（几乎）像我们一样：描述人工智能中的创造力
作者：Max Planck Society
创造力不再是人类独有的。某些形式的人工智能能够产生诗歌，企业家概念，甚至视觉艺术。许多人使用大型语言模型（LLM），例如Chatgpt，经过大量文本培训，用于共同创造：人工智能提供思想和建议，而人类提供指导，背景和方向。
尽管研究人员近年来研究了LLM的创造性产量，但基本的过程仍未得到探索。这就是为什么德国泰¼Bingen的Max Planck生物控制论研究所的研究人员Surabhi S.创作过程可以将人类思想找到想法的方式进行比较。纸是出版在arxiv预印服务器。
灵活而持久的创意方法
为此，Nath专注于创造力的参数心理学研究：柔性和持久方法之间的区别。以身作则可以最好地说明它。当提示列出他们能想到的所有动物时，具有持久方法的人可能以宠物开头，然后是农场动物，然后是鸟类等等，而那些喜欢更多的人灵活的方法会经常从一个类别跳到另一个类别。
纳斯说：“探索新的可能性与利用现有思想之间的广泛搜索和深入搜索之间的权衡对于任何创造性的努力都是至关重要的。”
为了测试这些不同的策略，Nath和她的合作者都要求人类参与者和各种LLMS执行标准的心理创造力任务，例如提出砖头或纸剪辑的替代用途，例如，将砖头重新应用为步骤或镇纸量。他们惊讶地发现，使用灵活和持续的策略，人和机器以非常相似的方式处理了任务。
每个大型语言模型在每个任务中都表现出对持久性或灵活方法的明显偏爱，但是在跨不同任务进行比较时，比人类不一致。此外，与持续的LLM相比，灵活的LLM与持续的LLM相比产生了更具创造性的结果，而在人类中，两种方法都导致了相似的输出。
增强人类与人工智能之间的合作
Nath建议这些结果为更有效的共同创造铺平了道路：倾向于持久的人可能会从选择灵活的LLM作为任务中的陪练伙伴中受益，反之亦然。她还设想，进一步研究人类和机器的创作过程可以提供有关如何学习创造力的见解。
对于其他类型的创意任务而言，这些发现是否成立还有待观察。纳斯警告说：“更自然的环境更加复杂和难以研究。”“下一个逻辑步骤可能是查看创造力在游戏中；它们提供了更丰富的场景，但仍然可以控制。”
更多信息：Surabhi S. Nath等人，描述了人类和大语言模型中的创造过程，arxiv（2024）。doi：10.48550/arxiv.2405.00899
期刊信息： arxiv
引用：（几乎）像我们一样：描述人工智能中的创造力（2025年，4月17日）检索2025年4月18日摘自https://techxplore.com/news/2025-04-chacterizing-creativity-creativity-Anterligence.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《（几乎）像我们一样：描述人工智能中的创造力》的评论
暂无评论