Introducing multiplex semantic networks as multifaceted representations of creative associative knowledge across multilingual samples
本研究表明，通过在多元化多语言样本中构建六项认知任务的复用语义网络，能够提供比单任务方法更全面且非冗余的创造力底层联想知识表征，从而显著提升机器学习对个体创造力评分的预测能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你的大脑是一个庞大而繁忙的图书馆。在这个图书馆里，每一个想法、每一个词汇、每一段记忆都是一本书。创造力就是能够穿梭在书架间，抽取出两本看似完全无关的书——比如“叉子”和“云朵”——并意识到它们可以以一种全新的、有用的方式连接在一起的能力。
这篇论文就像是一群试图理解不同人如何组织其精神图书馆的图书管理员。他们想看看是否存在一种特定的“地图”，能够描绘出创造性思维的人与创造力较低的人在排列这些“书籍”时有何不同。
以下是他们发现的故事，分为几个简单的部分：
1. 问题所在：一张地图是不够的
通常，研究人员试图通过让你完成一项任务来了解你的大脑，比如列出尽可能多与“学校”相关的词汇。这就像是通过只观察一条街道来试图理解一整座城市。你会错过公园、桥梁和隐秘的小巷。
研究人员问道：如果我们同时观察大脑的六条不同的“街道”会怎样？
2. 实验过程：六种不同的“思维游戏”
他们收集了来自四个国家（奥地利、美国、新加坡和意大利）的 518 名学生，并让他们玩六种不同的文字游戏。把这些游戏想象成不同的透镜：
- 闪电游戏： 快速列出单词（言语流畅性）。
- 接龙游戏： 写句子，使前一个句子的最后一个词成为下一个句子的开头（句子链）。
- 自由联想游戏： 当听到一个提示词时，说出脑海中浮现的前三个词。
- 故事游戏： 写一段关于科学创造力的短文。
他们还让一个**机器人（AI）**玩了这些同样的程序。这个机器人被赋予了一个“人格”（例如，“你是一个来自意大利的 20 岁学生”）并被要求模仿人类。
3. 重大发现：“多层式”图书馆
研究人员构建了一个多层网络（Multiplex Network）。想象一个三明治。
- 第一层是来自“闪电游戏”的地图。
- 第二层是来自“接龙游戏”的地图。
- 第三层是来自“故事游戏”的地图。
在普通的研究中，他们会将这些层级压扁成一张平面的地图。但这个团队将它们保留为相互堆叠的独立层级。
他们的发现是：
- 不同的层级讲述着不同的故事。 “闪电游戏”的地图看起来与“故事游戏”的地图不同。它们并不只是在重复同样的信息；它们展示了图书馆的不同部分。
- 创造性的人拥有独特的地图。 当他们对比“高创造力”组和“低创造力”组时，这些层级并不匹配。创造性人才的精神图书馆有着不同的形状和结构。
- 机器人很乏味。 AI 机器人的地图无论是在模仿“有创造力”还是“缺乏创造力”时，看起来几乎都是一模一样的。机器人的图书馆过于统一。它无法模仿人类大脑那种混乱、独特且截然不同的结构。
4. 预测：用计算器猜测创造力
团队随后尝试使用计算机程序（机器学习），仅通过观察一个人的“图书馆地图”来猜测其创造力水平。他们向计算机输入了 12 个线索，例如：
- 图书馆有多大？（使用的词汇量）。
- 书籍之间的距离有多远？（想法之间的平均距离）。
- 书籍的聚集程度如何？（想法是否紧密分组？）。
- “能量”是如何流动的？（他们模拟了一种“扩散激活”，就像火花从一本书跳到另一本书，以此观察它传播的速度和距离）。
结果：
当计算机观察组合层级（三明治）而不是仅仅观察单一层级时，它对创造力的预测变得更加准确。
- 最强的线索： 图书馆的大小以及想法是如何连接的（结构性特征）。
- 惊喜的线索： “扩散激活”（火花如何跳跃）增加了额外的预测能力。
- 情感线索： 有趣的是，那些写的文章中“愤怒”较少而“惊讶”较多的人，往往被评定为更有创造力。
5. “特异性”的秘密
关于“古怪”答案的一个发现非常有趣。
- 标准测试通常会丢弃那些只有一个人给出的答案，称之为“噪声”或错误。
- 但这项研究发现，一个人给出的答案越“古怪”或越独特（即没有其他人想到的答案），他们的创造力评分就越高。
- 这就像是在说，最优秀的图书管理员是那些能从尘封已久的、无人记得的书中抽取出书籍的人。
总结
这篇论文认为，要理解创造力，我们不应只看一个人思维的一个快照。我们需要看一部关于他们如何连接词汇、讲述故事以及在想法之间跳转的多层立体电影。
- 创造性的思维就像是复杂的多层图书馆，拥有独特的路径和令人惊喜的连接。
- 机器人（至少是这里测试的机器人）构建的图书馆看起来过于相似且可预测，无论它们被要求扮演什么角色。
- 未来： 通过使用这些多层地图，我们可以更清晰地描绘人类创造力是如何运作的，捕捉到我们大脑连接世界时那种丰富、混乱且独特的方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。