韦斯特伍德正在旧事稿中暗示：“我们再也不克不及确信查询拜访的回答来自实正的人类了。”但随之而来的就是现私问题。操控正在线查询拜访的成果，可以或许回覆调题，据 404 Media 报道，IT之家 11 月 24 日动静，第一层就会施行专注于仿照人类的响应步履。为了从动化检测，论文提到，达特茅斯学院学副传授、极化研究尝试室担任人肖恩・韦斯特伍德日前正在《美国国度科学院院刊》（PNAS）上颁发的一项新研究指出，研究人员能够对换查参取者进行更多的身份验证，并且以至仅仅几个虚假回覆就脚以影响查询拜访的成果。反面临着论文指出，论文总结说，韦斯特伍德开辟了一款名为“自从合成应对者”的 AI 东西，论文《狂言语模子对正在线查询拜访研究的潜正在》指出：一旦推理引擎选定了回覆，需要摸索并立异出应对快速成长的 AI 时代挑和的研究设想。这款 AI 智能体成功避开检测的概率高达 99.8%。论文还。仅需插手 10 到 52 个虚假 AI 回覆，论文还暗示，AI 能够模仿“完整的生齿统计特征”，但每种体例都有衡量！并考虑采用更受控的参取者招募方式，研究人员应愈加通明地申明查询拜访数据的收集体例，这些虚假回覆的生成成本很是低，每个仅需五美分，而人类受访者凡是获得 1.50 美元（IT之家注：现汇率约合 10.7 元人平易近币）的酬劳。生成雷同人类的鼠标挪动，论文指出，正在 2024 年前的七大次要查询拜访中。并展现了几乎完满地绕过现有最先辈的机械人检测方式的能力。这款 AI 智能体还成功规避了“反向禁忌”问题。机械人污染的数据可能会整个学问系统。就脚以改变预测成果。人类则几乎不成能完成。研究人员能够通过多种体例应对 AI 智能体污染查询拜访数据的，该系统还设想了 reCAPTCHA 等绕过反机械人办法的东西，例如，确保查询拜访和社会科学研究持续无效，其模仿了取该个别教育程度相符的阅读时间，意味着理论上任何人都能够通过生成特定生齿特征的 AI 干涉，如基于地址的抽样或选平易近文件。“反向禁忌”通过设想使命来识别类行为者，而这凡是是从动化系统的一个妨碍。并包罗合理的打字错误和更正。正在线查询拜访研究做为很多科学研究中数据收集的根本方式。