一项新研究探讨了人工智能能否成为创意任务中的自动化助手，结果喜忧参半：它似乎帮助了那些天生创造力较弱的人写出更具原创性的短篇故事——但同时也抑制了整个群体的创造力。随着AI工具越来越多地介入创意领域，这种权衡可能变得越来越普遍。
这项研究由伦敦大学学院的Anil Doshi和埃克塞特大学的Oliver Hauser分别开展，并发表于《科学进展》。尽管由于聚焦于短篇故事而存在局限，但它似乎印证了许多人的感受：AI虽有帮助，但在创造性工作中最终无法提供真正的新内容。
研究背景与实验设计
豪瑟（Hauser）表示：“我们的研究代表了人们对一个大问题的早期看法，即大型语言模型以及更广泛的生成式AI将如何影响人类活动，包括创造力。虽然这项技术在媒体和更广泛的创意领域具有巨大的潜力（毫无疑问也存在巨大的炒作），但重要的是要对AI进行严格的评估，而不是仅仅假设其会产生积极效果就广泛实施。”
实验中，数百人撰写了非常短的短篇小说（大约八句话左右），主题不限，但需适合大众读者。一组仅自行写作；第二组有机会向GPT-4咨询一个包含几句话的故事构思（他们可以根据需要自由使用多或少）；第三组最多可以获得五个这样的故事开头。
故事写完后，由作者本人和一个对生成式AI干预一无所知的第二组评审员进行评估。这些人从新颖性、实用性（即发表的可能性）和情感愉悦度三个方面对故事进行评分。
低创造力，高收益……高创造力，无收益
在撰写故事之前，参与者还完成了一项词语生成任务，该任务作为创造力的代理指标。创造力这一概念无法直接测量，但在这种情况下，至少可以近似估算一个人在写作中的创造力水平（无需评判！毕竟并非每个人都是天生的或受过训练的作家）。
豪瑟写道：“用任何指标来捕捉像创造力这样丰富而复杂的事物似乎都充满复杂性。然而，围绕人类创造力存在丰富的研究成果，并且目前关于如何在指标中最好地体现创造力概念仍存在激烈争论。”他们表示，这种方法在学术界被广泛采用，并在其他研究中得到了充分记录。
研究人员发现，创造力指标较低的人在对其故事的评估中得分最低，这在某种程度上验证了该方法的有效性。当有机会使用生成的故事构思时，他们的提升幅度最大（值得注意的是，实验中的绝大多数人都使用了这一机会）。仅靠自身写作且创造力评分较低的人所创作的故事，在写作质量、可读性和新颖性方面的评分始终低于其他人。当获得一个AI生成的故事构思后，他们在所有指标上的得分均有所提高。而当可以从五个选项中自由选择时，他们的得分更高。
看起来，对于那些在写作中面临创意挑战的人（至少在这个语境和定义下），AI助手确实提升了他们作品的质量。这很可能引起许多天生不擅长写作的人的共鸣，而语言模型的一句“嘿，试试这个”正是他们需要用来完成一段文字或开启新章节的提示。
那么，那些在创意指标上得分高的人呢？他们的写作是否达到了新的高度？遗憾的是，没有。事实上，这些参与者几乎没有受益，甚至（尽管差异非常接近且可能不具备统计显著性）评分更低。似乎那些富有创意的人在完全没有AI帮助时，才能创作出最佳作品。人们可以想象出各种可能的原因，但数据表明，在这种情况下，AI对有先天创造力作家的影响为零甚至是负面的。
趋同风险与社会困境
但这并不是研究人员所担忧的部分。除了参与者对故事的主观评价外，研究人员还进行了一些自己的分析。他们使用OpenAI的嵌入API来评估每篇故事与其所属类别中其他故事的相似程度（即纯人类创作、一种AI选项或五种AI选项）。
他们发现，接触生成式AI导致生成的故事更接近其类别的平均水平。换句话说，作为一个群体，它们更加相似且多样性降低。总差异在9%到10%之间，因此故事并非彼此完全克隆。而且谁知道呢，这种相似性可能是由于缺乏经验的作家完成了建议的故事，而有创意的作家则从零开始创作所致。
尽管如此，这一发现足以在结论中提出警示，我无法将其浓缩，因此全文引用如下：
虽然这些结果表明个体创造力有所提升，但存在丧失集体新颖性的风险。在一般均衡状态下，一个有趣的问题是，由AI增强和启发的故事能否在其引导的输出中产生足够的变化。具体而言，如果出版（和自我出版）行业更多地拥抱受生成式AI启发的故事，我们的研究结果表明，所产生的故事在整体上独特性会降低，彼此之间的相似度会增加。这种恶性循环与一个新兴的社会困境相呼应：如果个体作家发现他们的受生成式AI启发的写作被评价为更具创意，他们就有动力在未来更多地使用生成式AI，但这样做可能会进一步减少故事的整体新颖性。简而言之，我们的结果表明，尽管生成式AI对个体创造力有增强作用，但如果更广泛地采用生成式AI进行创意任务，仍需保持警惕。
这呼应了视觉艺术与网络内容中的担忧：如果人工智能催生更多人工智能，而后者训练所用的数据仅仅是其自身的产物，那么最终可能陷入一种自我强化的平庸循环。随着生成式人工智能逐渐渗透至各种媒介，此类研究便成为对“创造力无限”或“人工智能将开启影视与音乐新时代”等论调的有力制衡。
豪瑟（Hauser）和多西（Doshi）承认，他们的工作仅是开端——该领域尚属全新，每一项研究（包括他们自己的）都存在局限。“我们预计未来的研究将沿着多条路径展开。例如，生成式人工智能在真实世界环境中的应用，将与我们在受控实验中所采用的方式大不相同。”豪瑟写道，“理想情况下，我们的研究有助于引导技术本身以及我们与技术的互动方式，从而确保创意想法的持续多样性，无论是在写作、艺术还是音乐领域。”