生成式人工智慧與大語言模型（LLMs）不僅提升了傳播研究的效率，更從根本上重塑了學者們觀察和理解人類複雜傳播過程及其影響的方式。通過自動化曾經需要大量人力投入的任務（如實驗設計和資料標注），LLMs為研究複雜的傳播動態提供了新方法，並增強了傳播研究的多樣性和包容性。本次演講旨在探討LLMs在合成和複製人類與AI之間說服性對話方面的能力，揭示LLMs在預測人類如何與具有說服力的AI對話及其信念變化方面的潛力。基於近期《科學》雜誌上一篇論文（Costello等，2024）的實驗設置和發現，我們構建了兩個GPT-4o代理：一個模擬機器人說服者，另一個通過使用相應的人口統計資訊和其他個人資料來類比人類被說服者。研究結果表明，LLM模擬的被說服者在三輪說服對話後其態度變化的程度顯著低於原實驗中人類被說服者的改變。這表明儘管LLMs可以類比說服性溝通對話，但在複製人類-AI對話中觀察到的說服效果強度方面可能有所不足。演講將討論這些研究結果對AI在說服干預和信念改變研究中的應用意義。