伟大的创意工厂：当机器人助力（有时也会阻碍）创意过程

想象你正在经营着一家规模宏大、混乱不堪的工厂，其目标不是制造汽车或玩具，而是发明全新的创意。这就是创新的世界——这是一个研究公司和个人如何开发新产品、新服务及新解决方案的领域。几十年来，科学家和商业专家一直知道这个过程是混乱的。它不仅仅是一个“尤里卡（我发现了！）”时刻；它是一段漫长的旅程，涉及构思狂野的概念、过滤掉糟糕的想法、弄清楚人们真正想要什么，并最终将这些想法投入到现实世界中。

现在的核心问题是：当我们引入一个超级聪明的机器人助手时，会发生什么？我们称这个助手为生成式人工智能（Generative AI）。把它想象成一个读过了互联网上几乎所有文字的数字大脑。它可以几秒钟内写出故事、画出图片并解决问题。但问题在于：仅仅因为机器人又快又聪明，并不意味着它理解人类行为背后的原因。人类拥有隐藏的心智陷阱、社交恐惧和古怪的习惯，这些让我们的创造力得以迸发，但也让我们变得固执。本文提出了一个至关重要的问题：当我们让这个超级机器人协助我们发明时，它是在修复我们的“人类问题”，还是在无意中让问题变得更糟？

---

人类瓶颈：我们为何陷入困境

本文作者提出了一种看待创新的新方式。他们不再问“AI能做什么？”，而是问“人类在哪里卡住了？”他们将这些卡点称为瓶颈（bottlenecks）。想象一条高速公路，因为单条车道被堵塞而导致交通减速。在创意的世界里，“交通流”是新概念的流动，而“阻塞物”通常与我们的思维方式或社会群体运作方式有关。

论文认为，生成式人工智能并不以同样的方式修复每一个瓶颈。有时，AI 就像一根魔杖，扫清了道路；而有时，它就像一台推土机，无意中挖了一个更深的坑，让交通拥堵变得更加严重。为了理解这一点，我们必须观察创新过程的四个主要阶段，并观察 AI 在每个步骤中是如何与人类的怪癖进行互动的。

第一阶段：创意工厂（构思阶段/Ideation）

这是魔法开始的地方。你需要提出许多新想法。

• 人类的问题： 我们会被困在自己的思维定式中。如果你一直用某种方式解决问题，你的大脑就会拒绝看到新的方式。这被称为认知固着（cognitive fixation）。这就像试图用一把用了十年的钥匙去开门，尽管锁已经换了。此外，如果你在团队中工作，你可能会因为害怕在老板面前显得愚蠢而不敢说出奇怪的想法。这就是心理安全感（psychological safety）**问题。
• AI 的效应： 如果你只是不加思考地向 AI 索要创意，它实际上可能会让情况变得更糟。因为 AI 是从其他人的作品中学习的，它倾向于给你一个“平均水平”的答案。这就像是让机器人讲笑话，它只会讲那些你已经听过一千遍的笑话。这加深了那种“被困住”的感觉。
• 解决方法： 论文建议我们需要“欺骗” AI。我们可以使用特殊的“提示词”（指令），强迫 AI 变得古怪且大胆，从而打破它自身的模式。但对于那些需要真实生活经验的、真正令人惊骇或古怪的想法（例如，一位领先用户因为没人能解决问题而不得不自己改装烤面包机），AI 是帮不上忙的。我们仍然需要真实的人类去亲历这些体验。

第二阶段：过滤器（筛选与测试阶段/Screening and Testing）

现在你拥有了一座想法的山。你需要挑选出胜出者。

• 人类的问题： 人类天生对新事物感到恐惧。我们更喜欢看起来安全且熟悉的主意。我们也会感到疲劳。当有太多想法需要审阅时，我们的大脑会变得疲惫，并倾向于选择那些读起来最容易的想法，而不一定是最好的想法。
• AI 的效应： 在这里，AI 是一把双刃剑。AI 生成的想法通常写得非常流畅，看起来非常专业。这会欺骗我们的脑！我们会想：“哇，这个看起来如此精炼，一定是个好主意！”但它可能只是一个听起来很顺耳的假象。AI 会用海量的想法淹没我们，让疲惫的大脑更加不堪重负，使我们更加依赖那些疲劳的思维捷径。
• 解决方法： 我们必须改变游戏规则。论文建议我们应该对评委进行“盲测”。不要让他们知道一个想法是由人类还是机器人写的。此外，我们应该利用 AI 来帮助分类这些想法，但必须小心，不要让 AI 的“推理过程”通过其自信的语气诱导我们去选择糟糕的想法。

第三阶段：读取客户的心思（偏好测量阶段/Preference Measurement）

你已经选出了一个想法。那么，客户到底想要什么？

• 人类的问题： 人们很难解释自己想要什么。他们往往言行不一。此外，他们无法想象从未见过的事物。如果你在 2005 年问人们想要什么样的手机，他们不会说“触摸屏”，因为他们不知道这种可能性。这就是表达能力差距（articulability gap）。
• AI 的效应： AI 非常擅长阅读人们“说了什么”，但它不擅长理解人们“做了什么”或“感受到了什么”。如果你要求 AI 模拟一个客户，它可能会表现得像一个完美的、逻辑严密的机器人。但真实的人类是混乱的！我们会犯错，会生气，还会因为已经付了钱而坚持使用糟糕的产品。AI 经常忽略这些“非理性”的人类行为。
• 解决方法： 论文建议我们不应该用 AI 模拟来取代人类调查。相反，我们应该利用 AI 来帮助我们阅读人们在网上留下的数百万条评论和留言。但对于那些人们甚至无法用言语表达的、深层的、古怪的、“隐藏”的需求，我们仍然需要人类侦探（民族志研究者）去观察现实生活中的人。

第四阶段：发布与后续（扩散与学习阶段/Diffusion and Learning）

产品发布了。它奏效了吗？

• 人类的问题： 产品一旦发布，就会迎来反馈的海啸。成千上万的评论、推文和投诉。人类无法阅读全部内容。此外，如果公司已经在产品上投入了大量资金，他们往往会忽视坏消息。他们希望相信自己的想法是伟大的，因此会扭曲数据来符合自己的叙述。
• AI 的效应： 这是 AI 发光发热的地方！它可以在几秒钟内阅读成千上万条评论，并告诉你：“嘿，大家都在抱怨电池问题。”它解决了“信息过载”的问题。然而，由于 AI 写得非常流畅，它可能会让老板更容易通过“择优挑选”那些听起来不错的片段，从而为错误的决策辩护。
• 解决方法： 我们需要使用 AI 去寻找那些淹没在噪音中的、微弱而奇特的信号，而不仅仅是寻找那些响亮的、大众化的抱怨。但我们必须小心，不要让 AI 的自信误导我们去忽视真相。

大局观：接下来会发生什么？

论文不仅观察了这些步骤，还进行了全局性的审视。它警告我们要警惕三个大陷阱：

1. “技能退化”陷阱（The "Deskilling" Trap）： 如果我们让 AI 完成所有的深度思考，公司里的员工可能会忘记如何独立思考。如果所有的创意都由 AI 生成，初级员工就永远学不会如何构思。最终，整个公司可能会充斥着一群无法判断 AI 是否出错的人。
2. “不平等”陷阱（The "Inequality" Trap）： AI 学习的数据主要来自大多数人。如果我们利用 AI 来设计产品，我们可能会无意中忽略了少数群体或具有特殊需求的人群。AI 可能让产品对“平均水平”的人来说很完美，但对其他人来说却毫无用处。
3. “倒置曲线”陷阱（The "Inverted Curve" Trap）： 在过去，构建一个原型（工作模型）需要很长时间。现在，AI 可以在几秒钟内构建出一个原型！但难点不再是构建原型，而是确保它在现实世界中可靠运行。公司可能会因为快速生成的原型而感到兴奋，却忘记了真正的挑战才刚刚开始。

最终结论

那么，结论是什么？论文建议我们不应该问“AI 是否会取代人类？”，而应该问“在哪些环节人类需要保持主导地位？”

答案是：人类必须在创新的混乱、情感和非理性部分保持主导地位。 我们需要人类去理解客户那些古怪、未竟之言的需求，需要人类去为重大决策承担责任，并确保我们不仅仅是在复制别人的做法。

生成式人工智能是一个强大的工具，就像一个超快速的计算器。它在处理数据和分类大量信息方面表现卓越。但它不能替代人类的心灵、直觉，或者理解人类为何做出那些疯狂行为的能力。如果我们利用 AI 来扫清道路，却忘了亲自驾驶汽车，我们最终可能会加速撞向墙壁。创新的未来不在于“人类对抗 AI”，而在于“人类利用 AI 来变得更具人性，而非失去人性”。