人工智能能否真正擁有創造力？

聊天機器人與人工智能模型正不斷挑戰著人們對于“誰”——或“什么”——能夠創作藝術、音樂等內容的固有認知。

（插圖作者：拉法烏·克維措爾）

《第17號鋼琴小品》（Pianita number 17）是一首篇幅短小卻縈繞人心的鋼琴曲。這首作品以D小調創作，凄婉的和弦與輕柔上行的琶音傳遞出失戀的悵惘，同時又因不協和音與詭異的節奏變換等新穎元素，擺脫了俗套感。那么，作曲家究竟將怎樣刻骨銘心的人生經歷傾注其中？

答案是：沒有任何經歷。因為這首樂曲并非人類所作，而是由一個經數千小時YouTube視頻訓練而成的人工智能模型生成。

數十年來，心理學家一直將創造力視為人類區別于機器的核心特質——即便機器在智能與技能上已然超越人類。但如今，一波能夠通過學習海量數據集生成新內容的“生成式人工智能模型”，正讓這一觀點受到質疑。

2022年11月，美國加州人工智能公司OpenAI推出了廣受歡迎的聊天機器人ChatGPT，這類模型自此迅速崛起。依托大型語言模型（LLM）GPT-3.5，ChatGPT能根據簡單指令生成極具說服力的文本與圖像；此后，更強大的模型也接踵而至。

從詩歌、視頻到創意構想與音樂，人工智能生成的內容如今已能與許多人類作品比肩——這意味著，科學界對創造力的標準定義已難以區分人與計算機。倫敦大學瑪麗女王學院研究計算創造力的西蒙·科爾頓表示，2022年以來的技術進展“簡直令人震驚”，“我的所有同事都在拼命追趕，滿腦子都是‘怎么回事？剛剛發生了什么？’”

那么，我們是否應該接受人工智能如今已具備創造力這一事實？還是說，我們需要修改創造力的定義以捍衛人類創造力的獨特性？持正反兩方觀點的研究者均認為，這一問題事關重大——不僅關乎人工智能的創造潛力，更關乎人類自身的價值定位。

機器的“巧思”

關于機器能否擁有創造力的爭論并非新鮮事。19世紀40年代，曾參與首臺數字計算機原型“分析機”研發的埃達·洛夫萊斯就明確表示：盡管這臺機器能力驚人，但“它絕無任何原創能力”，其功能僅限于“執行我們已知如何下達的指令”。一個多世紀后，許多科學家仍持相同觀點；但在1950年，數學家艾倫·圖靈卻提出了極具挑戰性的相反觀點：人類的任何能力，終有一天都能被計算機復刻。

約50年后，機器開始在特定任務上比肩甚至超越最具天賦的人類。1997年，IBM的“深藍”計算機擊敗了國際象棋世界冠軍；2015年，谷歌DeepMind的“阿爾法圍棋”（AlphaGo）在圍棋領域實現了類似突破；2019年，谷歌推出“巴赫涂鴉”（Bach Doodle）工具，能以德國作曲家約翰·塞巴斯蒂安·巴赫的風格為簡短旋律配和聲。但研究者一致認為，如今生成式人工智能的發展，與以往任何技術突破都截然不同。

創造力的定義與衡量一直頗具難度，但研究者已就其標準定義達成共識：即產生“兼具原創性與有效性”事物的能力。他們還設計了一系列測試來評估創造力，例如解讀抽象圖形、為磚塊構想非常規用途等。

2023年起，從商業到神經科學領域的研究者陸續發現，人工智能系統在這類測試中已能與人類匹敵，且人們往往難以區分人工智能與人類生成的內容——無論是詩歌、科學假設還是智能手機應用程序[1]。美國阿什蘭市南俄勒岡大學認知心理學家、《創造力研究期刊》（*Creativity Research Journal*）創刊主編馬克·朗科指出：“人們開始認為，‘既然生成式人工智能在創造力測試中表現出色，那它就是有創造力的’。”

然而，在創造力表現上，最優秀的人類仍略勝一籌。一項研究[2]對比了人類創作的短篇小說與主流聊天機器人生成的作品：盡管部分人工智能生成的故事被認為與人類業余寫作者的水平相當，但專家評價指出，這些人工智能作品的質量遠不及《紐約客》（*The New Yorker*）上發表的專業作品——它們缺乏完整的敘事結尾、復雜的修辭表達與豐滿的人物塑造。另一項實驗則發現，在為日常物品構想新功能時，大型語言模型的創新能力甚至不及一群5歲兒童[3]。

科學領域的“靈光”

在科學領域，生成式人工智能工具在解決定義明確的問題上已取得亮眼成果，例如預測蛋白質的三維結構。但面對更寬泛的挑戰，它們仍力不從心。首先，在真實的科研環境中，人工智能缺乏足夠的經驗與背景知識，難以提出有價值的建議。美國加州斯坦福大學的一個團隊曾讓大型語言模型與人類分別撰寫計算機科學領域的研究提案：起初，評審者認為人工智能的提案更具創新性與可行性；但在深入評估后發現，這些提案存在設計缺陷——例如部分想法在計算層面難以低成本實現，部分則未參考相關前期研究，而人類提案的可行性明顯更高[1]。

此外，部分人工智能模型在實現科學領域“真正突破性洞見”所需的“想象力飛躍”上也存在短板。2024年3月，法國里昂埃米隆商學院的人工智能研究者艾米·丁與美國印第安納大學伯明頓分校的李世博，讓最新版ChatGPT（ChatGPT-4）嘗試破解三個基因在某假設調控系統中的作用。他們要求ChatGPT提出假設并設計實驗，隨后在計算機模擬實驗室中執行這些實驗，并將結果反饋給人工智能。

像榮獲諾貝爾獎的“阿爾法折疊”（AlphaFold）這樣的人工智能工具，能通過氨基酸序列預測蛋白質結構，已為多個科學領域帶來革命性變革。圖片來源：亞歷山德拉·德拉戈伊/《自然》雜志

與接受相同任務的人類科學家相比，ChatGPT提出的假設更少，執行的實驗也更少。更關鍵的是，與人類不同，ChatGPT在收到實驗結果后，既未修正原有假設，也未設計新實驗，最終未能破解正確的調控機制。僅經過一輪研究，它就自信地認定原有觀點正確——即便數據并不支持這些觀點。

艾米·丁與李世博得出結論：至少ChatGPT-4尚不具備必要的“創造性靈光”——無法察覺并解讀異常結果，也無法提出新穎且關鍵的問題。研究者指出，人類常會出于好奇心開展實驗，隨后通過新想法解釋實驗結果；但ChatGPT-4卻十分“固執”，面對新證據時無法調整自身思路。

研究者認為，要實現真正突破性發現所需的好奇心與想象力，可能需要超越生成式人工智能的核心技術——即由相互連接的節點構成的分層“深度神經網絡”。盡管深度神經網絡擅長識別數據中的統計模式，但在進行靈活的、跳出思維定式的思考時卻表現不佳。科爾頓對此表示認同：“當模型需要依賴海量數據訓練時，跳出思維定式就變得非常困難——因為這些數據本質上就是‘思維定式內’的內容。”

盡管相關研究仍處于早期階段，但新型人工智能架構可能會提升創造力潛力。艾米·丁與李世博重點提及了“神經形態人工智能”——這種技術模擬大腦的動態自組織過程。與此同時，科爾頓則對“神經符號人工智能”（neurosymbolic AI）充滿期待：在這種架構中，從數據中提取模式的深度神經網絡會與符號規則及推理相結合，而符號部分更接近明確的抽象思維。他表示，這種結合能讓人工智能系統獲得更大靈活性，突破訓練數據的限制：“你可以對它說，‘你在數據中看到了這個規則，但如果這個規則不成立呢？’”

信任“創作過程”

然而，無論人工智能模型變得多么強大，我們是否應該將其描述為“有創造力”？部分研究者認為，在將創造力歸因于人工智能之前，社會需要更深入地思考：“創造力”這一特質的本質究竟是什么？美國康涅狄格大學斯托斯分校教育心理學家、多本創造力領域著作的作者詹姆斯·考夫曼提出，我們需要關注“創作過程”，而非僅僅評判最終成果。“人工智能確實能生成具有創造性的產物，”他說，“但它并未經歷‘創造性過程’。在我看來，它并非‘具有創造力的主體’。”

朗科也認為，“人工智能具有創造力”的觀點忽略了人類在創作中所依賴的重要特質。他指出，神經網絡遵循算法運行，而人類會運用主觀情感、審美偏好、個人價值觀與生活經驗來做出創造性決策——這些“想象力飛躍”可能看似不合邏輯，卻能表達一個人的獨特視角與自我。

為體現這些人類獨有的特質，朗科建議修改創造力的標準定義：除“原創性”與“有效性”外，還應加入“真實性”（即“忠于自我”）與“意向性”（一種內在動機，既包括開啟創作過程的好奇心，也包括判斷何時停止的判斷力）。

英國愛丁堡藝術學院研究創造力與人工智能的哲學家卡特里娜·莫魯齊表示，部分人工智能模型能自行評估輸出內容并進行優化，但它們的目標始終由人類用戶設定。“它們目前仍無法為自己設定目標——問題在于，它們未來是否能做到這一點。”

這幅人工智能生成的作品由雷菲克·安納多爾在倫敦蛇形北畫廊展出，創作素材為珊瑚礁與熱帶雨林的圖像。圖片來源：丹·基特伍德/蓋蒂圖片社

澳大利亞墨爾本莫納什大學研究計算創造力的喬恩·麥科馬克則認為，即便是高質量的人工智能創作，也“寄生”于訓練數據中蘊含的人類創造力。“它們無法開創藝術流派，也無法自主產生‘成為藝術家’的意愿。”

這場爭論與圖靈當年糾結的問題遙相呼應：人類的一切行為——即便創造力——都能被機器完美復刻嗎？還是說，人類存在機器無法替代的獨特性？與圖靈一樣，科爾頓認為，從原則上講，人工系統沒有理由無法實現創造力。他指出，人工智能缺乏自主性與內在動機，并非其固有局限，而只是當前模型設計方式的“產物”。“我認為，我們完全可以為人工智能‘松綁’。”他希望看到人工智能主體被設計成具有更強創作自主性的系統——而非僅僅執行人類設定的任務，“就像你招聘一名成員加入創意團隊時，會期望他能提出自己的想法一樣”。

科爾頓承認，這類研究很難獲得資金支持，部分原因是人們擔心“自主導向的人工智能模型可能失控”。但他正通過一些小型項目展示人工智能工具的自主性：他與倫敦大學瑪麗女王學院的深度學習研究者路易斯·布拉德肖合作，開發了一個名為“阿里亞”（Aria）的人工智能模型，該模型能自主創作鋼琴作品（包括前文提及的《第17號鋼琴小品》）并進行自我評價[5]。阿里亞會嘗試不同創作可能性（例如調整某個音符的音高），并解釋做出特定音樂選擇的原因。科爾頓說：“對我而言，這個系統生成的部分音樂如此出色、如此優美，以至于讓人遺憾它并非出自人類之手。”他希望，人工智能最終能助力人類文化發展，為我們展現新的創作可能。

然而，朗科認為，將人工智能系統視為“有創造力”將是一場文化災難。他指出，過去數十年的研究表明，創造力不僅對社會整體至關重要，也關乎個人福祉。他表示，堅持日常創作（例如寫日記、繪畫）能改善情緒、緩解壓力、增強心理韌性，還能提升認知靈活性、記憶力、社交能力，甚至對身體健康有益。

他認為，將機器生成的內容貼上“有創造力”的標簽，會讓上述價值大打折扣，尤其對教育領域產生堪憂影響：教師（乃至整個社會）可能不再重視“靈活性”“內在驅動力”等特質，轉而只關注最終成果，卻忽視了培養人類創作所需的核心能力。“如果我們執著于這種只看重‘輸出’的表面化創造力定義，”他說，“人類的潛力將無從發揮。”

共同創造文化

另有研究者則避開了“人工智能系統本身是否具有創造力”這一問題，轉而關注人與機器的互動。英國布萊頓薩塞克斯大學計算機科學家瑪麗亞·特雷莎·利亞諾表示：“創造力是一種對話。我認為，如今的變化在于，我們擁有了一種新的‘創作媒介’。”她所研究的“協同創造力”（co-creativity）領域正快速發展，該領域聚焦于人工智能如何激發新型創造力，而非僅僅響應人類指令。

一些藝術家正利用這種媒介，挑戰人類與人工智能的關系。例如“故障藝術”（glitch art）——通過“入侵”神經網絡來改變其生成的內容。與此同時，麥科馬克的團隊開發了一種名為“模擬詩人”（mimetic poet）的設備：為促進人類與人工智能更具深度的互動，該設備設有一個面板，用戶可在上面拼接磁性字母塊，人工智能則會據此生成一首詩。

在藝術領域之外，人類與人工智能協作生成的內容，往往比兩者單獨創作的成果獲得更高評價。2023年的一項研究[6]顯示，參與者無法區分俳句是由人類還是人工智能創作，但他們認為“人機協作”生成的俳句最美。

然而，過度依賴人工智能可能會威脅創意產業的就業崗位，更廣泛地說，還會削弱人類的創作能力。2024年初發表的一項研究[7]中，美國麻省理工學院的團隊讓一組參與者在三次寫作任務中借助人工智能完成文章，隨后進行一次無人工智能輔助的寫作測試。結果顯示，與全程僅依賴自身知識的參與者相比，依賴過人工智能的參與者在寫作時“認知投入度更低”（通過腦電活動測量發現其大腦連接性更弱），寫出的文章多樣性不足，且難以引用文中內容。

這些結果印證了另一種擔憂：文化多樣性可能會因此減少。2023年的另一項創意寫作研究[8]發現，人工智能輔助生成的故事，彼此間的相似度遠高于人類獨立創作的故事。利亞諾指出，人工智能生成的內容看似驚艷，“但仔細觀察會發現，其中許多美學表達都只是‘重復舊內容’”。她擔心，隨著人類被海量人工智能內容包圍，我們可能會走向一個“極其單調的世界”。

對于人工智能工具究竟會“擴大機會”還是“加劇現有不平等”，研究者也存在分歧。科爾頓認為，人工智能能讓更多人獲得創作能力：例如，無力學習鋼琴的人也能創作音樂。“對我而言，這是人工智能系統最大的益處——創造力的民主化。”但也有研究者擔憂，人工智能工具的獲取機會遠非“民主”。考夫曼表示：“有些人能獲得遠比他人更先進的人工智能工具。”

莫魯齊認為，問題的關鍵在于，我們需要仔細思考“希望從機器那里獲得何種幫助”。但考慮到技術變革的速度與科技公司的主導地位，這種“審慎思考”可能難以產生實際影響。麥科馬克說：“我們根本沒有時間停下來問‘這東西究竟有什么用？’。將文化‘自動化’，未必能讓人們的生活更加豐富。”

本文來自孫學軍科學網博客。
鏈接地址：https://blog.sciencenet.cn/blog-41174-1509095.html