2026 年 10 月 28 日
生成式人工智能在提升生产力方面备受推崇，其优势在于能够迅速处理人类难以在短时间内完成的任务，例如总结长文或起草邮件。然而，除了效率之外，一个更核心的问题逐渐浮出水面：AI 如何影响人类的创造性活动？
作为认知科学家，我们近期开展了一项实验，旨在对比“人机协作”与“人人协作”在创造力产出上的差异。
数量多、速度快不等于有创意
在认知科学中，创造力通常与“发散性思维”挂钩。评估这一能力的常用方法是“替代用途任务”，即要求受试者列举常见物品（如砖块或书）的多种非传统用途。研究人员通过统计创意的数量及其独创性来衡量创造力水平。
大型语言模型（LLM）在“想法数量”上表现突出，其生成速度远超人类。这种高产能力也是目前超过一半在线新文章由 AI 生成的原因之一。然而，这些文本往往冗长且包含大量填充内容。一项针对 12 款主流 AI 聊天机器人的测试显示，尽管实际答案仅占文本总量的 42%，其余部分多为重复信息、不必要的背景细节或偏离主题的解释。
此外，虽然 LLM 试图提高输出的独创性，但其本质决定了它在多样性上的局限。
实验结果：人际合作更具独特性
在我们的研究中，208 名参与者被随机分配，分别与 ChatGPT 或其他人类伙伴共同完成替代用途任务。结果显示：
- 回应长度：与 ChatGPT 合作的用户生成的回应显著长于与人类合作的组别。
- 创意数量：与人类合作产生的创意数量多于与 ChatGPT 合作。
- 创意多样性：人际互动产生的想法更为独特和多样化。虽然单个 AI 建议可能颇具创意（例如将书用作隔音器），但 ChatGPT 在多次独立会话中倾向于提出相似的想法，导致整体输出趋于同质化。
其他研究也证实了生成式 AI 产出的同质性现象。有学者发现，长期使用 AI 生成图像会导致作品变得平淡通用，被称为“视觉电梯音乐”。同样，尽管 AI 能辅助个人写出更有创意的故事，但在所有用户群体中，AI 辅助写作的整体相似度高于纯人类写作。
这符合 LLM 的技术原理：基于海量文本训练预测下一个最可能的单词。无论是 ChatGPT、Claude 还是 Gemini，不同模型往往具有相似的节奏、词汇选择和语法结构。这意味着，如果每个人都依赖 AI，思想和写作风格将面临融合的风险。
长期协作中的语义距离
研究发现，人际合作的创造力效益随着时间推移而增强。通过测量概念间的“语义距离”（量化个体概念差异程度的指标），我们发现人与人互动产生的语义距离随时间增加而扩大，表明创造力在持续交流中不断提升。
相反，在聊天机器人辅助的头脑风暴中，想法趋同的趋势会累积，这可能限制人们长期探索的想法范围。鉴于许多创意项目需要长期投入——例如新产品研发平均耗时 27 个月，创新产品甚至需 54 个月——保持思维的多样性至关重要。
应对策略：先与人聊，再与 AI 聊
若希望在使用聊天机器人时保持创造力，目前的解决方案存在局限。一些研究建议使用“人格提示”，让 AI 扮演特定角色（如“来自印度的男大学教授”或“58 岁的女建筑公司创始人”）。虽然这种方法能略微增加 ChatGPT 的想法多样性，但其整体范围仍远不及人类作家。这也印证了聊天机器人在模拟真实人类个性方面的困难。
因此，对于创作任务，建议回归基础：在与 AI 交互之前，先进行人际沟通。人类拥有独特的个人经历，这是无法被旨在产生平均反应的大型语言模型所捕捉的。
无论是撰写短信还是婚礼演讲，人际互动的反应或许不够快速或全面，但往往能提供更具趣味性和深度的视角。在 AI 日益融入工作流的当下，认识到人类合作伙伴的价值，对于维持高质量、有意义的创造性工作至关重要。
