夜雨聆风引言：创造力定义的范式之争
2025年4月，Giorgio Franceschelli与Mirco Musolesi在arXiv发表的论文《On the Creativity of AI Agents》提出了一个根本性问题：当大型语言模型（LLM）展现出人类甚至超人类水平的表现时，我们是否应该承认它们具有创造力？
这个问题的答案并不简单。正如论文所指出的，结论高度依赖于我们所采用的创造力定义、评估方法以及具体应用场景。这不仅仅是一个学术辩论，而是触及了人工智能本质的核心——机器能否真正理解创造的意义，还是仅仅在模拟创造的外在形式？
功能主义视角：AI已经展现了创造力
组合、探索与转换的三重创造力
论文首先引入了 Margaret Boden 的经典创造力分类框架：
1. 组合创造力（Combinational Creativity）
• 将熟悉的想法以新颖的方式组合 • 这是当前LLM最擅长的领域 • 例如：跨领域概念迁移、风格混合的文本生成
2. 探索创造力（Exploratory Creativity）
• 在概念空间内探索边界，产生符合既有规则的新想法 • 如GPT-5.2推导出理论物理学新公式的案例 • 通过识别模式并归纳，实现"插值"与"外推"
3. 转换创造力（Transformational Creativity）
• 改变概念空间本身，使之前无法想象的想法成为可能 • 这是最高层次的创造力 • 论文认为，当前的LLM Agents尚未达到这一层次
功能主义创造力的核心标准
根据Runco与Jaeger的标准定义，创造力需要满足两个维度：
• 原创性（Originality）：想法或产品必须是罕见的、新颖的或独特的 • 有效性（Effectiveness）：想法必须是有用的、适当的、有价值的
从这个角度看，LLM Agents已经展现出显著的功能主义创造力：
• 代码生成：从单次编程到复杂的调试、优化、单元测试迭代 • 科学发现：在理论物理、数学证明等领域取得突破 • 艺术创作：生成诗歌、故事、视觉艺术作品
这些成就在可观察的输出特征上符合创造力的定义。如果一个AI系统产生的结果既新颖又有价值，从功能主义的角度看，它就是创造性的。
本体论视角：AI缺乏创造的"灵魂"
然而，论文提出了更深层的质疑：功能主义的评估是否足够？
过程与意图的缺失
本体论视角关注创造力的内在本质——创造的过程、意图、社会情境和个人体验。从这个角度看，当前AI系统存在根本性局限：
1. 无意识的模式匹配
• LLM本质上是统计模型，通过预测"最可能的下一个词"来生成内容 • 它们缺乏真正的"意图"或"目的" • 所谓的"推理"实际上是条件概率的计算
2. 缺乏内在动机
• 人类创造力往往源于好奇心、自我表达、解决问题的渴望 • AI没有内在驱动力，只有外部优化的目标函数 • 正如论文所言，它们是"被训练来最大化人类反馈"的系统
3. 无社会情境的理解
• 真正的创造力发生在社会文化背景中 • 创新需要理解社会需求、文化语境、历史传承 • AI缺乏这种深层的语境感知能力
工具使用的悖论
论文指出了一个有趣的悖论：为了让AI超越人类限制，我们赋予它们生成新工具的能力。然而：
"这些工具由LLM生成，而LLM仍然是人类语言的概率模型，在单一动作中生成（其创造力如上所述），这表明它无法以那种方式生成偏离已存在事物的东西。"
这导致了一个根本性的循环困境：
• 要超越人类限制，AI需要创造新工具 • 但新工具的创造受限于LLM对人类语言的概率建模 • 因此AI只能"填补空间中的空白"，而非"转换空间本身"
关键区分：插值、外推与超推
论文引入了一个重要的概念区分：
| 插值（Interpolation） | ||
| 外推（Extrapolation） | ||
| 超推（Hyperpolation） |
当前LLM Agents能够进行插值和外推，但无法进行超推——这正是转换创造力的核心。超推要求：
• 从定义域的维度中抽象出来 • 能够改变或放弃一个或多个维度 • 实现范式转换（paradigm shift）
真正的转换创造力体现为：
• 发明全新的编程范式 • 开创前所未有的艺术风格 • 推导非欧几何等革命性数学框架 • 提出改变科学范式的理论（如相对论、量子力学）
推理与创造：提示工程的重要性
论文强调了"推理步骤"在创造力中的关键作用。目前，LLM和LLM Agents最富创造力、最不明显的输出往往源于精心设计的提示：
"输出创造力与提示创造力之间存在强相关性，如果没有足够具体和促进原创性的提示，输出往往坍缩为'slops'（平庸内容）。"
这呼应了爱因斯坦的名言：
"问题的提出往往比解决更重要，后者可能只是数学或实验技能的问题。提出新问题、新的可能性、从新的角度看待旧问题，需要创造性的想象力，并标志着科学的真正进步。"
这揭示了一个深层真理：创造力不仅是解决问题的能力，更是发现问题的能力。当前AI系统在"问题发现"方面仍有根本局限。
AI创造力的未来路径
增强功能主义创造力的方向
论文提出，即使在本体论意义上AI尚未真正"理解"创造，增强功能主义创造力仍然具有重要价值：
1. 更好的工具集成
• 动态工具发现与组合 • 多模态交互能力 • 与物理世界的深度耦合
2. 改进的推理架构
• 从链式思维（Chain-of-Thought）到更复杂的推理图 • 引入假设生成与验证机制 • 贝叶斯推理与因果推断的结合
3. 社会交互学习
• 多智能体协作系统 • 从人类反馈中进行更有创造性的强化学习 • 开放式社会仿真环境
迈向本体论创造力的可能路径
论文审慎地探讨了AI是否应追求本体论创造力：
潜在益处：
• 真正自主的科学发现 • 符合人类价值观的创新 • 解决复杂全球问题的突破
潜在风险：
• 不可预测的创造性行为 • 目标偏离（goal misalignment） • 创造性的"失控"
哲学反思：什么是真正的创造？
创造力的人类本质
论文最终指向了一个哲学问题：创造力是否本质上是一个人类现象？
人类创造力不仅仅是产生新颖有效的想法，而是包含：
• 存在的焦虑与表达：创造作为自我实现的方式 • 文化传承与创新：站在巨人肩膀上的突破 • 社会认同与影响：创造改变他人、改变世界的渴望 • 审美与情感体验：创造过程中的"流畅体验"（flow）
这些维度构成了创造力的"现象学厚度"——它们可能无法被功能主义标准完全捕捉。
机器创造力的独特价值
然而，即使AI缺乏人类创造力的本体论维度，它们仍然提供独特价值：
1. 组合爆炸的穷尽
• AI可以探索人类无法穷尽的创意空间 • 在药物发现、材料科学等领域产生突破
2. 去偏见的创新
• 不受人类认知偏见限制的探索 • 发现人类专家可能忽略的解决方案
3. 人类-AI协作创造
• AI作为"创意放大器" • 人类提供意图与价值判断，AI提供实现与扩展
结论：双重维度的调和
《On the Creativity of AI Agents》提供了一个 nuanced 的框架，调和了关于AI创造力的对立观点：
1. AI已经展现了功能主义创造力——它们能够产生新颖、有价值、令人惊讶的输出 2. AI尚未实现本体论创造力——它们缺乏真正的意图、内在动机、社会情境理解和范式转换能力 3. 这并非缺陷，而是特征——功能主义创造力足以在许多领域产生实际价值，而追求本体论创造力则需要审慎评估风险
最终，论文提出了一个建设性的愿景：
"我们讨论是否希望智能体系统达到两种形式的创造力，评估潜在益处与风险，并提出能够增强人类社会的人工创造力路径。"
这个愿景不是取代人类创造力，而是扩展创造力的边界——让AI成为人类创造性努力的伙伴，共同探索未知的概念空间，最终实现人类与机器的协同创造。
在创造力这个最人性的领域，AI不是要复制人类的创造体验，而是要开辟一种新的、互补的创造形式。这或许是我们能够期待的最好结果。
