Alternative creativity: why generative AI is creative, and why it is not like us
本文提出将“替代性创造力”视为一种通过价值引导的搜索，将庞大的可能性空间压缩为有意义候选方案的共同机制，并认为尽管生成式人工智能与人类在这一过程中运作相似，但两者的底层参数分别由物理-社会经验与数据档案所塑造，从而在塑造方式上存在根本分歧，进而导致了截然不同的创造性输出以及一种全新的人机协作逻辑。
原始论文采用 CC BY 4.0 许可（https://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
机器是否具有创造力的问题长期以来一直让艺术家、工程师和哲学家产生分歧。一方面，有人指出那些获得奖项的计算机生成图像或令读者动容的故事，认为软件终于学会了人类所做的事情。另一方面，批评者称这些系统为“随机鹦鹉”，认为它们只是在重新排列现有的词汇和形状，而没有理解其中的意义，实际上是在洗白他人的作品。然而，双方都共享一个隐藏的假设：即存在着一种唯一的创造力类型，即人类的创造力，而机器要么拥有它，要么完全缺乏它。这场争论之所以陷入僵局，是因为它将创造力视为一种单一的、可衡测的特质，而非一个可能以不同方式发生的复杂过程。要理解这一新现实，我们必须超越硬件本身，去审视大脑与计算机生成想法的实际机制，以及为什么它们产生的结果虽然在某些方面相似，却源于根本不同的根源。
来自瓦伦西亚理工大学（Universitat Politècnica de València）的一个研究小组提出了一种看待此问题的新方法，认为生成式人工智能确实具有创造力，但其方式与人类创造力截然不同。他们称之为“替代性创造力”（alternative creativity）。他们的分析始于对艺术与设计本质的一个简单观察。想象一个固定大小的数字画布。在这个画布上可能绘制的图像数量是有限的，但其规模之大，甚至超过了可观测宇宙中的原子总数。在这个难以想象的巨大空间中，几乎所有可能的像素排列都只是随机的噪声。只有极小比例、几乎不可见的排列才会被视为连贯的图像，更不用说是一件有价值的作品了。因此，创作的行为并非凭空创造，而是在这个巨大的可能性空间中进行导航，以寻找那些具有价值的少数点。
研究人员认为，人类大脑和现代生成模型都使用相同的两步策略来解决这个问题。首先，它们将庞大的可能性空间压缩成一张更小、更易于管理的、具有意义的地图。人类画家思考的不是单个像素，而是形状、情绪和风格，因为他们已经学会了忽略数十亿种无用的组合。同样，人工智能模型通过将训练数据压缩成紧凑的内部表示，丢弃噪声并保留使图像看起来像图像的模式。其次，两种系统都在这张压缩后的地图中进行导航。它们利用一种受限的随机性来生成新的候选方案，然后选择那些最符合特定目标或价值的方案。从这个意义上说，机器不是一个被动的工具，而是一个主动的创造者，它重新组合所学到的知识，正如人类所做的那样。
然而，论文强调，尽管过程相同，但创造者并非双胞胎。区别在于他们获取知识的方式以及他们在创作时可以接触到的资源。人类创造者通过在物理世界中的生活来构建其内部地图。他们对艺术的理解是由一个能感受到饥饿、痛苦和快乐的身体，以及通过与他人互动（其中行为具有真实后果）所塑造的。孩子通过相对较少的数据进行学习，因为他们的大脑由进化预设，能够预判某些事物，并且每一课都与亲身经历相连。相比之下，机器的地图是从人类陈述的冻结档案中构建而成的——即从互联网上抓取的数万亿词汇和图像。机器从未感受过画笔的重量，从未失去过朋友，也从未在雨落下的特定街道上伫立。它只知道被说出和展示过的内容，而不知道活着的滋味。
这种背景差异导致了两者在产出物上的关键分歧。机器能够实现一种超人的流畅性，以人类双手无法企及的速度生成逼真的图像或连贯的文本。它能够探索人类从未造访过的创意空间，仅仅因为它看到的例子比任何单个人类都要多。然而，它也受到人类所不具备的限制。人类可以构思一个无人要求的项目，在脑海中构思多年，并随着生活的历练改变自己的价值观。然而，机器无法发起自己的目标，也无法感受到工作完成后的满足感。它从训练它的人那里借用价值感。如果目标是解决一个有明确正确答案的数学问题，机器往往能找到超越人类能力的解法。但在艺术领域，由于不存在单一的正确答案，机器必须依赖人类的品味来引导，这使得它依赖于它原本旨在协助的人类。
研究人员建议，这种动态关系改变了作者身份的性质。当人类使用机器进行创作时，人类的角色从“制造痕迹的人”转变为“规定价值的人”。人类决定什么值得制作，筛选结果，并拒绝那些感觉不对的东西。机器则提供不知疲倦的选项生成。这并不意味着人类是传统意义上的唯一作者，也不意味着机器仅仅是像画笔一样的工具。相反，这是一种伙伴关系，其中每一方都提供了对方在本质上无法提供的东西。人类提供生活背景、意图以及基于感受进行判断的能力；机器则提供探索的广度以及合成海量信息的能力。
这种伙伴关系的一个后果是，机器生成的艺术往往比人类艺术更趋同。因为机器是从人类表达的平均值中学习的，它自然会被拉向中间，向着已知且流行的事物靠拢。它难以触及创意空间中那些真正新颖、怪诞或艰深的部分。这正是人类优势依然强大的地方。植根于特定生活和特定时刻的人类创造者，能够产出在情感上与现实相连且具有真实感的作品，而机器则不能。机器可以模仿照片的风格，但它无法复制一个人在特定时间、特定地点站在相机前的这一事实。这种“指示性”（indexicality），即作品与现实世界之间的联系，仍然是人类特有的资源。
论文得出结论，问“AI是否具有创造力”是一个错误的问题。答案是肯定的，但这是一个不同层面的肯定。生成式系统不是人类创造力的低级版本，也不是它的副本。它们是另一种形式的、替代性的创造力，在同样的可能性景观中穿行，但采取了不同的路径。它们建立在数据而非生命的基础之上，并由借用的价值而非感受到的价值所引导。随着这些系统变得越来越普遍，社会的挑战将不再是确定它们是否真正具有创造力，而是理解如何与这种新型的创造者进行协作。艺术与设计的未来，很可能取决于认识到我们不再是这个空间中唯一的导航者，而最有价值的作品将来自于人类意图与机器能力的独特结合。
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。