其想法是它们将为您提供最有可能的下

Apuroos1452

消除决策中的算法偏差。 ：几个月前我看到了您关于使用生成式人工智能的演讲，这真的让我觉得很有趣，因为很多人都在谈论生成式人工智能，但我们还没有很多证据。 阿耶莱特 以色列：嗯嗯。 ：证据 并不是说它不存在，而是即将到来。但你开始通过你正在进行的这项研究获得一些证据。我们可以在市场研究中使用 和生成式做什么？ ：我和我在 的两位同事 和 开始思考，我们真的可以使用 进行市场研究吗？这个想法是，有些人已经证明，你可以通过向。

提出问题来复制非常著名的实验，包括著名的 实验。我们在想， 我们作为研究人员和实践者所做的工作就是为了更好地了解客户的偏好；也许我们可以使用 来实际提取这些类型的偏好。 对于大型语言模型，一个单词。语言就是这样产生的。我们在想， 也许如果我们要求 或诱导它在两件事之间做 手机号码数据 出选择，也许答案（最有可能的下一个词）实际上会反映人群中最可能的反应。从这个意义上说，我们本质上会查询 ，但会得到我们在人群中看到的偏好的潜在分布。 我们开始尝试这个想法。我们专注于消费产品 因为我们假设 所了解的数据主要围绕消费产品，可能来自评论网。



站或类似的东西 看看这个想法是否真的可行？ ：是吗？ ：有点！ ：那太棒了。请告诉我们更多信息。 ：我们的第一反应是， 好吧，让我们看看它是否能产生我们对经济学的期望的非常基本的东西。例如，当价格较高时，它是否知道拒绝报价？它知道在价格和选择之间进行权衡吗？ 我们确实看到了一条向下倾斜的需求曲线，这正是我们在查询 数千次以获得答案时所期望看到的。我们还看到这样的事情， 哦，我们可以告诉它一些关于它的收入的信息，它会对此做出反应。 当它的收入较高时，它对价格的敏感度就会降低这。