每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/
一项新研究探讨了AI能否在创意任务中成为自动化助手，结果喜忧参半：它似乎帮助了不太具备自然创造力的人写出更有创意的短篇故事，但却抑制了整体组的创造力。这种权衡在AI工具渗透到创意工作中时可能会越来越常见。
这项研究由伦敦大学学院的Anil Doshi和埃克塞特大学的Oliver Hauser进行，并发表在《科学进展》期刊上。尽管研究因其专注于短篇故事而具有局限性，但似乎验证了许多人所表达的感觉：AI可以提供帮助，但在创意工作中最终没有带来真正的新颖之处。
Hauser在接受TechCrunch的电子邮件采访时表示："我们的研究代表了一个关于大型语言模型和生成型AI如何影响人类活动，包括创造力的重大问题的早期观点。尽管这种技术在媒体和创意领域有巨大潜力（毫无疑问也有巨大炒作），但重要的是要对AI进行严格评估，而不是在假设它会有积极结果的前提下广泛实施。"
实验中，让数百人写出非常简短的故事（大约八句话），题材不限，但适合广泛读者。一组仅写作；第二组有机会咨询GPT-4，获取一个包含几句话的故事创意（他们可以随意使用）；第三组可以获得多达五个这样的故事创意。
写完故事后，故事由作者本人和一组对生成AI一无所知的评审团进行评估，评分标准为新颖性、实用性（即出版的可能性）和情感享受。
低创造力，高收益...高创造力，无收益
在写作之前，参与者还完成了一个词汇生成任务，这被用作创造力的替代指标。尽管创造力无法直接测量，但在这种情况下，可以通过写作的创造力来近似评估。
Hauser写道："用任何措施捕捉如此丰富而复杂的创造力似乎都充满了复杂性。然而，有大量关于人类创造力的研究，并且围绕如何最好地捕捉创造力的概念展开了激烈的辩论。"
他们表示，他们的方法在学术界广泛使用，并在其他研究中有充分的记录。
研究发现，创造力指标较低的人在其故事的评估中得分最低，这在一定程度上验证了该方法。当这些人有机会使用生成的故事创意时，他们的得分显著提高。创意数量更多时，得分更高。
对于在写作方面有困难的人来说，AI助手确实提高了他们作品的质量。这可能引起许多写作不自然的人的共鸣，语言模型提供的"尝试这个"的提示，正是他们需要的灵感。
但对于那些创造力得分较高的人来说，情况并不乐观。这些参与者的写作并没有达到新的高度，甚至（尽管差距非常小且可能不显著）得分有所下降。这表明那些具有创造力的人在没有AI帮助的情况下，能够创作出最佳作品。
可以想象有许多原因导致这种情况，但数据表明，在这种情况下，AI对具有天生创造力的作家影响为零甚至负面。
趋同现象
研究人员还进行了其他分析。他们使用OpenAI的嵌入API评估每个故事与其类别中其他故事的相似程度（即，仅人类、一种AI选项或五种AI选项）。
他们发现，接触生成AI导致产生的故事更接近其类别的平均水平。换句话说，它们作为一个整体变得更相似，差异减少了约9%到10%。这种相似性可能是由于不熟练的作家完成了建议的故事，而不是更具创意的作家从头创作一个故事。
尽管如此，这一发现足以在结论中提出警示：
尽管这些结果表明个体创造力有所提高，但也存在集体新颖性丧失的风险。总体而言，一个有趣的问题是，由AI增强和激发的故事是否能够在输出中创造足够的变化。具体来说，如果出版（和自出版）行业更多地采用生成型AI启发的故事，我们的研究结果表明，创作的故事将变得更少独特且更相似。这个向下的螺旋与一个新兴的社会困境相似：如果个别作家发现他们的生成型AI启发的写作被评价为更有创意，他们就有动力在未来更多地使用生成型AI，但这样做会进一步减少故事的集体新颖性。简而言之，我们的研究结果表明，尽管生成型AI对个体创造力有增强效果，但如果生成型AI更广泛地用于创意任务，可能需要谨慎对待。
这种担忧在视觉艺术和网络内容领域也存在。如果AI生成更多AI，而它的训练数据仅是更多的自己，可能会陷入自我循环的平庸状态。随着生成型AI逐渐渗透到每一个媒介，像这样的研究对无限创造力或AI生成的电影和歌曲的新纪元的说法起到了制衡作用。
Hauser和Doshi承认他们的工作只是一个开始------这个领域非常新，每项研究，包括他们自己的研究，都有局限性。
Hauser写道："我们预计未来研究将涉及许多路径。例如，在现实环境中实施生成型AI将与我们的控制环境大不相同。理想情况下，我们的研究有助于指导技术及其互动方式，以确保创意想法的多样性得以持续，无论是在写作、艺术还是音乐中。"