Silicon Sampling技术实战：用AI模拟选民意见调查的可行性验证

巴西麦肯齐长老会大学开展实验，对比传统随机森林模型与Gemini 2.0 Flash大语言模型，验证Silicon Sampling技术（利用AI模拟真实受访者回答）在模拟民主认知调查中的有效性。结果显示，虽随机森林准确率更高，但大语言模型展现出灵活性与可解释性等优势。

Silicon Sampling是通过为AI模型提供人口统计学画像，让其模拟特定背景受访者回答的新兴方法，可降低传统调查的时间与资源成本。本研究聚焦巴西民众对民主制度的认知态度，使用04832.SAV真实数据集，目标是验证Gemini 2.0 Flash能否基于受访者社会经济特征准确模拟回答。

实验采用三种数据源对比：真实数据（黄金标准）、随机森林模型（基准对照组）、Gemini 2.0 Flash（验证对象）。技术实现上，使用Python 3.12在Google Colab平台完成，数据处理用Pandas，随机森林基于Scikit-Learn，Gemini调用Google Generative AI API，Pyreadstat库处理SPSS格式的.SAV文件。

随机森林模型准确率达0.98，Gemini 2.0 Flash为0.90。随机森林擅长处理结构化数据，自动捕捉特征交互；Gemini无需微调即能捕捉回答规律，且可生成自然语言回答，具更好灵活性与可解释性。

研究所有代码与结果公开于GitHub仓库，包含三个核心文件：projeto_1.ipynb（完整实验代码）、resultados_finais_projeto.csv（模型预测结果）、grafico_final_projeto1.png（回答分布对比图表），便于其他研究者复现与扩展。

挑战包括模型偏见（可能放大训练数据中的偏见）、文化语境理解（AI能否真正把握不同文化背景思维逻辑）。前景则是可显著降低研究成本与时间，用于初步假设筛选、问卷设计优化等探索性研究场景。

本研究为Silicon Sampling技术提供实证支持，虽传统机器学习准确率更高，但大语言模型的灵活性与扩展性预示其广阔发展空间。未来将有更多跨学科研究探索AI在社会科学中的边界，研究者需理解工具优劣势合理应用。