
《生成式AI时代的创造力(Creativity in the age of generative AI)》发表于顶级期刊《Nature Human Behaviour》。这是一篇仅有3页的“评论/立场论文”,而非包含大规模实验数据的传统实证研究。因此,文中的“研究方法”与“研究结果”更多体现为理论视角的建构、跨学科方法的倡导以及核心学术观点的推演。
研究背景
研究方法
由于是立场论文,本文并未采用传统的实证量化方法,而是提出了一套指导未来人机共创研究的跨学科理论方法论:
引入心理科学框架:文章倡导将心理学对创造力的分级概念引入AI评价中。例如,在评估人机共创时,必须区分不同类型和层级的创造力:从“日常的创造性活动”,如写菜谱、生成基础图像,这部分极易被AI自动化,到“范式转移级别的贡献”,这需要高阶的人类干预与意图。
平衡测量严谨性与生态效度:作者提出,在设计评估共创系统(如虚拟助手)的方法时,必须在“心理测量的严谨性”(Psychometric rigor,即精确的心理学参数)与“生态效度”(Ecological validity,即系统在真实世界中的直观性和吸引力)之间取得平衡。
研究结果
人类与AI创造力的本质差异:文章指出,人类的创造力深深交织着情感、社会和认知体验;而AI的创造力则在一个数据驱动的统计学领域内运作,其新颖性源于“算法的重组”(Algorithmic recombination),缺乏人类深层的“意图”(Intentionality)和“机缘巧合”(Serendipity)。
- “人在环内”的长期效益:研究团队论证得出,在AI的开发和工作流中保持“人类紧密参与”(Humans closely in-the-loop),不仅是伦理上的底线要求,也是从长远来看最高效的选择。
研究创新点
视角的根本转移:文章打破了“AI能否具备创造力”或“AI是否会取代人类”的二元对立争论,创新性地将学术界的焦点转移到“人机共创”(Human-AI Co-creativity)与构建“混合智能”(Hybrid Intelligence)上。
提出详尽的跨学科研究议程:文章极具前瞻性地指出,理解人机共创绝不仅是计算机科学的任务,并列出了具体的协作蓝图:需要商业管理学者来研究人机混合团队对宏观/微观工作组织的影响;需要语言学家研究“提示词工程”的细微差别;需要发展心理学家研究AI对人类学习过程的冲击。
— END —

夜雨聆风