高质量人类数据在人工智能时代会变得更有价值吗？

AI真的能取代人类数据吗？证据表明：不能。

简短的回答是：不能——至少对于捕捉人类经验的丰富定性数据而言，无法做到。在2024年一项关于移动交友的故事补全研究中，研究人员意外地在数据集中发现了AI生成的回答。以女性主义新唯物主义为理论视角，他们发现AI回答缺乏人类生成数据所具有的情感和话语特质——AI根本无法复制定性研究核心所需的“人类经验的丰富性”[1]。这种差异并非细微；研究人员能够通过AI回答缺乏情感深度和叙事真实性来识别它们。

类似地，2023年一项关于不诚实行为的实验发现，人工智能建议（由自然语言处理算法生成）对人类行为的影响方式与人类建议相同——但仅限于助长不诚实行为时。来自任何一方的诚实促进建议均未提升诚实度[6]。这表明人工智能能够模仿人类的某些影响力，但无法完全捕捉人类道德推理的完整光谱。这对数据价值的启示显而易见：若你需要反映真实人类情感、伦理细微差别或生活经验的数据，人工智能生成的替代品将难以胜任。

为何人类价值观让人类数据具有独特价值

人类决策深受多元价值观的影响——这些价值观有时相互冲突，例如诚实与友谊之间的权衡。作为统计学习系统，AI倾向于平均化这些冲突，从而抹去了人类数据中那些富有张力的关键要素。2024年的一项研究推出了ValuePrism数据集，包含21.8万个与3.1万个人类撰写的场景相关联的价值观、权利和义务。这些价值观由AI（GPT-4）生成，人类标注员在91%的情况下认为其质量较高[4]。但关键在于：当研究人员构建了一个明确建模价值多元性的模型（Kaleido）时，人类实际上更偏好Kaleido的输出结果，认为其比GPT-4更准确、覆盖范围更广[4]。这意味着，即便AI生成了看似高质量的数据，它仍未能充分呈现人类价值观的全貌——这使得能够捕捉这些张力的人类生成数据变得更有价值，而非相反。

另一篇2024年的软件工程研究论文指出，尽管AI能在访谈和调查中模拟人类行为，但“让AI与人类生成的数据共存的一体化方法，很可能产生最有效的成果”[2]。这并非否定AI，而是承认人类数据提供了AI无法替代的东西：在社会技术领域中“根本不可或缺”的真实、富含情境的视角[2]。

人类数据的需求正在上升，而非下降

颇具讽刺意味的是，人工智能时代反而增加了对高质量人类数据的需求。2022年一份关于医疗数据的政策文件指出，“医疗人工智能技术依赖数据来拓展其应用范围”，而数据匮乏则会“阻碍未来应用的开发”[3]。作者主张建立更完善的激励机制，鼓励患者共享数据，这恰恰是因为人工智能系统需要海量高质量的人类数据来持续优化。这并非小众议题——医疗人工智能正是最渴求数据的领域之一，而该文件强调，当前数据共享的限制已成为发展瓶颈。

即使在教育学领域，一篇2024年关于宗教研究的论文也指出，人工智能与人类专家能够“相互启发、相互丰富，甚至相互教导”[5]。作者将其视为一种协作关系，其中人类专长——包括智识上的卓越能力，而不仅仅是基于规则的推理——仍处于核心地位。各领域得出的结论是一致的：人工智能并未取代对人类数据的需求，而是放大了这种需求，因为AI系统基于人类数据进行训练，其输出质量完全取决于训练数据本身。

关于这些来源

该回答基于6篇经同行评审的研究——发表于2022年至2024年间，其中4篇为2024年及以后发表，3篇发表于Q1期刊，累计被引用156次——这些研究是从通过质量筛选的6项研究中选出的最具相关性的成果，而后者又源自从超过5亿篇论文的数据库中检索到的62篇文献。

本文引用的文献

相关研究问题