[论文解读] Human-AI Co-Creativity: Exploring Synergies Across Levels of Creative Collaboration

Jennifer Haase, Sebastian Pokutta|arXiv (Cornell University)|Nov 19, 2024

Creativity in Education and NeurosciencePsychology被引用 3

一句话总结

本文提出了一套人类-人工智能协同创意框架，将生成式AI定位为创意过程中的协作伙伴，而非单纯工具，通过数学实例展示协同的人机互动如何产生超越人类或AI单独能力的新型、高不规则性解决方案。核心贡献在于构建了一个多层级协同创意协同作用的模型，强调增强而非替代。

ABSTRACT

Human-AI co-creativity represents a transformative shift in how humans and generative AI tools collaborate in creative processes. This chapter explores the synergies between human ingenuity and AI capabilities across four levels of interaction: Digital Pen, AI Task Specialist, AI Assistant, and AI Co-Creator. While earlier digital tools primarily facilitated creativity, generative AI systems now contribute actively, demonstrating autonomous creativity in producing novel and valuable outcomes. Empirical evidence from mathematics showcases how AI can extend human creative potential, from computational problem-solving to co-creative partnerships yielding breakthroughs in longstanding challenges. By analyzing these collaborations, the chapter highlights AI's potential to enhance human creativity without replacing it, underscoring the importance of balancing AI's contributions with human oversight and contextual understanding. This integration pushes the boundaries of creative achievements, emphasizing the need for human-centered AI systems that foster collaboration while preserving the unique qualities of human creativity.

研究动机与目标

• 探究生成式AI如何从数字辅助工具转变为人类创意过程中的主动协同创意伙伴。
• 区分人机协同创意互动的层级，并识别协同成果出现的条件。
• 证明人机协作可产生仅凭人类或AI单独努力无法实现的新型、高不规则性、高影响力创意成果。
• 通过倡导以人为本的设计，防止对AI的过度依赖，强调增强而非取代人类创造力。
• 为评估人机系统中的创造力建立概念与实证基础，将其视为协同产物，而非单纯由人类或机器驱动。

提出的方法

• 本文通过分析生成式AI从海量数据中学习并利用大语言模型（LLMs）生成新颖、非冗余输出的能力，揭示其内在的创意潜能。
• 提出一个多层级的人机协同创意框架，涵盖从被动工具使用到主动协作的各个阶段，并辅以数学问题求解中的具体实例。
• 作者通过数学领域的实际案例研究——如生成新型图着色方案与组合解法——说明AI与人类如何共同创造具有高度不规则性与原创性的成果。
• 基于新颖性、复杂性以及与已知解空间的偏离程度，采用数学创意领域中的定性与定量指标，评估协同创意成果。
• 借鉴关于创造力的哲学与认知科学辩论，界定混合系统中‘真正’创造力的边界，区分人工、人类与协同创意输出。
• 该方法将AI辅助创意工作的实证观察与创造力的理论模型相结合，强调在人机互动中相互学习与能力提升的作用。

实验结果

研究问题

• RQ1 生成式AI如何实现从被动数字工具到人类创意过程中主动协同创意伙伴的转变？
• RQ2 人机协同创意互动存在哪些不同层级？它们在创意产出与协同效应方面有何差异？
• RQ3 人机协作在多大程度上能够产生超越单一智能体能力的新型、高不规则性解决方案？
• RQ4 在创意工作中过度依赖AI存在哪些风险？如何通过以人为本的系统设计加以缓解？
• RQ5 在人机系统中，创造力应如何评估——仅作为人类驱动、AI驱动，还是作为协同作用的联合产物？

主要发现

• 数学领域的人机协同创意合作产生了具有高度不规则性的新型图着色方案与组合解法，表明其产出已超越已知的人类或AI能力边界。
• 生成式AI工具展现出不仅产生新颖成果，而且具备结构复杂性与非冗余性的能力，暗示其具备真正的创意潜能。
• 人类直觉与AI处理能力之间的协同作用，产生了单靠任一参与方均难以独立实现的结果，尤其在高度不规则或非传统解空间中表现显著。
• 研究发现，与AI系统协作训练显著提升了人类的创意表现，与围棋选手通过与AlphaGo互动而提升水平的案例相呼应。
• 尽管AI具备生成类人创意内容的能力，但在某些情境下，人类标注的作品仍更受青睐，表明人类参与在创意过程中仍具持久偏好。
• 本文结论认为，最具价值的创意成果并非源于AI取代人类，而是源于一种平衡的、协同的创意合作，双方贡献独特且不重叠的能力。