生成式AI让我们更有创造力了吗

在我们的印象中，机器是冷漠且死板的，创造力这个词似乎和机器格格不入。然而，如雨后春笋般涌现的生成式AI工具，促使我们开始重新思考机器与创造力的关系：生成式AI具有创造力吗？它的创造力是否超过了人类？它是否使我们变得更具创造性了呢？

文 / 张宏宇、李倚天、索菲娅

2022年，ChatGPT如同一颗耀眼的新星，迅猛冲破历史的天际，成为传播速度最快、影响范围最广的技术奇迹之一。它代表大型语言模型（LLMs）的顶尖成就，引领了生成式AI的浪潮。ChatGPT之所以令人震惊，是因为它不是简单地对数据进行整理或预测，而是能够生成全新的内容。这一点打破了我们将人工智能仅视为执行既定任务工具的传统观念。越来越多的生成式AI工具相继登场，它们的能力让人叹为观止，无论是文本、声音还是视频，似乎没有什么是这些智能工具做不到的。正因如此，生成式AI技术的革命正在深刻地改变着我们的工作方式。我们看到，越来越多的人开始利用这些工具进行会议记录、制作PPT、编写邮件、创建图文配对、规划工作流程、发布社交媒体动态……几乎每一天，都有新的应用场景被开发出来（见表1）。

在过去的技术革命中，新工具对工作方式的改造主要体现在效率的提升上——让我们能够更快地完成手头的任务。举例来说，工业革命让手工生产步入机械化时代，电力革命实现了全天候生产，计算机革命则极大提升了数据和信息处理的速度。这些新技术主要通过突破人类在力量等生理上的限制，使人类得以完成某些以往“不可能完成的任务”。在我们的印象中，机器是冷漠且死板的，创造力这个词似乎和机器格格不入。然而，如雨后春笋般涌现的生成式AI工具，促使我们开始重新思考机器与创造力的关系：生成式AI具有创造力吗？它的创造力是否超过了人类？它是否使我们变得更具创造性了？

生成式AI有创造力吗？反思创造力的源泉

在回答生成式AI是否具有创造力之前，我们需要对“创造力”这一概念有清晰的界定。一般而言，新颖性即是否原创、不同于常规且出乎意料，是人们提及创造力最先想到的要素。然而，对是否有新颖性的判断往往较为主观，个人情感、文化背景、过往经历以及审美偏好等都可能影响人们对新颖的感知和评价。一幅10岁儿童的涂鸦可能被评价为如大师作品般有创造力，而一幅大师作品也可能被评价为如儿童的涂鸦般毫无章法。因此，对创造力进行评价常常不是基于客观度量，而是基于主观判断，反映了个体在特定情境下的偏好和价值观。此外，对 “创造力”的界定，除了要考虑新颖性，还需要考虑是否可以解决实际问题，从而排除那些天马行空但难以落地的想法。只有新颖的想法称不上有创造力，还需要有明确的问题解决方案或者产品。

以新颖性和实用性作为判断标准，生成式AI在很多时候的确表现出很高的创造力。比如在某科技公司工作的小王惊奇地发现，生成式AI工具不仅可以快速整理出一段会议记录的主要内容，而且可以梳理出哪些观点值得注意、哪些观点容易被抨击、未来有哪些关键的行动……这些洞见是她自己没有想到的，并且可以为未来的工作提供切实的指导。

生成式AI通常是基于提示语生成内容，具有很强的针对性，非常符合实用性的标准。有人认为，生成式AI的创作只是对人类现有的知识进行重组，是对人类创造过程的模拟，称不上新颖，更谈不上超越人类的创造力。要回应这样的质疑，需要明确两个关键问题：第一，知识的重组是否可以产生创造力；第二，生成式AI是否能够像人类那样，通过内在的驱动力而非仅仅依赖外部数据，探索未知领域并产生原创性创意。

首先，关于知识重组是否可以产生创造力，我们只要回想下很多人类创造力的作品就会得出肯定的答案：飞机受鸟类飞行的启发，智能手机是手机、音乐播放器、相机等多种设备的整合，Zombies, Run! 是一款将跑步健身与手机游戏整合在一起从而让运动变得更加有趣的应用。事实上，很多时候创造力并不是凭空产生的，必须以大量的专业知识和技能作为基础，这也是为什么某个人的创造力往往只在某一个特定的领域展现——一名充满创造力的作曲家去画画很可能表现得平淡无奇，而一名灵性十足的画家去写诗很可能极其无聊。

然而，大部分知识仅仅沉淀成知识本身，转化成创造力并非易事。著名组织行为学者特雷莎·阿玛比尔提出过一个被广泛认可的创造力模型。她认为创造力来自三方面要素的碰撞：首先是领域技能（Domain-Relevant Skill），指个体在某一特定领域的知识和技能，这是创造力产生的基础；其次是创造性思维技能（Creative-thinking Skill），指个体处理信息、解决问题和产生新颖想法的能力，这是创造力产生的核心；最后是内在动机（Intrinsic Motivation），指个体对从事某项活动感到有趣和满足，这是创造力产生的动力。这一模型可以解释很多创新作品的诞生。比如做出鲨鱼皮泳衣的是速比涛（Speedo）公司组建的包括生物学家、流体力学专家、纺织工程师及服装设计师在内的跨学科团队，这一团队的创新之所以取得成功不仅在于他们了解鲨鱼皮表面微小鳞片结构的相关知识，更重要的是能够借助生物模拟的方式将这种结构应用到泳衣的设计中。此外，速比涛公司希望进行产品创新进而获得商业利益的动机也至关重要。

用特雷莎·阿玛比尔的这一模型分析生成式AI会发现，生成式AI具有数量大、范围广的领域技能，这毫无疑问为其创新奠定了基础。但是，它们是否拥有创造性思维技能呢？这一问题的答案并不简单。事实上，即便是对于人类创造性思维的本质和来源的理解，我们也尚在探索之中。进行创造力生理学基础研究的学者们普遍认为，创造力的产生是一个复杂的生理过程，需要大脑多个区域的协调，涉及多种能力的协同。然而，具体哪些脑区参与以及它们如何与创造性活动相联系等问题，大家并未达成一致。有些学者认为创造力思维和大脑的前额叶皮层活动有关，这一区域主要和决策、规划、控制等功能相关；而另外一些学者认为创造力的产生可能和顶叶以及颞叶的活动有关系，这些区域主要和语言处理、记忆力、注意力等有关。不过，我们确实发现一些特定的思维认知方式可能和创造力的产生有关。比如具有发散性思维的人会跳出既有思维框架，提供更多样的想法和解决方案，因而常常表现出更高的创造力水平；具有矛盾思维的人更容易接收差异，能够根据环境和实际条件重构自己的认知，也常常表现出更高的创造力水平。如果我们能够准确识别、理解人类的创造性思维，那么有理由相信，终有一天生成式AI将凭借更加丰富的数据训练集达到比人类更高的创造力水平。

然而，特雷莎·阿玛比尔的创造力模型只能解释一部分创造力过程，人类在创作过程中很多的“灵光一现”是很难用模型去刻画的。比如我们经常在艺术家的创作过程中观察到一些独特的习惯——不断地饮茶、抽烟或者淋浴等，这些似乎都是他们产生创意的催化剂。同样，许多人在学习或工作时也会经历百思不得其解，突然之间灵光一闪，思路豁然开朗的时刻。这类创意的产生过程难以被完全理解或模拟，它们反映了人类创造力的独特性和不可预测性，是目前生成式AI难以模仿或超越的，也是人类创造力的源泉。

此外，动机在创新过程中起着至关重要的作用，这也是生成式AI难以超越人类的一个方面。生成式AI主要通过机器学习特别是深度学习，掌握现有数据的结构、模式和关系，进而在未训练数据中生成内容，所以它更擅长的是在一定的提示下完成任务或解决问题。至少目前的生成式AI工具还不具备主动探索未知的动机，而人类最伟大的创造力往往来自提出一个问题，而非回答一个问题。如果生成式AI有一天具备了人类的“好奇心”，我们也就有理由相信它会达到高于人类的创造力水平。

总的来看，目前生成式AI的“创造力”主要限定在跨界提供不同领域的答案或者在一定范围内重新整合知识。比如，当我们问ChatGPT如何让一部手机卖得更快时，它给出的答案好比一名知识非常扎实全面的同学的答卷，绝对算得上是众多考卷中“新颖”的回答（见图1）。但是，这样的回答在一名精通营销的专家眼里有可能并不那么有创造力，如果将其和雷军对小米的营销方案放在一起，更会相形见绌。生成式AI尚未达到那种能够打破常规，将不同领域知识以意想不到的方式连接起来，提出创新问题的“创造力鬼才”水平。然而，若与人类创造力平均水平相比较，生成式AI在某些情况下还是显示出了领先的趋势。

1+1>2吗？人类创造力与生成式AI的碰撞

相较于生成式AI自身有没有创造力这一问题，我们可能更感兴趣的是，生成式AI能否让我们更有创造力？创造力的产生是一个涌现过程，这种涌现既可以在个体内发生，也可以在团队内发生。如果说个体创造力主要是个体知识储备、创新思维和创新动机三个要素相互作用产生的，那么团队创造力则主要来自个体以及个体之间的相互激发。诚然，如果团队中个体创造力水平普遍较高，团队整体的创造力一般来说也相对较高；但这并不意味着把一群富有创造力的个体聚集在一起就会形成有创造力的团队，而把一群不那么有创造力的个体聚集在一起就不会形成有创造力的团队。

团队创造力的产生往往以合作涌现的方式实现，需要成员之间产生1+1>2的化学反应。有研究团队曾经发现，由于表现出更高水平的彼此理解和合作性，低创造力-低创造力个体组合甚至表现出比高创造力-高创造力个体组合更高的合作创造力水平。借助神经成像技术，该研究团队还发现了这一反直觉现象的神经学基础：低创造力-低创造力个体组合每个个体在脑区都呈现出更高的人际大脑同步（Interpersonal Brain Synchronization, IBS）水平，即在两个人的互动过程中，他们的大脑活动模式变得相互协调甚至同步。

在电影《第二十条》中，有一场李茂娟、韩明和教导主任吵架的戏，导演张艺谋采用了“即兴表演”的方式，让演员自由发挥，每个人都不知道和自己对戏的人下一句会说怎样的台词。这场戏最后成为了电影中的经典场景，依靠的就是演员在每次表演互动中对彼此创造力的激发。如同在一场乒乓球比赛中，两名顶尖高手多次一来一回，漂亮的进攻激发了绝佳的防守，而防守回去的球再一次点燃了新一轮漂亮的进攻，如此几个回合下来，成就了精彩的攻防大战。

生成式AI能否像一名演技精湛的对手戏搭档或者势均力敌的比赛对手激发我们的创造力呢？基于人与人合作创新的诸多模式，我们提出了生成式AI在人机合作创新中可能充当的几种角色。

第一种角色是百科全书。个体创造力发挥容易受基础知识和技能的限制，生成式AI工具可以帮助我们打破自己固有的知识体系、思维模式和认知偏见，通过扩大我们的知识库来实现非线性和跨领域的知识联结，从而提升创造力水平。

第二种角色是助手。首先，生成式AI可以像保姆一样帮助我们处理创新过程中的诸多常规、琐碎事务，使我们能够更加专注于最需要创造力的环节。例如撰写论文时，生成式AI工具可以帮助我们做文献的检索和综述，而我们可以把时间更多地用于理论的构建和研究设计，从而在有限的时间内提高论文理论创新水平。其次，创造力不仅需要想象力，还需要解决能力、概念化能力及转化为实际成果的能力。生成式AI可以像执行力极强的帮手一样帮助我们将一些粗糙的创新想法快速实现，乃至快速迭代。以设计产品营销广告为例，以往一个创意往往需要一个专门的团队落地，而现在生成式AI工具可以很快地生成一个可视化的1.0版本，并不断地反馈、迭代创作者的想法。这种低成本试错方式扩展了创作过程的范围和深度，为创作者提供了一个几乎无限的试错场所，可以激发其创造力潜能。   

第三种角色是同事。在人与人的互动中，同事之间实现协同创新有两个先决条件。第一，需要有共同的目标，彼此合作。凭借有效的合作，即使是低创造力个体也可以实现高水平的创造力，竞争性互动则很难实现协同创新。第二，需要分享信息，最终可以达成共识。生成式AI可以比绝大多数人类更好地满足这两个条件，从而成为可以和人类协作完成创造力过程的优质同事。

第一，生成式AI是一个更“博学而客观”的同事。组织中通常采用职能部门化的方式设计组织架构，从而导致平时接触较多的同事在知识结构和认知模式上有很强的同质性。生成式AI可以很好地打破这种同质性带来的偏见和思维定式，促进发散性创造过程，即通过不同的思维视角提供更多的想法和解决方案，从而增加产生创新性解决方案的可能性。第二，生成式AI是一个更“无私”的同事。由于存在竞争，组织中的知识分享并不总是发生，甚至还可能隐藏知识。生成式AI永远都会最无私地分享它所知道的一切，不会表现出任何的竞争性。第三，生成式AI是一个更“随和而耐心”的同事。在人与人的互动中，多样化思维在促进发散性创造过程的同时可能会抑制聚合性创造过程，即分析和评估多个想法时，不同的视角会增大团队成员达成一致、确定最佳解决方案的难度。在人机互动中，人类可以自由选择接受或者放弃生成式AI给出的方案，同时还可以任意要求生成式AI调整方案的方向。第四，生成式AI是一个更“懂得倾听”的同事。头脑风暴是人与人互动时经常采用的一种激发创意的方式，但是这种方式有其固有的局限：一是生产障碍，即我们在等待自己发言机会的时候可能会忘记或者放弃自己原本的观点；二是评价担忧，即我们会因为担心自己的想法被评判或批评而选择分享那些自认为会被大家接受的想法，从而过滤掉了一些真正的创意。生成式AI与人类互动也可以采用类似的方式——书面头脑风暴（Brainwriting），不同于人与人之间的头脑风暴，在这个过程中，人类的思绪不会被打断，想法也不会被评价，从而保证了创新过程的流畅性。

总之，生成式AI在使人类更有创造力方面的表现要远远好于其自身的创造力。从某种程度上讲，生成式AI是通过训练数据生成一种“共识性”较高的答案，即使我们让其给出更有创造力的答案，也无非是大多数人眼中的更有创造力。然而，很多创新，尤其是在初始阶段，本来就不可能达成共识。所以，我们有理由相信，至少在短期内，最具原创想法的种子一定来自人类，但生成式AI会大大加快这颗种子的生长速度。

因此，我们最应该保护好的是产生创造力的原动力——对未知的好奇和那些解释不清的“灵光一现”。然而，在频繁的人机互动中，生成式AI会不会如同一个“温柔的杀手”，温水煮青蛙般扼杀人类创新的原动力呢？这是一个令人担忧的问题。李霞是生成式AI工具的重度使用者，但她从不让自己的孩子使用这些工具，她担心过分使用ChatGPT这类工具可能会让孩子变得“不再会写作文”。这样的担忧并非杞人忧天。生成式AI是可以“进化”的，随着其越来越高质量地完成各类任务，人类也将越来越信任生成式AI。在人与人的互动中，已经有学者发现，过度信任对方容易抑制个体的批判性思维，造成思维懒惰，从而不利于产生创造力。因此，生成式AI看似可以助力创造力产生，实则有可能伤害创新的原动力。我们要警惕伴随生成式AI进化而来的人类创造力退化问题。

生成式AI与创造力公平

任何科技工具的诞生，都应该以增加大众福祉为根本出发点，生成式AI工具也不例外。相较于帮助一个创造力90分的人变成100分，我们更应关注的是，这些工具是否可以让一个创造力60分的人变成70分甚至更高分，进而缩小人和人之间的创造力差异。从理论上来看，在多数情况下，答案是肯定的。

一方面，生成式AI工具降低了创作参与门槛。以往，创造力的实现往往需要专业技能、昂贵的资源及长期的实践学习，这使得很多潜在的创新者无法完成相关任务。随着生成式AI的发展，创造力的实现变得更加容易。无论是文学、音乐还是艺术设计，生成式AI都为更广泛的人群打开了创作大门，激发他们的创作热情。通过操作友好的界面和强大的创作功能，生成式AI大大简化了创作过程。例如，借助AI辅助的写作工具，用户仅需输入几个关键词就能够生成一篇文章或一个故事，AI绘画程序则能根据用户的简单描述创造出复杂的图像。这些工具使得没有专业背景的个人也能够轻松地将自己的创意、想法变成现实。而且，这些工具通常是免费或低成本的，这进一步降低了经济门槛，让更多人有机会尝试创作并探索自己的创意潜力。

另一方面，生成式AI工具打破了创作参与偏见。在推动创造力公平方面，生成式AI技术的另一个关键作用是通过打破传统偏见来协助评估创意，这一过程对于实现更广泛的社会和文化参与尤为重要。传统的创作和评估过程往往充满主观性，不可避免地受到个人偏好、文化背景和社会经济地位等因素的影响。通过引入生成式AI工具，我们有机会重新定义这些过程，从而为所有人提供一个更加平等的创作和评估平台。这意味着创意的评估可以更加聚焦内容本身，而非创作者的个人属性。生成式AI不仅使评估过程更加公正，还鼓励更广泛的创作者群体——包括那些可能因为担心偏见而犹豫不决的人——来分享他们的创意。此外，生成式AI技术在评估创意时可以应用复杂的算法，这些算法能够根据特定的标准和参数（例如原创性、技术执行、情感表达等）评价作品。这种评估方式可以为创意提供客观的反馈，帮助创作者了解其作品的强项和弱点，进而提高创造力水平。总之，生成式AI的出现，有助于创建一个更加平等和多元的创造力生态，为每个人提供更加公平的创作展示和能力提高的机会。

当前，个体接触生成式AI工具的机会并不均等。有些员工“秘密”使用生成式AI工具完成工作，并取得让领导同事惊异的成果，成为一名“影子创新者”。这样的行为在一定程度上破坏了组织的公平。对此，管理层不应该限制生成式AI的使用，而是应该采用一些更积极的策略鼓励生成式AI的推广。首先，影子创新者之所以不愿意分享，主要是担心分享后可能会失去个人竞争优势，或者增加领导对他们的生产力预期。因此，管理层应该制定明确的政策，鼓励并且奖励生成式AI融入创造力过程的实践，甚至可以以类似产权的方式保护员工对这类实践的分享。其次，在组织内部搭建学习平台，营造更好的学习氛围，提高员工使用生成式AI的技能。短期内，生成式AI很难取代人类表现出更高的创造力水平，但我们每个人都可能被另一个更会使用生成式AI的人取代。管理层需要不断强化员工不进则退的危机感，鼓励大家拥抱新技术，更好地去使用生成式AI工具，激发自己的创造力。

张宏宇：中央财经大学商学院副教授

李倚天：北京电子科技职业学院讲师

索菲娅（通讯作者）：西藏大学财经学院讲师

责任编辑：刘永选

来源：《清华管理评论》2024年5月刊