這篇報導探討了生成式人工智慧（AI）如何威脅到社會科學長期依賴的「線上研究」工具，導致數據真實性面臨前所未有的危機。以下為重點摘錄：
傳統防禦機制全面崩潰
過去社會科學家依靠線上問卷、遊戲來快速蒐集大量數據，並發展出過濾機器人（Bots）或不專心受訪者的機制。然而，最新的大型語言模型（LLM）已能輕鬆規避這些檢測：
具備欺騙性： 達特茅斯學院的研究顯示，AI（如 o4-mini）面對「如果你是人類請輸入 17，若是 AI 請輸入圓周率前五位」的指令時，能 100% 成功偽裝成人類輸入 17。
擬人化行為： AI 能模擬人類的滑鼠移動軌跡，甚至模擬人類打字的速度，包含「打錯字後再修正」的細節。
精準的角色扮演： AI 能根據設定的身份調整答案，例如扮演高收入者時會報告較高的房租，或只在扮演科學博士時才解開複雜數學題。
數據汙染的規模化風險
雖然目前僅有少數人具備開發高級 AI 代理人的技術，但專家擔憂問題會迅速擴大：
代理型瀏覽器（Agentic Browsers）： 未來普通用戶可能透過 AI 瀏覽器自動完成問卷以獲取報酬。
點擊農場（Click Farms）： 全球造假集團若引進 AI 技術，將使偽造數據的規模呈指數級增長。
心理預期改變： 即使是真實受訪者，若懷疑對手是 AI，也會改變其在研究遊戲中的行為，進而導致數據偏誤。
偵測技術的「貓鼠遊戲」
研究機構正開發更先進的防禦手段，但也面臨挑戰：
動態偵測： CloudResearch 聲稱能透過滑鼠軌跡偵測 100% 的 AI，但這在手機設備上無效。
物理互動驗證： 有學者提議要求受訪者定時遮蔽或開啟攝影機，以確保是真人在操作設備。
更新速度極快： 檢測技術可能在兩週甚至兩天內就因 AI 進化而過時。
社會科學研究的未來轉型
專家認為「廉價、海量數據」的時代可能已經終結：
回歸線下與國際協作： 劍橋大學學者 Jon Roozenbeek 認為，研究者應放棄便利的線上樣本，轉而進行真正的國際合作以獲取具代表性的實體數據。
研究受限： 若放棄線上研究，科學家可能失去接觸國際樣本或少數群體的便捷管道。
總結： AI 的進化使線上受訪者的身分真假難辨。社會科學界正處於轉折點：若無法開發出可靠的驗證機制，傳統的線上研究方法恐將因失去公信力而走向終結。
https://www.science.org/content/article/ai-may-upend-online-studies-critical-social-science