生成式AI讓我們更有創造力了嗎

在我們的印象中，機器是冷漠且死闆的，創造力這個詞似乎和機器格格不入。然而，如雨後春筍般湧現的生成式AI工具，促使我們開始重新思考機器與創造力的關系：生成式AI具有創造力嗎？它的創造力是否超過了人類？它是否使我們變得更具創造性了呢？

文 / 張宏宇、李倚天、索菲娅

2022年，ChatGPT如同一顆耀眼的新星，迅猛沖破曆史的天際，成為傳播速度最快、影響範圍最廣的技術奇迹之一。它代表大型語言模型（LLMs）的頂尖成就，引領了生成式AI的浪潮。ChatGPT之所以令人震驚，是因為它不是簡單地對數據進行整理或預測，而是能夠生成全新的内容。這一點打破了我們将人工智能僅視為執行既定任務工具的傳統觀念。越來越多的生成式AI工具相繼登場，它們的能力讓人歎為觀止，無論是文本、聲音還是視頻，似乎沒有什麼是這些智能工具做不到的。正因如此，生成式AI技術的革命正在深刻地改變着我們的工作方式。我們看到，越來越多的人開始利用這些工具進行會議記錄、制作PPT、編寫郵件、創建圖文配對、規劃工作流程、發布社交媒體動态……幾乎每一天，都有新的應用場景被開發出來（見表1）。

在過去的技術革命中，新工具對工作方式的改造主要體現在效率的提升上——讓我們能夠更快地完成手頭的任務。舉例來說，工業革命讓手工生産步入機械化時代，電力革命實現了全天候生産，計算機革命則極大提升了數據和信息處理的速度。這些新技術主要通過突破人類在力量等生理上的限制，使人類得以完成某些以往“不可能完成的任務”。在我們的印象中，機器是冷漠且死闆的，創造力這個詞似乎和機器格格不入。然而，如雨後春筍般湧現的生成式AI工具，促使我們開始重新思考機器與創造力的關系：生成式AI具有創造力嗎？它的創造力是否超過了人類？它是否使我們變得更具創造性了？

生成式AI有創造力嗎？反思創造力的源泉

在回答生成式AI是否具有創造力之前，我們需要對“創造力”這一概念有清晰的界定。一般而言，新穎性即是否原創、不同于常規且出乎意料，是人們提及創造力最先想到的要素。然而，對是否有新穎性的判斷往往較為主觀，個人情感、文化背景、過往經曆以及審美偏好等都可能影響人們對新穎的感知和評價。一幅10歲兒童的塗鴉可能被評價為如大師作品般有創造力，而一幅大師作品也可能被評價為如兒童的塗鴉般毫無章法。因此，對創造力進行評價常常不是基于客觀度量，而是基于主觀判斷，反映了個體在特定情境下的偏好和價值觀。此外，對 “創造力”的界定，除了要考慮新穎性，還需要考慮是否可以解決實際問題，從而排除那些天馬行空但難以落地的想法。隻有新穎的想法稱不上有創造力，還需要有明确的問題解決方案或者産品。

以新穎性和實用性作為判斷标準，生成式AI在很多時候的确表現出很高的創造力。比如在某科技公司工作的小王驚奇地發現，生成式AI工具不僅可以快速整理出一段會議記錄的主要内容，而且可以梳理出哪些觀點值得注意、哪些觀點容易被抨擊、未來有哪些關鍵的行動……這些洞見是她自己沒有想到的，并且可以為未來的工作提供切實的指導。

生成式AI通常是基于提示語生成内容，具有很強的針對性，非常符合實用性的标準。有人認為，生成式AI的創作隻是對人類現有的知識進行重組，是對人類創造過程的模拟，稱不上新穎，更談不上超越人類的創造力。要回應這樣的質疑，需要明确兩個關鍵問題：第一，知識的重組是否可以産生創造力；第二，生成式AI是否能夠像人類那樣，通過内在的驅動力而非僅僅依賴外部數據，探索未知領域并産生原創性創意。

首先，關于知識重組是否可以産生創造力，我們隻要回想下很多人類創造力的作品就會得出肯定的答案：飛機受鳥類飛行的啟發，智能手機是手機、音樂播放器、相機等多種設備的整合，Zombies, Run! 是一款将跑步健身與手機遊戲整合在一起從而讓運動變得更加有趣的應用。事實上，很多時候創造力并不是憑空産生的，必須以大量的專業知識和技能作為基礎，這也是為什麼某個人的創造力往往隻在某一個特定的領域展現——一名充滿創造力的作曲家去畫畫很可能表現得平淡無奇，而一名靈性十足的畫家去寫詩很可能極其無聊。

然而，大部分知識僅僅沉澱成知識本身，轉化成創造力并非易事。著名組織行為學者特雷莎·阿瑪比爾提出過一個被廣泛認可的創造力模型。她認為創造力來自三方面要素的碰撞：首先是領域技能（Domain-Relevant Skill），指個體在某一特定領域的知識和技能，這是創造力産生的基礎；其次是創造性思維技能（Creative-thinking Skill），指個體處理信息、解決問題和産生新穎想法的能力，這是創造力産生的核心；最後是内在動機（Intrinsic Motivation），指個體對從事某項活動感到有趣和滿足，這是創造力産生的動力。這一模型可以解釋很多創新作品的誕生。比如做出鲨魚皮泳衣的是速比濤（Speedo）公司組建的包括生物學家、流體力學專家、紡織工程師及服裝設計師在内的跨學科團隊，這一團隊的創新之所以取得成功不僅在于他們了解鲨魚皮表面微小鱗片結構的相關知識，更重要的是能夠借助生物模拟的方式将這種結構應用到泳衣的設計中。此外，速比濤公司希望進行産品創新進而獲得商業利益的動機也至關重要。

用特雷莎·阿瑪比爾的這一模型分析生成式AI會發現，生成式AI具有數量大、範圍廣的領域技能，這毫無疑問為其創新奠定了基礎。但是，它們是否擁有創造性思維技能呢？這一問題的答案并不簡單。事實上，即便是對于人類創造性思維的本質和來源的理解，我們也尚在探索之中。進行創造力生理學基礎研究的學者們普遍認為，創造力的産生是一個複雜的生理過程，需要大腦多個區域的協調，涉及多種能力的協同。然而，具體哪些腦區參與以及它們如何與創造性活動相聯系等問題，大家并未達成一緻。有些學者認為創造力思維和大腦的前額葉皮層活動有關，這一區域主要和決策、規劃、控制等功能相關；而另外一些學者認為創造力的産生可能和頂葉以及颞葉的活動有關系，這些區域主要和語言處理、記憶力、注意力等有關。不過，我們确實發現一些特定的思維認知方式可能和創造力的産生有關。比如具有發散性思維的人會跳出既有思維框架，提供更多樣的想法和解決方案，因而常常表現出更高的創造力水平；具有矛盾思維的人更容易接收差異，能夠根據環境和實際條件重構自己的認知，也常常表現出更高的創造力水平。如果我們能夠準确識别、理解人類的創造性思維，那麼有理由相信，終有一天生成式AI将憑借更加豐富的數據訓練集達到比人類更高的創造力水平。

然而，特雷莎·阿瑪比爾的創造力模型隻能解釋一部分創造力過程，人類在創作過程中很多的“靈光一現”是很難用模型去刻畫的。比如我們經常在藝術家的創作過程中觀察到一些獨特的習慣——不斷地飲茶、抽煙或者淋浴等，這些似乎都是他們産生創意的催化劑。同樣，許多人在學習或工作時也會經曆百思不得其解，突然之間靈光一閃，思路豁然開朗的時刻。這類創意的産生過程難以被完全理解或模拟，它們反映了人類創造力的獨特性和不可預測性，是目前生成式AI難以模仿或超越的，也是人類創造力的源泉。

此外，動機在創新過程中起着至關重要的作用，這也是生成式AI難以超越人類的一個方面。生成式AI主要通過機器學習特别是深度學習，掌握現有數據的結構、模式和關系，進而在未訓練數據中生成内容，所以它更擅長的是在一定的提示下完成任務或解決問題。至少目前的生成式AI工具還不具備主動探索未知的動機，而人類最偉大的創造力往往來自提出一個問題，而非回答一個問題。如果生成式AI有一天具備了人類的“好奇心”，我們也就有理由相信它會達到高于人類的創造力水平。

總的來看，目前生成式AI的“創造力”主要限定在跨界提供不同領域的答案或者在一定範圍内重新整合知識。比如，當我們問ChatGPT如何讓一部手機賣得更快時，它給出的答案好比一名知識非常紮實全面的同學的答卷，絕對算得上是衆多考卷中“新穎”的回答（見圖1）。但是，這樣的回答在一名精通營銷的專家眼裡有可能并不那麼有創造力，如果将其和雷軍對小米的營銷方案放在一起，更會相形見绌。生成式AI尚未達到那種能夠打破常規，将不同領域知識以意想不到的方式連接起來，提出創新問題的“創造力鬼才”水平。然而，若與人類創造力平均水平相比較，生成式AI在某些情況下還是顯示出了領先的趨勢。

1+1>2嗎？人類創造力與生成式AI的碰撞

相較于生成式AI自身有沒有創造力這一問題，我們可能更感興趣的是，生成式AI能否讓我們更有創造力？創造力的産生是一個湧現過程，這種湧現既可以在個體内發生，也可以在團隊内發生。如果說個體創造力主要是個體知識儲備、創新思維和創新動機三個要素相互作用産生的，那麼團隊創造力則主要來自個體以及個體之間的相互激發。誠然，如果團隊中個體創造力水平普遍較高，團隊整體的創造力一般來說也相對較高；但這并不意味着把一群富有創造力的個體聚集在一起就會形成有創造力的團隊，而把一群不那麼有創造力的個體聚集在一起就不會形成有創造力的團隊。

團隊創造力的産生往往以合作湧現的方式實現，需要成員之間産生1+1>2的化學反應。有研究團隊曾經發現，由于表現出更高水平的彼此理解和合作性，低創造力-低創造力個體組合甚至表現出比高創造力-高創造力個體組合更高的合作創造力水平。借助神經成像技術，該研究團隊還發現了這一反直覺現象的神經學基礎：低創造力-低創造力個體組合每個個體在腦區都呈現出更高的人際大腦同步（Interpersonal Brain Synchronization, IBS）水平，即在兩個人的互動過程中，他們的大腦活動模式變得相互協調甚至同步。

在電影《第二十條》中，有一場李茂娟、韓明和教導主任吵架的戲，導演張藝謀采用了“即興表演”的方式，讓演員自由發揮，每個人都不知道和自己對戲的人下一句會說怎樣的台詞。這場戲最後成為了電影中的經典場景，依靠的就是演員在每次表演互動中對彼此創造力的激發。如同在一場乒乓球比賽中，兩名頂尖高手多次一來一回，漂亮的進攻激發了絕佳的防守，而防守回去的球再一次點燃了新一輪漂亮的進攻，如此幾個回合下來，成就了精彩的攻防大戰。

生成式AI能否像一名演技精湛的對手戲搭檔或者勢均力敵的比賽對手激發我們的創造力呢？基于人與人合作創新的諸多模式，我們提出了生成式AI在人機合作創新中可能充當的幾種角色。

第一種角色是百科全書。個體創造力發揮容易受基礎知識和技能的限制，生成式AI工具可以幫助我們打破自己固有的知識體系、思維模式和認知偏見，通過擴大我們的知識庫來實現非線性和跨領域的知識聯結，從而提升創造力水平。

第二種角色是助手。首先，生成式AI可以像保姆一樣幫助我們處理創新過程中的諸多常規、瑣碎事務，使我們能夠更加專注于最需要創造力的環節。例如撰寫論文時，生成式AI工具可以幫助我們做文獻的檢索和綜述，而我們可以把時間更多地用于理論的構建和研究設計，從而在有限的時間内提高論文理論創新水平。其次，創造力不僅需要想象力，還需要解決能力、概念化能力及轉化為實際成果的能力。生成式AI可以像執行力極強的幫手一樣幫助我們将一些粗糙的創新想法快速實現，乃至快速疊代。以設計産品營銷廣告為例，以往一個創意往往需要一個專門的團隊落地，而現在生成式AI工具可以很快地生成一個可視化的1.0版本，并不斷地反饋、疊代創作者的想法。這種低成本試錯方式擴展了創作過程的範圍和深度，為創作者提供了一個幾乎無限的試錯場所，可以激發其創造力潛能。   

第三種角色是同事。在人與人的互動中，同事之間實現協同創新有兩個先決條件。第一，需要有共同的目标，彼此合作。憑借有效的合作，即使是低創造力個體也可以實現高水平的創造力，競争性互動則很難實現協同創新。第二，需要分享信息，最終可以達成共識。生成式AI可以比絕大多數人類更好地滿足這兩個條件，從而成為可以和人類協作完成創造力過程的優質同事。

第一，生成式AI是一個更“博學而客觀”的同事。組織中通常采用職能部門化的方式設計組織架構，從而導緻平時接觸較多的同事在知識結構和認知模式上有很強的同質性。生成式AI可以很好地打破這種同質性帶來的偏見和思維定式，促進發散性創造過程，即通過不同的思維視角提供更多的想法和解決方案，從而增加産生創新性解決方案的可能性。第二，生成式AI是一個更“無私”的同事。由于存在競争，組織中的知識分享并不總是發生，甚至還可能隐藏知識。生成式AI永遠都會最無私地分享它所知道的一切，不會表現出任何的競争性。第三，生成式AI是一個更“随和而耐心”的同事。在人與人的互動中，多樣化思維在促進發散性創造過程的同時可能會抑制聚合性創造過程，即分析和評估多個想法時，不同的視角會增大團隊成員達成一緻、确定最佳解決方案的難度。在人機互動中，人類可以自由選擇接受或者放棄生成式AI給出的方案，同時還可以任意要求生成式AI調整方案的方向。第四，生成式AI是一個更“懂得傾聽”的同事。頭腦風暴是人與人互動時經常采用的一種激發創意的方式，但是這種方式有其固有的局限：一是生産障礙，即我們在等待自己發言機會的時候可能會忘記或者放棄自己原本的觀點；二是評價擔憂，即我們會因為擔心自己的想法被評判或批評而選擇分享那些自認為會被大家接受的想法，從而過濾掉了一些真正的創意。生成式AI與人類互動也可以采用類似的方式——書面頭腦風暴（Brainwriting），不同于人與人之間的頭腦風暴，在這個過程中，人類的思緒不會被打斷，想法也不會被評價，從而保證了創新過程的流暢性。

總之，生成式AI在使人類更有創造力方面的表現要遠遠好于其自身的創造力。從某種程度上講，生成式AI是通過訓練數據生成一種“共識性”較高的答案，即使我們讓其給出更有創造力的答案，也無非是大多數人眼中的更有創造力。然而，很多創新，尤其是在初始階段，本來就不可能達成共識。所以，我們有理由相信，至少在短期内，最具原創想法的種子一定來自人類，但生成式AI會大大加快這顆種子的生長速度。

因此，我們最應該保護好的是産生創造力的原動力——對未知的好奇和那些解釋不清的“靈光一現”。然而，在頻繁的人機互動中，生成式AI會不會如同一個“溫柔的殺手”，溫水煮青蛙般扼殺人類創新的原動力呢？這是一個令人擔憂的問題。李霞是生成式AI工具的重度使用者，但她從不讓自己的孩子使用這些工具，她擔心過分使用ChatGPT這類工具可能會讓孩子變得“不再會寫作文”。這樣的擔憂并非杞人憂天。生成式AI是可以“進化”的，随着其越來越高質量地完成各類任務，人類也将越來越信任生成式AI。在人與人的互動中，已經有學者發現，過度信任對方容易抑制個體的批判性思維，造成思維懶惰，從而不利于産生創造力。因此，生成式AI看似可以助力創造力産生，實則有可能傷害創新的原動力。我們要警惕伴随生成式AI進化而來的人類創造力退化問題。

生成式AI與創造力公平

任何科技工具的誕生，都應該以增加大衆福祉為根本出發點，生成式AI工具也不例外。相較于幫助一個創造力90分的人變成100分，我們更應關注的是，這些工具是否可以讓一個創造力60分的人變成70分甚至更高分，進而縮小人和人之間的創造力差異。從理論上來看，在多數情況下，答案是肯定的。

一方面，生成式AI工具降低了創作參與門檻。以往，創造力的實現往往需要專業技能、昂貴的資源及長期的實踐學習，這使得很多潛在的創新者無法完成相關任務。随着生成式AI的發展，創造力的實現變得更加容易。無論是文學、音樂還是藝術設計，生成式AI都為更廣泛的人群打開了創作大門，激發他們的創作熱情。通過操作友好的界面和強大的創作功能，生成式AI大大簡化了創作過程。例如，借助AI輔助的寫作工具，用戶僅需輸入幾個關鍵詞就能夠生成一篇文章或一個故事，AI繪畫程序則能根據用戶的簡單描述創造出複雜的圖像。這些工具使得沒有專業背景的個人也能夠輕松地将自己的創意、想法變成現實。而且，這些工具通常是免費或低成本的，這進一步降低了經濟門檻，讓更多人有機會嘗試創作并探索自己的創意潛力。

另一方面，生成式AI工具打破了創作參與偏見。在推動創造力公平方面，生成式AI技術的另一個關鍵作用是通過打破傳統偏見來協助評估創意，這一過程對于實現更廣泛的社會和文化參與尤為重要。傳統的創作和評估過程往往充滿主觀性，不可避免地受到個人偏好、文化背景和社會經濟地位等因素的影響。通過引入生成式AI工具，我們有機會重新定義這些過程，從而為所有人提供一個更加平等的創作和評估平台。這意味着創意的評估可以更加聚焦内容本身，而非創作者的個人屬性。生成式AI不僅使評估過程更加公正，還鼓勵更廣泛的創作者群體——包括那些可能因為擔心偏見而猶豫不決的人——來分享他們的創意。此外，生成式AI技術在評估創意時可以應用複雜的算法，這些算法能夠根據特定的标準和參數（例如原創性、技術執行、情感表達等）評價作品。這種評估方式可以為創意提供客觀的反饋，幫助創作者了解其作品的強項和弱點，進而提高創造力水平。總之，生成式AI的出現，有助于創建一個更加平等和多元的創造力生态，為每個人提供更加公平的創作展示和能力提高的機會。

當前，個體接觸生成式AI工具的機會并不均等。有些員工“秘密”使用生成式AI工具完成工作，并取得讓領導同事驚異的成果，成為一名“影子創新者”。這樣的行為在一定程度上破壞了組織的公平。對此，管理層不應該限制生成式AI的使用，而是應該采用一些更積極的策略鼓勵生成式AI的推廣。首先，影子創新者之所以不願意分享，主要是擔心分享後可能會失去個人競争優勢，或者增加領導對他們的生産力預期。因此，管理層應該制定明确的政策，鼓勵并且獎勵生成式AI融入創造力過程的實踐，甚至可以以類似産權的方式保護員工對這類實踐的分享。其次，在組織内部搭建學習平台，營造更好的學習氛圍，提高員工使用生成式AI的技能。短期内，生成式AI很難取代人類表現出更高的創造力水平，但我們每個人都可能被另一個更會使用生成式AI的人取代。管理層需要不斷強化員工不進則退的危機感，鼓勵大家擁抱新技術，更好地去使用生成式AI工具，激發自己的創造力。

張宏宇：中央财經大學商學院副教授

李倚天：北京電子科技職業學院講師

索菲娅（通訊作者）：西藏大學财經學院講師

責任編輯：劉永選

來源：《清華管理評論》2024年5月刊