大型語言模型訓練而成的，所以如何識別此等不道德的大型語言模型內之潛訊息，以及如何回應它，是生成式人工智能研究的重要一環。
最後，值得大家留意的是心理學家的道德觀。道德心理學圍繞着三類主體和客體：人類、其他動物和超自然存在物。隨着人工智能迅速發展，相關學者很自然地把研究對象延申至第四類：智能機器。如此看來，人工智能在現實社會中似乎是與超自然體看齊，那麼ChatGPT等工具是人、是神還是鬼呢？是好還是壞呢？
原刊於《經濟日報》，本社獲作者授權轉載。
趙靈敏
尹瑞麟
張翠容
黃錦輝
李志強
周光蓁
周萱
常霖法師
蔡國光
黃珍妮
譚新強
車品覺