A Systematic Review of Human-AI Co-Creativity

共同创作的魔力

想象一下，你正和一个朋友待在一个房间里，你的朋友极具绘画天赋，但他们从未拿过铅笔。你想和他们一起创造一件杰作。如果你只是把铅笔递给他们并说：“开始吧，”他们可能只会画一个火柴人。但如果你先画了一个圆圈，然后他们加上了一个笑脸，接着你加了一个帽子，然后他们又加了一个斗篷，那么你们就不再仅仅是在画画，而是在进行协同创作（Co-creation）。这就是一个被称为**人类-人工智能协同创作（Human-AI Co-Creativity）**领域的内核。这是计算机科学的一个分支，研究人员试图构建的不仅仅是像计算器那样只会听从指令的人工智能，而是更像是一个创意伙伴的人工智能。

为了理解这一点，我们需要了解一些简单的概念。首先，**创造力（Creativity）不仅仅是做出漂亮的东西；它关乎提出既新颖又有用的想法。其次，在此语境下的人工智能系统（AI system）**是一个可以学习和适应的计算机程序，而不是仅仅遵循严格的规则列表。最后，**协同创作（Co-creativity）**发生在人类与人工智能并肩工作时，双方都贡献了想法，而最终的结果是两者努力的结合。为什么这很重要？因为随着计算机变得越来越聪明，我们希望它们能帮助我们构思新的故事、歌曲和设计，而不仅仅是做那些枯燥的琐事。一个大问题是：我们如何构建一台感觉像是得力的队友，而不是霸道机器人的计算机？

伟大的 AI 艺术侦探故事

在这篇论文中，来自荷兰和英国大学的一个研究小组决定扮演侦探。他们想要弄清楚什么样的人工智能才是优秀的创意伙伴。他们并没有亲自构建一个新的机器人，而是研究了 2015 年至 2023 年间发表的 62 篇不同的研究论文。这些论文都关于人类与 AI 在绘画、写故事、作曲或设计游戏等艺术任务中共同协作的系统。

把这 62 篇论文想象成 62 个不同的“游乐场”，在这些游乐场里，人类和 AI 尝试共同创作艺术。研究人员走遍了每一个游乐场，做了笔记并寻找规律。他们问道：他们在创作什么样的艺术？人类拥有多少控制权？AI 是仅仅等待指令，还是会主动提出自己的想法？

游戏的六条规则

研究人员发现，每一个协同创作系统都可以通过六个主要的“成分”或维度来描述。想象一下你正在构建一个自定义的游戏角色；这些就是你可以调节的滑块：

1. 创作任务（The Creative Task）： 他们在制作什么？是一首歌、一幅画、一个故事还是一关游戏水平？
2. 过程阶段（The Phase of the Process）： 他们在哪个阶段工作？是在构思疯狂的想法（构思阶段 Ideation），是在尝试修复混乱的草稿（开发阶段 Development），还是在为完成的作品进行最后的润色（实现阶段 Implementation）？
3. 主动行为（Proactive Behavior）： AI 是等待被告知该做什么，还是会采取主动？一个“主动型”的 AI 可能会在没被要求的情况下说：“嘿，我觉得我们应该尝试用蓝天而不是灰天。”
4. 用户控制（User Control）： 人类有多少发言权？他们可以改变 AI 生成的一切，还是只能被迫接受 AI 生成的内容？
5. 系统体现（System Embodiment）： AI 有“身体”吗？它是一个物理机器人、屏幕上的虚拟角色，还是聊天框里的一个声音？
6. 大脑类型（The Brain Type）： 是什么样的 AI 在驱动这个系统？是一个巨大的语言模型（比如那些写文章的模型）、一个神经网络（擅长识别模式），还是其他东西？

他们的发现

在整理完所有数据后，研究人员发现了一些有趣的趋势，同时也发现了地图中的一些空白点。

“控制”的甜点位
关于控制，其中一个最大的发现是：当人类感觉到他们对 AI 的建议拥有完全控制权时——这意味着他们可以接受、拒绝或修改 AI 提出的任何内容——他们会感到更快乐、更信任，并且更有“所有者”的感觉。这就像是有一个烹饪助手，他会建议食材，但让你决定哪些东西放进锅里。如果助手在没询问的情况下就把食物直接倒在盘子里，人类会感到挫败。论文指出，让人类坐在“驾驶座”上会让这种协作更加成功。

主动性的悖论
研究人员还观察了主动性。他们发现，采取主动（例如提出新的方向或提出问题）的 AI 系统确实可以深化协作，但前提是它们必须小心。如果 AI 太过强势或者在错误的时间打断人类，会让人感到厌烦。然而，如果 AI 在沉默或人类表现出困惑的时刻才提供帮助，它就会感觉像是一个真正的队友。论文指出，AI 需要在成为“善于交谈者”之前，先成为一个“好的倾听者”。

缺失的拼图
该综述还强调了 AI 目前仍然有些笨拙的领域。

• “开始”问题： 他们研究的大多数系统都集中在创作过程的中期（产生想法）或后期（完成作品）。很少有系统能帮助最开始的阶段：问题澄清（Problem Clarification）。这就是你弄清楚自己到底想要解决什么问题的阶段。论文指出，AI 在帮助人类在开始解决问题之前定义问题方面仍然很吃力。
• “身体”问题： 大多数系统只是屏幕上的软件（非体现化的）。虽然物理机器人和虚拟化身确实存在，但它们很罕见。研究人员发现，拥有一个“身体”（比如一个和你一起画画的机器人）可以使互动更具吸引力，但并非总是必要的。
• “其他”类别： 他们注意到，虽然大型语言模型（LLMs）在写作和讲故事方面正变得流行，但在视觉艺术和音乐领域，其他类型的 AI 仍在承担重任。

给设计师的 24 条黄金法则

基于所有这些发现，团队总结出了 24 项具体的的设计考量（可以把它们看作是构建一个好的 AI 伙伴的“食谱”）。以下是其中一些最重要的部分，已翻译成通俗易懂的语言：

• 让人类领导： 始终让人类做最终决定。如果 AI 提出了建议，人类应该能够对其进行微调或说“不，谢谢”。
• 展示你的工作： AI 应该解释它为什么做出某个建议。如果它修改了故事中的一个句子，它应该说：“我修改这里是为了让它听起来更令人兴奋，”而不是默默地完成。这能建立信任。
• 做一个角色，而不是工具： 人们倾向于把 AI 当作一个人对待（这种现象被称为拟人化）。论文建议设计师可以稍微利用这一点——给 AI 一个名字或个性——但要确保它不会假装成人类。它应该感觉像是一个“社交队友”，而不是一个神奇的盒子。
• 保持一致性： 如果 AI 擅长画龙但画树很差，请提前告诉用户！不要让用户在 AI 突然表现得不一样时感到困惑。
• 多样化尝试： 有时，获得创意想法最好的方法是切换任务。如果你正在写故事，也许 AI 应该要求你先画一张人物的画像。这种“任务转换”有助于人类从新的角度看待他们的作品。

底线

论文总结道，我们在构建能与我们共同创作艺术的 AI 方面做得越来越好了，但还没达到终点。最成功的系统是那些尊重人类创造力、提供帮助但不夺取主导权、并且对自己的能力边界清晰明确的系统。

研究人员建议，未来的系统需要更多地关注创作的早期阶段（确定要做什么），并且需要更好地适应用户的语气和技能水平。他们还警告说，随着这些工具变得越来越好，我们需要谨慎对待我们共同创作的艺术品的所有权问题，并确保用于训练这些 AI 的数据是公平且经过同意的。

简而言之，协同创作的未来不是用机器人取代人类艺术家。而是构建一个懂得如何握住画笔、等待人类的信号，并且——仅仅是可能——能为天空建议一种非常酷炫颜色的机器人。