[編者按] 當(dāng)前，生成式人工智能的發(fā)展日新月異，這股迅速崛起的力量正在重構(gòu)著我們既有的生產(chǎn)和生活。為應(yīng)對(duì)這一前所未有的顛覆性科技的加速創(chuàng)新，一方面，亟待探討整個(gè)社會(huì)如何在科學(xué)素質(zhì)、數(shù)字素養(yǎng)、創(chuàng)新和創(chuàng)造能力等基礎(chǔ)層面重塑理念和探索革新；另一方面，應(yīng)從積極構(gòu)建科技文明和創(chuàng)造科技未來(lái)的維度，深入研究如何以跨學(xué)科和科技人文的廣闊視角推動(dòng)人工智能的科普與傳播，拓展科普與科學(xué)傳播的理論新視野，提出前瞻性的應(yīng)對(duì)之策，以此促使人工智能向前、向上、向善發(fā)展——為人類社會(huì)和每個(gè)人帶來(lái)更加美好的科技未來(lái)。為此，《科普研究》編輯部聯(lián)合中國(guó)社會(huì)科學(xué)院哲學(xué)研究所共同策劃組織本期“生成式人工智能與科普”專題。5位專家就上述議題展開(kāi)深入研究，研究成果對(duì)于促進(jìn)公眾理解生成式人工智能的時(shí)代機(jī)遇與風(fēng)險(xiǎn)、以恰當(dāng)和主動(dòng)的姿態(tài)擁抱科技文明與科技未來(lái)具有重要的科普理論價(jià)值和政策應(yīng)對(duì)意義。

[摘 " 要] 生成式人工智能展現(xiàn)出和人類智能平行的智能與創(chuàng)造力，改變了人類中心視角下的智能和創(chuàng)造力的內(nèi)涵。暴力計(jì)算超越了一般智能，無(wú)意義組合突破了一般創(chuàng)造力。人工智能不再是附屬于人類的輔助工具，而是發(fā)展為具有相對(duì)獨(dú)立性的創(chuàng)造主體。在人機(jī)智能生態(tài)和人機(jī)認(rèn)知組合的新背景下，人類需推動(dòng)形成科技人文素養(yǎng)與人的創(chuàng)造力協(xié)同發(fā)展的互促共生雙螺旋。

[關(guān)鍵詞]創(chuàng)造力 " 生成式人工智能 " 科學(xué)素質(zhì) " 科技人文素養(yǎng)

[中圖分類號(hào)] "N4；TP18 [文獻(xiàn)標(biāo)識(shí)碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2024.02.002

近來(lái)，以大模型為代表的生成式人工智能在類似人類語(yǔ)言等內(nèi)容生成能力上表現(xiàn)不俗，GPT-4、Sora等前沿版本不僅在文字創(chuàng)作上表現(xiàn)出超越人類的創(chuàng)造力，更在視頻創(chuàng)作領(lǐng)域大放異彩。最新的研究顯示，在衡量發(fā)散性思維的標(biāo)準(zhǔn)任務(wù)中，前沿大模型的得分已躋身人類反應(yīng)前1%的行列。面對(duì)生成式人工智能取得的這些令人嘆為觀止、壓倒人類能力的新進(jìn)展，我們不得不重新審視對(duì)創(chuàng)造力的既有認(rèn)知。

曾幾何時(shí)，創(chuàng)造力被視為人類獨(dú)有的特質(zhì)，人們堅(jiān)信其不會(huì)受到新技術(shù)的顛覆。關(guān)于人工智能是否具有創(chuàng)造力，包括科學(xué)家在內(nèi)的許多人都對(duì)此高度質(zhì)疑。然而，當(dāng)前生成式人工智能的迅猛發(fā)展，使得創(chuàng)造力作為人類獨(dú)有特質(zhì)的地位受到了前所未有的挑戰(zhàn)，對(duì)于人工智是否具有創(chuàng)造力的哲學(xué)式質(zhì)疑也不再可能像以前那么強(qiáng)烈。對(duì)于整個(gè)社會(huì)和我們每個(gè)人而言，面對(duì)人工智能向曾經(jīng)被譽(yù)為“金飯碗”的創(chuàng)造性工作發(fā)起的挑戰(zhàn)，如何重新認(rèn)識(shí)并培養(yǎng)與生成式人工智能時(shí)代相適應(yīng)的終身創(chuàng)造力，無(wú)疑成為一個(gè)亟待探究和應(yīng)對(duì)的時(shí)代難題。

1以生成式人工智能之鏡打開(kāi)創(chuàng)造力的黑箱

要回應(yīng)如何在生成式人工智能時(shí)代構(gòu)建終身創(chuàng)造力這一難題，首先要理解生成式人工智能對(duì)人類的認(rèn)知性和創(chuàng)造性工作帶來(lái)的根本挑戰(zhàn)。自第一次工業(yè)革命以來(lái)，機(jī)器和自動(dòng)化對(duì)人的技能和工作的影響有目共睹。技術(shù)哲學(xué)家貝爾納·斯蒂格勒（Bernard Stiegler）甚至提出，人的身體技能、感性和知性等能力會(huì)隨著科技的發(fā)展逐漸被取代，出現(xiàn)所謂“無(wú)產(chǎn)化”或知識(shí)喪失的趨勢(shì)。在他看來(lái)，本雅明（Walter Bendix Schoenflies Benjamin）意義上具有“機(jī)械可復(fù)制性”的現(xiàn)代文化工業(yè)技術(shù)使得感性走向機(jī)械化，藝術(shù)愛(ài)好者隨之喪失了其原本擁有的對(duì)藝術(shù)創(chuàng)作的內(nèi)心感知等知識(shí)和感性，成為文化消費(fèi)者乃至“有教養(yǎng)的庸眾” [1]。而在當(dāng)下的控制社會(huì)或自動(dòng)社會(huì)中，控制實(shí)乃對(duì)洞察力或康德意義上知性的機(jī)械性清算，它們已經(jīng)被自動(dòng)化，淪為依附于算法的權(quán)力[2]。

技術(shù)哲學(xué)和技術(shù)批判理論一直對(duì)自動(dòng)化技術(shù)可能導(dǎo)致的所有人的去技能化不無(wú)擔(dān)憂，但根據(jù)20世紀(jì)以來(lái)流行的經(jīng)濟(jì)學(xué)理論，技術(shù)變革似乎是有利于技能掌握者的，即盡管技術(shù)進(jìn)步可能伴隨著技術(shù)性失業(yè)，但認(rèn)知型和創(chuàng)造型工人所面臨的自動(dòng)化對(duì)勞動(dòng)的干擾相對(duì)較小。其依據(jù)之一是，根據(jù)波蘭尼悖論，人們的認(rèn)知和智能中存在許多默會(huì)知識(shí)，特別是人的創(chuàng)造力，很難被編碼為具體的規(guī)則。因此，在生成式人工智能之前，有關(guān)人工智能時(shí)代的學(xué)習(xí)與教育策略大多強(qiáng)調(diào)，要注重對(duì)藝術(shù)、寫作、科學(xué)研究、談判等難以編碼的創(chuàng)造性知識(shí)和素質(zhì)的培養(yǎng)。然而，方興未艾的生成式人工智能對(duì)平面設(shè)計(jì)、作家乃至導(dǎo)演等創(chuàng)造性職業(yè)的顯見(jiàn)沖擊表明，創(chuàng)造力不再是一種可以令少數(shù)技術(shù)精英在自動(dòng)化和智能化未來(lái)中立于不敗之地的獨(dú)特而神秘的能力，這迫使個(gè)體必須更新其對(duì)人工智能和人工智能時(shí)代創(chuàng)造力的理解。

不論將人工智能理解為對(duì)人類智能的模擬，還是認(rèn)為人們通過(guò)人工智能所構(gòu)建的是一種更一般的智能模式，生成式人工智能在創(chuàng)造性和創(chuàng)造力方面的突破，都可以被視為揭示當(dāng)下創(chuàng)造性和創(chuàng)造力的實(shí)質(zhì)內(nèi)涵及其變化趨勢(shì)的鏡子。以生成式人工智能帶來(lái)的版權(quán)糾紛為例，在對(duì)海量作品進(jìn)行訓(xùn)練的基礎(chǔ)上，生成式大模型可以進(jìn)行組合型的創(chuàng)作，因其所參考的數(shù)據(jù)之多，以致根本無(wú)法追溯其所參考的具體作品。這一新的技術(shù)現(xiàn)象使人們意識(shí)到，人類的原創(chuàng)性往往建立在與之類似的耳濡目染之上，并不是憑空產(chǎn)生的。受此啟發(fā)，在當(dāng)前技術(shù)背景下，我們可以借助生成式人工智能之鏡打開(kāi)一般創(chuàng)造力的黑箱。

創(chuàng)造力無(wú)疑是人類思維的奇跡。在計(jì)算機(jī)出現(xiàn)以前，哲學(xué)、心理學(xué)等學(xué)術(shù)研究一般將創(chuàng)造力作為人類獨(dú)有的特征加以研究，最后都會(huì)在觸及主體、知覺(jué)、情感、意識(shí)等哲學(xué)范疇時(shí)止步不前，使得創(chuàng)造力成為一種難以打開(kāi)的黑箱。而在計(jì)算機(jī)出現(xiàn)后不久，創(chuàng)造力就成為人工智能先驅(qū)所設(shè)定的重要研究目標(biāo)。事實(shí)上，1956年的達(dá)特茅斯會(huì)議在命名人工智能這一新學(xué)科時(shí)，就明確提出以“創(chuàng)造力” “發(fā)明”和“發(fā)現(xiàn)”作為其關(guān)鍵目標(biāo) [3]。1995年，赫伯特·西蒙（Herb Simon）專門撰寫了一篇關(guān)于人工智能創(chuàng)造力的論文，強(qiáng)調(diào)人工智能是一門科學(xué)挑戰(zhàn)，而不僅僅是工程 [4]。

多年來(lái)，深度學(xué)習(xí)帶來(lái)了識(shí)別式和生成式人工智能熱潮，在此之前，人工智能領(lǐng)域就已經(jīng)開(kāi)啟了對(duì)創(chuàng)造力的科學(xué)理解和實(shí)踐探索。雖然在當(dāng)時(shí)，計(jì)算機(jī)是否真的具有創(chuàng)造力在很大程度上不被視為一個(gè)科學(xué)問(wèn)題，相反被看成一個(gè)哲學(xué)問(wèn)題，但相關(guān)領(lǐng)域已經(jīng)對(duì)創(chuàng)造力進(jìn)行了建模和研究。這既為人工創(chuàng)造力的構(gòu)建提供了框架，也有助于理解人類的創(chuàng)造力是如何實(shí)現(xiàn)的。在《創(chuàng)造力的計(jì)算機(jī)建?！罚–omputer Models of Creativity）一文中，人工智能哲學(xué)家瑪格麗特·博登（Margaret A.Boden）強(qiáng)調(diào)，創(chuàng)造力并不神奇，它是正常人類智力的一個(gè)方面，可分為組合型、探索型、變革型三種形式[5]。

從概念上講，組合型創(chuàng)造力是一種通過(guò)聯(lián)想在熟悉想法的基礎(chǔ)上產(chǎn)生新穎想法和事物的能力，或者說(shuō)將常見(jiàn)的想法以不常見(jiàn)的方式重新組合的能力，在統(tǒng)計(jì)學(xué)層面帶來(lái)意外發(fā)現(xiàn)或發(fā)明的能力。從類比、詩(shī)意意象到拼貼畫，以及交響樂(lè)中對(duì)布谷鳥(niǎo)歌聲的模仿，都屬于組合型創(chuàng)造力的范疇。探索型創(chuàng)造力指在某種文化上可接受的思維方式或概念空間中創(chuàng)造新穎的想法和事物的能力，其成果可能是某種化學(xué)分子理論、繪畫或音樂(lè)風(fēng)格。它們由一組通常是隱含的生成規(guī)則定義或約束，往往在某種范式或風(fēng)格下展開(kāi)。變革型創(chuàng)造力則是在空間或風(fēng)格的改變產(chǎn)生之前根本不可能產(chǎn)生的新穎想法或事物，如化學(xué)家凱庫(kù)勒（Friedrich August KeKule）在打破了碳原子的環(huán)狀聯(lián)結(jié)這一全新的結(jié)構(gòu)之后，才構(gòu)想出苯的有機(jī)分子結(jié)構(gòu)。值得注意的是，博登并沒(méi)有將三者視為等級(jí)性的存在，她認(rèn)為組合型創(chuàng)造力不容小覷，探索型創(chuàng)造力值得尊重，且探索型創(chuàng)造力和變革型創(chuàng)造力之間沒(méi)有明確的界限。

博登區(qū)分和界定創(chuàng)造力類型的目的不是進(jìn)行概念研究，而是為了探討人工智能的創(chuàng)造力建模問(wèn)題。根據(jù)當(dāng)時(shí)人工智能的發(fā)展態(tài)勢(shì)，她從科學(xué)探索的角度提出了一些在今天看來(lái)頗具啟發(fā)性的觀點(diǎn)：（1）與大多數(shù)人的假設(shè)相反，人工智能最難建模的創(chuàng)造力是組合型創(chuàng)造力，因?yàn)橛?jì)算機(jī)必須對(duì)其通過(guò)聯(lián)想組合生成的內(nèi)容加以修剪才能使之變得有價(jià)值，而與人類思維相比，計(jì)算機(jī)缺乏豐富的世界知識(shí)（包括文化知識(shí)）；（2）任何試圖模擬探索型創(chuàng)造力進(jìn)行科學(xué)發(fā)現(xiàn)的努力不僅需要先進(jìn)的人工智能技能，還需要相關(guān)領(lǐng)域的專業(yè)知識(shí)和深刻見(jiàn)解；（3）雖然有人批評(píng)計(jì)算機(jī)只會(huì)按照程序的指示行事，但程序中有可能包含遺傳算法等改變自身的規(guī)則，因此人工智能能夠?qū)崿F(xiàn)變革型創(chuàng)造力。

顯然，生成式人工智能的發(fā)展在這些方面有了新的突破。將當(dāng)時(shí)的這些討論與生成式人工智能今天的發(fā)展加以對(duì)照可以看到：（1）大模型在一定程度上解決了世界知識(shí)的問(wèn)題，因此在內(nèi)容生成上有了巨大突破，而文化知識(shí)的重要性在人機(jī)對(duì)齊等新的需求中得到了進(jìn)一步凸顯；（2）大模型在專業(yè)知識(shí)及見(jiàn)解方面有了新的突破，“人工智能科學(xué)家”正在發(fā)展為科學(xué)家的探索伙伴；（3）能否產(chǎn)生制定規(guī)則和改變規(guī)則等元認(rèn)知能力，成為生成式人工智能走向通用人工智能的智能爆炸的臨界點(diǎn)，但這也使得其潛在的風(fēng)險(xiǎn)提升到前所未有的高度。這三方面的發(fā)展表明，人工智能帶來(lái)的變革是在人機(jī)智能生態(tài)中發(fā)生的，要從人機(jī)認(rèn)知組合的視角理解人工智能對(duì)包括人類創(chuàng)造力在內(nèi)的一般創(chuàng)造力的沖擊。

在經(jīng)濟(jì)社會(huì)生活中，有關(guān)人類將大模型用于工作的最新研究表明，一方面，所有人的工作效率和創(chuàng)造力都得到了提升，特別是那些技能較低者從中獲益最多；另一方面，生成式人工智能已顯示出強(qiáng)大的創(chuàng)造潛力，但也顯示出一些弱點(diǎn)（如思維不夠靈活、幻覺(jué)等），而這些弱點(diǎn)可以通過(guò)人類的協(xié)助來(lái)克服。為此，有必要深入探討生成式人工智能對(duì)智能和創(chuàng)造力造成的具體影響。

2理解生成式人工智能對(duì)智能和創(chuàng)造力的沖擊

鑒于既有的關(guān)于生成式人工智能是否真的具有智能和創(chuàng)造力的討論，大多陷入以人的智能作為智能評(píng)判標(biāo)準(zhǔn)的窠臼[6-9]，為了更好地理解當(dāng)下生成式人工智能的發(fā)展對(duì)智能和創(chuàng)造力的沖擊，應(yīng)從“有或無(wú)”的爭(zhēng)論走向“是什么”的探討。為此，可從實(shí)體論和關(guān)系論兩個(gè)維度去思考。其一，從實(shí)體論的角度看，可在功能上將生成式人工智能視為與人類一樣的擁有智能的智能體。鑒于二者的內(nèi)在機(jī)制不同，可將生成式人工智能看作與人類智能平行的智能，有著與人類創(chuàng)造力平行的創(chuàng)造力，其發(fā)展改寫了一般智能和一般創(chuàng)造力的內(nèi)涵；其二，從關(guān)系論的角度看，可從人機(jī)交互和伴生的維度去理解人工智能創(chuàng)造力與人類創(chuàng)造力的半人馬關(guān)系，由此，認(rèn)知組合和智能生態(tài)共構(gòu)中的動(dòng)態(tài)人機(jī)互補(bǔ)與協(xié)同作用成為考量的焦點(diǎn)。

2.1 與人類智能平行的生成式人工智能

若是把人工智能僅僅看作計(jì)算機(jī)的復(fù)雜模式，看作人類大腦的延展性增強(qiáng)工具，那就忽視了其強(qiáng)大的創(chuàng)造性能[10-11]。生成式人工智能系統(tǒng)雖然和一般計(jì)算機(jī)一樣，通過(guò)類似的物理硬件以軟件和算法的模式進(jìn)行計(jì)算，但因其龐大的數(shù)據(jù)量以及其不為人知的計(jì)算過(guò)程，它所輸出的結(jié)果更像是人類智能在進(jìn)行創(chuàng)造性工作時(shí)產(chǎn)出的不可預(yù)測(cè)的結(jié)果。這意味著生成式人工智能不再是一般意義上的計(jì)算機(jī)，不再是機(jī)械化地執(zhí)行人類命令并產(chǎn)生預(yù)期結(jié)果的工具，它能夠產(chǎn)出人類難以預(yù)測(cè)的新內(nèi)容。

同時(shí)，我們也不能把生成式人工智能簡(jiǎn)單地看作類人智能或?qū)θ说闹悄艿哪７?，其龐大的算力、?shù)據(jù)量和不同尋常的加工方式以及其所生產(chǎn)內(nèi)容的內(nèi)在關(guān)聯(lián)方式，都與人類的思維方式大不相同。一種更好的隱喻是，將生成式人工智能看作與人類智能平行的一種智能，它們的運(yùn)作方式之間沒(méi)有相似性，但吸收數(shù)據(jù)、語(yǔ)料和產(chǎn)出信息內(nèi)容的功能卻是類似的。

在內(nèi)容生成活動(dòng)中，基于大型語(yǔ)言模型的生成式人工智能和人類智能都是基于語(yǔ)言單元來(lái)進(jìn)行創(chuàng)作的。它們的不同之處在于，所處理的語(yǔ)言單元及其數(shù)據(jù)量，以及處理這些數(shù)據(jù)的方式路徑。一方面，在語(yǔ)言、圖像和音樂(lè)創(chuàng)作中，人類所處理的語(yǔ)言單元即自然語(yǔ)詞具有一定的結(jié)構(gòu)關(guān)系（如喬姆斯基所揭示的生成語(yǔ)法結(jié)構(gòu)），往往需要借助概念和語(yǔ)義；人們所創(chuàng)造的內(nèi)容不僅需要建立在對(duì)世界知識(shí)和理論的理解之上，而且需要對(duì)社會(huì)語(yǔ)境和文化背景高度敏感。另一方面，人類智能是一種具身性智能，人的創(chuàng)造性活動(dòng)依賴于身體和周遭環(huán)境，并受身體和環(huán)境的限制。人通過(guò)身體五感獲取外部信息，這些信息在進(jìn)入認(rèn)知過(guò)程時(shí)就已經(jīng)被賦予了獨(dú)特的意義。因?yàn)榫呱硇缘牟町?，不同的人?duì)同樣的外部信息有著不同的理解，并通過(guò)這種不同的理解進(jìn)一步構(gòu)造出不同的內(nèi)容。所以我們說(shuō)，人類智能是在語(yǔ)法空間、概念空間、意義空間、理由空間中培育出來(lái)的，人類智能的運(yùn)用和創(chuàng)造離不開(kāi)對(duì)相關(guān)內(nèi)容的意義性理解。

生成式人工智能則不同，它所處理的語(yǔ)言單元不限于自然語(yǔ)詞，其所生成的語(yǔ)言是基于其對(duì)語(yǔ)言單元之間線性距離的計(jì)算，而不依賴于自然語(yǔ)言的生成結(jié)構(gòu)。另外，它沒(méi)有身體，也不受環(huán)境限制。如果人類允許，它能夠獲得世界上現(xiàn)有的所有數(shù)據(jù)（近乎“全數(shù)據(jù)”），并且無(wú)差別地對(duì)待這些數(shù)據(jù)。生成式人工智能不需要對(duì)世界的意義性理解，不需要過(guò)往經(jīng)歷和記憶來(lái)對(duì)特定的詞匯、圖案、音樂(lè)、視頻賦予特定意義。它的內(nèi)容生成基于概率的，它所生成的內(nèi)容是能夠最大概率實(shí)現(xiàn)目標(biāo)的內(nèi)容。可以說(shuō)，生成式人工智能存在于概率空間中，如果要對(duì)其所生成的內(nèi)容進(jìn)行解釋（當(dāng)然，它不需要解釋，人才需要解釋），它的唯一解釋方式是如此算出的結(jié)論達(dá)成預(yù)期目標(biāo)的概率最大。

以棋類比賽為例，人類智能與人工智能的區(qū)別顯而易見(jiàn)。人類智能因其具身性依賴和意義性依賴，只能在有限的內(nèi)容資源和構(gòu)思能力的基礎(chǔ)上作出裁決。例如，在象棋比賽中，人“跳馬”是為了“活通馬路”，以方便之后走棋；在圍棋比賽中，人“放棄邊角”是為了“贏得外勢(shì)”，以便之后占據(jù)更大的地盤。而以人工智能的思維方式來(lái)看，“跳馬”是因?yàn)檫@樣能夠最大概率贏棋，“放棄邊角”是因?yàn)檫@樣能夠最大概率贏棋，人類所解釋的“活通馬路”和“贏得外勢(shì)”都不過(guò)是增加了贏棋概率。人無(wú)法算計(jì)到幾十步、幾百步以后，所以只能以經(jīng)驗(yàn)或直覺(jué)來(lái)指導(dǎo)自己走棋；人工智能算力足夠大，甚至能夠計(jì)算到最后一步棋，所以它單純依據(jù)獲勝概率來(lái)走棋。雖然人類智能和人工智能最終得出的結(jié)果可能一致，但思維加工過(guò)程完全不同。

2.2 生成式人工智能對(duì)創(chuàng)造力的重新定義

人工智能這種平行于人類智能的思維模式，同時(shí)體現(xiàn)了一種平行于人類創(chuàng)造力的創(chuàng)造力。“創(chuàng)造”從其最根本的意義上來(lái)看是“無(wú)中生有”。原本我們認(rèn)為，只有人有創(chuàng)造力，只有人能夠造出自然界中原本沒(méi)有的東西。但生成式人工智能的出現(xiàn)無(wú)疑改變了這一信念，它用完全不同于人類思維的方式生產(chǎn)出了全新的內(nèi)容。這讓我們看到，只要數(shù)據(jù)和算力足夠大，即使沒(méi)有人類的靈感、想象力、直觀和制造意義的能力，基于既有數(shù)據(jù)的概率關(guān)聯(lián)也能產(chǎn)生全新的東西。創(chuàng)造力不必依賴于各種各樣的人類思維能力，不必依賴于人格特征，不必依賴于有益于創(chuàng)造的環(huán)境。當(dāng)然，這并不是說(shuō)人類創(chuàng)造力就不值一提了，人類仍然是創(chuàng)造的主體，因?yàn)榫湍壳皝?lái)看，在很長(zhǎng)一段時(shí)間內(nèi)，生成式人工智能仍需要人來(lái)指引它創(chuàng)造，它還不能做到完全自主。

生成式人工智能帶來(lái)的其實(shí)是對(duì)既有創(chuàng)造力的拓展或重新定義。創(chuàng)造力是一種從無(wú)中生出有的能力，但“無(wú)中生有”不是我們?nèi)粘＠斫獾摹斑^(guò)去沒(méi)有的以后有了”，不是時(shí)間意義上的“無(wú)中生有”，而是潛在意義上的，黑格爾意義上的“無(wú)中生有”。也就是說(shuō)，所生成的東西早已存在于其生產(chǎn)者中了，只不過(guò)在此之前是潛在地存在著，是虛在而不是實(shí)在。生成式人工智能本身在進(jìn)行創(chuàng)造之前就已經(jīng)蘊(yùn)含著其所要生成的內(nèi)容，因?yàn)樗馁Y料庫(kù)已經(jīng)接近“全數(shù)據(jù)”。人類創(chuàng)造力中也包含著后一意義上的“無(wú)中生有”，但因?yàn)槿耸窃诩橙∽銐虻闹R(shí)和材料后才生成新東西，只有在創(chuàng)造的前一瞬間，“有”才算潛在地存在于“無(wú)”中。創(chuàng)造出的東西，其出現(xiàn)的概率越低，其中蘊(yùn)含的創(chuàng)造性越高；其出現(xiàn)的概率越高，其中蘊(yùn)含的創(chuàng)造性就越低。就生成式人工智能本身來(lái)說(shuō)，它所生成的內(nèi)容始終是對(duì)它來(lái)說(shuō)實(shí)現(xiàn)概率更高的東西，所以，若是從它的視角來(lái)看（如果可以的話），它所生成的東西創(chuàng)造性并不高。但因?yàn)槿斯ぶ悄軒缀跏窃凇叭珨?shù)據(jù)”基礎(chǔ)上工作，其所擁有的知識(shí)量遠(yuǎn)大于人類，故而其通過(guò)概率關(guān)聯(lián)生成的內(nèi)容對(duì)于只有地方性/局域性知識(shí)的人類來(lái)說(shuō)，仍可以是低可能性而高創(chuàng)造性的。

可以說(shuō)，生成式人工智能的創(chuàng)造行為是把已經(jīng)蘊(yùn)含在其知識(shí)庫(kù)中的東西給引發(fā)出來(lái)。它的創(chuàng)造力和數(shù)據(jù)量是同一級(jí)別的，它不需要像人類一樣從外界汲取靈感或知識(shí)來(lái)進(jìn)行創(chuàng)造，它以和人類智能不同的方式平行地進(jìn)行創(chuàng)造。在當(dāng)代哲學(xué)家德勒茲（Gilles Deleuze）看來(lái)，真正的創(chuàng)造是把潛在性給實(shí)現(xiàn)出來(lái)，他提到，“潛在的現(xiàn)實(shí)化得以發(fā)生要通過(guò)差異、發(fā)散或分化……現(xiàn)實(shí)化、分化在這一意義上始終是真正的創(chuàng)造”[12]。生成式人工智能所做的無(wú)他，恰恰是將其數(shù)據(jù)庫(kù)中潛在性的內(nèi)容通過(guò)概率性關(guān)聯(lián)重組的方式實(shí)現(xiàn)出來(lái)。

2.3 從人類與人工智能的競(jìng)爭(zhēng)到協(xié)同效應(yīng)

雖然人工智能和人類智能是完全不同的兩種思維路徑，但因?yàn)樗鼈兯傻膬?nèi)容是相似的，所以它們之間必然形成競(jìng)爭(zhēng)。小到智力比賽中的競(jìng)爭(zhēng)（如圍棋和象棋比賽），大到工作崗位上的競(jìng)爭(zhēng)。人工智能與人之間的競(jìng)爭(zhēng)就像人與人之間的競(jìng)爭(zhēng)一樣，只不過(guò)前者差異更大。人工智能的效率毫無(wú)疑問(wèn)高于人類智能的效率，在競(jìng)爭(zhēng)環(huán)境下，勢(shì)必有部分人會(huì)被擠出既有領(lǐng)域，另謀他路。

同時(shí)，就像過(guò)往每次技術(shù)革命一樣，新技術(shù)的產(chǎn)生一定會(huì)代替某一部分人類工作，也會(huì)帶來(lái)基于新技術(shù)的新工作。例如，照相機(jī)的產(chǎn)生，一方面使得此前以寫實(shí)繪畫為主業(yè)的人另謀他路，逐漸發(fā)展出新的繪畫流派；另一方面，對(duì)照相機(jī)本身的運(yùn)用又催生了新的行業(yè)，攝影藝術(shù)在此之后逐漸流行起來(lái)。人工智能的發(fā)展同樣會(huì)帶來(lái)這兩種效應(yīng)，雖然它使得人們的就業(yè)形式發(fā)生漂移，但同樣也會(huì)催生出新的與人工智能相協(xié)同的行業(yè)。就像人和人之間一樣，人工智能和人之間的關(guān)系同樣也是既有競(jìng)爭(zhēng)也有合作。無(wú)競(jìng)爭(zhēng)無(wú)法促進(jìn)社會(huì)發(fā)展，無(wú)合作則無(wú)法促進(jìn)社會(huì)有序發(fā)展。

如前所述，人工智能和人類智能是平行的思維模式，正因不同所以能進(jìn)行優(yōu)劣互補(bǔ)。一方面，人無(wú)法想象其知識(shí)閾之外的東西，但人工智能可以，將人工智能的“全數(shù)據(jù)”知識(shí)嫁接到人類智能上，省去了人們獲取數(shù)據(jù)所花費(fèi)的時(shí)間和精力；另一方面，人類智能的問(wèn)題意識(shí)能給人工智能提供創(chuàng)造動(dòng)機(jī)，其對(duì)意義的理解力和判斷力能對(duì)人工智能的產(chǎn)出結(jié)果進(jìn)行評(píng)判篩選。另外，人類智能可以把握整體，從整體式的目標(biāo)中分離出各個(gè)小目標(biāo)，利用人工智能的概率關(guān)聯(lián)能力幫助自己一步步完成小目標(biāo)，從而達(dá)成整體目標(biāo)。

未來(lái)，人機(jī)之間的相互理解會(huì)變得和人與人之間的相互理解一樣重要。人工智能正以不可阻擋的趨勢(shì)快速滲入人類生活的各個(gè)方面，就像手機(jī)變成人類生活中的一部分一樣，人工智能將以比手機(jī)更無(wú)縫的方式嵌入到人的生活中。隨著人工智能在自然語(yǔ)言理解和表達(dá)等類人智能和創(chuàng)造力上的不斷提升，人必須學(xué)會(huì)理解并適應(yīng)人工智能的運(yùn)行方式。就像手機(jī)制造商雖然盡可能地通過(guò)人機(jī)互動(dòng)測(cè)試使手機(jī)更加智能，但人必須得學(xué)著去使用、去適應(yīng)才能真正上手。根據(jù)每個(gè)人的不同情況，在與人工智能協(xié)作的過(guò)程中，每個(gè)人都需要和自己長(zhǎng)期合作的人工智能培養(yǎng)默契，了解并熟悉它的特性，例如，它在哪些方面表現(xiàn)優(yōu)異，哪些方面可以自主完成，哪些方面需要人來(lái)監(jiān)管、調(diào)整、修飾，哪些方面表現(xiàn)相當(dāng)差勁，等等。

3創(chuàng)造力的內(nèi)涵及其面向人工智能時(shí)代的重構(gòu)

生成式人工智能顛覆了目前既有關(guān)于創(chuàng)造力的理解，讓我們獲得了以人工智能的視角重新看待創(chuàng)造力的機(jī)會(huì)。以往關(guān)于創(chuàng)造力的討論大都建立在人類中心主義之上，似乎只有具有能動(dòng)性和意向性的人才擁有創(chuàng)造力[8，13]，似乎只有有著文化和審美的人才能實(shí)現(xiàn)真正的創(chuàng)造[14]。以人類視角來(lái)看待人工智能，會(huì)出于人本情懷或人類尊嚴(yán)等考慮而否定人工智能的創(chuàng)造性。但我們完全可以轉(zhuǎn)向另外一種思維方式——以生成式人工智能為鏡來(lái)審視智能和創(chuàng)造的內(nèi)涵。

3.1 重新理解計(jì)算與智能、模仿與創(chuàng)造的關(guān)系

首先是對(duì)計(jì)算與智能的重新理解。曾幾何時(shí)，不論人工智能解決了什么問(wèn)題，都會(huì)有人指出這種解決方法不過(guò)是在高速計(jì)算機(jī)上進(jìn)行的復(fù)雜運(yùn)算而已。還有批評(píng)者強(qiáng)調(diào)，暴力型人工智能不會(huì)開(kāi)口說(shuō)話[15]。而最近因人工智能視頻生成模型Sora爆紅，強(qiáng)化學(xué)習(xí)的開(kāi)創(chuàng)者之一理查德·薩頓（Richard S. Sutton） 5年前的一篇博文《慘痛的教訓(xùn)》（The Bitter Lesson）再次引起業(yè)界關(guān)注。該文的基本觀點(diǎn)是，從 70 年的人工智能研究中可以學(xué)到的最大教訓(xùn)是，利用計(jì)算的通用方法最終是最有效的而且效率很高。從計(jì)算機(jī)棋類競(jìng)賽、語(yǔ)音識(shí)別到計(jì)算機(jī)視覺(jué)，基于計(jì)算和統(tǒng)計(jì)的方法不斷戰(zhàn)勝基于人類知識(shí)的方法。而我們應(yīng)該從中學(xué)到兩個(gè)重要觀點(diǎn)：一是計(jì)算作為一種通用方法具有強(qiáng)大的力量，而且會(huì)隨著計(jì)算參數(shù)和數(shù)據(jù)規(guī)模的擴(kuò)展而強(qiáng)大到無(wú)可匹敵；二是對(duì)心靈和思維等極度復(fù)雜事物的探究要放棄基于人類思維的概念、化約之類的簡(jiǎn)單方法，轉(zhuǎn)而構(gòu)建可以找到并捕獲任意復(fù)雜性的元方法以應(yīng)對(duì)無(wú)窮盡的復(fù)雜性[16]。這表明，計(jì)算方法可能是目前可以找到的走向通用人工智能的通用方法。但恰如認(rèn)知科學(xué)與哲學(xué)家布萊恩·坎特韋爾·史密斯（Brian Cantwell Smith）所言，這種方法帶來(lái)的尤為深刻的認(rèn)識(shí)論挑戰(zhàn)是人工智能系統(tǒng)不知道自己在說(shuō)什么；而要建立一個(gè)本身就具備智能并明白自己在說(shuō)什么的系統(tǒng)，其必須知道確有這么一個(gè)世界存在，它是對(duì)該世界的表征，而且應(yīng)對(duì)該世界予以尊重[17]。換言之，基于計(jì)算方法的人工智能創(chuàng)造力要與其運(yùn)行所依據(jù)的世界對(duì)作出必要的校準(zhǔn)，而實(shí)施人機(jī)對(duì)齊工程的目的就在于此。

其次是對(duì)模仿與創(chuàng)造的重新理解。從某種意義上講，生成式人工智能從機(jī)器智能的層面復(fù)現(xiàn)熟讀唐詩(shī)三百首的現(xiàn)象，揭示出其基于記憶的模仿等組合型創(chuàng)造在創(chuàng)作等智能性和創(chuàng)造性工作中的作用。盡管近代哲學(xué)家勒內(nèi)·笛卡爾（RenéDescartes）曾斷言自動(dòng)機(jī)器無(wú)法模仿人類語(yǔ)言和理性能力，但科學(xué)家和理論物理學(xué)家史蒂芬·沃爾弗拉姆（Stephen Wolfram）卻不無(wú)洞見(jiàn)地指出，大型語(yǔ)言模型ChatGPT在語(yǔ)言上大獲成功的關(guān)鍵是語(yǔ)言在根本上比它看起來(lái)更簡(jiǎn)單[18]。而原本在人類看來(lái)非常復(fù)雜的語(yǔ)言之所以顯得簡(jiǎn)單，是因?yàn)槿祟愔悄芎腿斯ぶ悄艿暮?jiǎn)單性和復(fù)雜性是相對(duì)而言的。換言之，生成式人工智能的發(fā)展正在迫使人們擠出其知識(shí)和技能中的“水分”，如許多依靠計(jì)算機(jī)工具形成的簡(jiǎn)單、重復(fù)和機(jī)械性的技能，要么轉(zhuǎn)向培育更高的創(chuàng)造性能力，要么在人機(jī)智能生態(tài)的快速變遷中找到其新的能力生態(tài)位。

3.2對(duì)創(chuàng)造的新穎性、非顯而易見(jiàn)性的再定位

我們?cè)谇拔奶岬剑瑒?chuàng)造實(shí)際上是“無(wú)中生有”，是潛在性的現(xiàn)實(shí)化。而學(xué)者們常常提到的創(chuàng)造的兩個(gè)特征——“新穎性”和“有用性”[19-20]，其實(shí)是對(duì)創(chuàng)造活動(dòng)的一種人為限制，是為了規(guī)范人們的創(chuàng)造活動(dòng)，使之最大程度地為人類服務(wù)而不浪費(fèi)過(guò)多精力做無(wú)實(shí)用價(jià)值之事。但人工智能擺脫了碳基限制，它可以在極短的時(shí)間內(nèi)獲得一個(gè)人一輩子也無(wú)法獲得的知識(shí)量，并將之重組進(jìn)行新的創(chuàng)造。這樣少的時(shí)間成本使其根本不需要吝嗇創(chuàng)造活動(dòng)，使其能夠盡可能多地產(chǎn)生新的內(nèi)容而不問(wèn)其是否有實(shí)際價(jià)值。當(dāng)然，人類對(duì)有用性的尋求并非沒(méi)有意義。產(chǎn)生想法和實(shí)現(xiàn)想法是兩回事，實(shí)現(xiàn)想法仍需要現(xiàn)實(shí)物質(zhì)基礎(chǔ)，而物質(zhì)基礎(chǔ)是有限的。我們?nèi)孕枰獙?duì)人工智能的想法進(jìn)行篩選，選出其中對(duì)人類有用的或有審美價(jià)值的，以此來(lái)豐富和助益人類生活。

在現(xiàn)代社會(huì)，人們一般訴諸專利和版權(quán)來(lái)保護(hù)發(fā)明創(chuàng)造，而是否具有非顯而易見(jiàn)性（或不可預(yù)測(cè)性）往往被用作判別是否具有創(chuàng)造性的標(biāo)準(zhǔn)。也就是說(shuō)，對(duì)于人類發(fā)明來(lái)說(shuō)，當(dāng)一項(xiàng)發(fā)明被認(rèn)為對(duì)于本領(lǐng)域技術(shù)人員而言非顯而易見(jiàn)時(shí)，它才會(huì)被視為創(chuàng)造性的。然而，基于“全數(shù)據(jù)”和大模型的生成式人工智能可能會(huì)比某個(gè)領(lǐng)域內(nèi)的有人都更有知識(shí)，對(duì)于人工智能產(chǎn)生的發(fā)明的非顯而易見(jiàn)性的判斷將陷入兩難。一方面，對(duì)于人類專利審查員來(lái)說(shuō)，由于平均知識(shí)遠(yuǎn)不及人工智能而難以作出判斷；另一方面，若用掌握了幾乎所有知識(shí)的人工智能系統(tǒng)來(lái)進(jìn)行專利審查，對(duì)該系統(tǒng)而言，人工智能的所有“發(fā)明”都顯而易見(jiàn)[21]。

3.3生成式人工智能對(duì)創(chuàng)造力生態(tài)的復(fù)雜影響

生成式人工智能在創(chuàng)意寫作等內(nèi)容生成中的表現(xiàn)曾一度引起轟動(dòng)。一方面，人工智能生成的新穎想法可成為人類內(nèi)容創(chuàng)作的“跳板”，如在寫作中為人類作者提供各種可能的開(kāi)頭和分叉口，形成不同情節(jié)或論述路徑的“樹(shù)結(jié)構(gòu)”。另一方面，它能將人們?cè)谀X海中突如其來(lái)的想法呈現(xiàn)為看似真實(shí)的形式，如在文生圖和文生視頻中，直接將人類的創(chuàng)意具象化，使其創(chuàng)意實(shí)時(shí)轉(zhuǎn)化為可進(jìn)行高階創(chuàng)造的創(chuàng)作內(nèi)容。由此，作為創(chuàng)造工具的人工智能引發(fā)了創(chuàng)造力生態(tài)的一系列深刻變化。

一是生成式人工智能因其強(qiáng)大且迅速的內(nèi)容創(chuàng)造力而有可能從一開(kāi)始就制約了人類的想象力，甚至使其創(chuàng)意模式固化，抑制人類的創(chuàng)造力。二是生成式人工智能的創(chuàng)造是在既有的海量人類知識(shí)和創(chuàng)造的基礎(chǔ)上合成衍生出來(lái)的，這種創(chuàng)造性實(shí)質(zhì)上是人類總體平均創(chuàng)造性的首次涌現(xiàn)。有人擔(dān)心其新穎性在開(kāi)始的時(shí)候可能會(huì)令人驚嘆，而隨著合成內(nèi)容的增加以及它們?cè)絹?lái)越多地加入訓(xùn)練數(shù)據(jù)集，其創(chuàng)造性會(huì)逐漸降低。但如果我們學(xué)會(huì)了運(yùn)用這種創(chuàng)造性的方法，就可在其所呈現(xiàn)的人類總體創(chuàng)造性的基礎(chǔ)上，探索海量知識(shí)的自動(dòng)化合成等全新的知識(shí)生產(chǎn)方式，邁向更高水平創(chuàng)造性。三是生成式人工智能會(huì)提升其使用者的創(chuàng)造效率，但在效果上具有一定的差異。早期使用人工智能輔助創(chuàng)作的個(gè)體和技能較低者的創(chuàng)作效率能得到較大提升，但隨著采用人工智能輔助創(chuàng)作的個(gè)體的增加，群體創(chuàng)造性必然下滑。四是生成式人工智能可以精確恰當(dāng)?shù)貙?duì)概念和形式加以創(chuàng)造性融合，但也伴隨著大量編造的幻覺(jué)，因而對(duì)其真實(shí)性的研判變得愈加困難。

3.4 對(duì)人類創(chuàng)造的目標(biāo)和人工智能創(chuàng)造的自主性的再思考

我們知道，人類智能的一個(gè)顯著特點(diǎn)在于能夠從一個(gè)中心、主旨、目標(biāo)出發(fā)，先通過(guò)發(fā)散思維進(jìn)行探索，再逐漸收斂思維達(dá)成目標(biāo)。這種從發(fā)散到收斂的思維模式，恰恰是生成式人工智能所不具備的整體性思維方式。有學(xué)者提到，人工智能的創(chuàng)造過(guò)程可以被描述為“像素化”——從一系列短期決策中創(chuàng)造出大規(guī)模的形式[11]。以此來(lái)看，人類的目標(biāo)其實(shí)是“一”而非“多”，人工智能實(shí)現(xiàn)的則是“多”而非“一”。德勒茲在一次關(guān)于“根莖”的討論中提到，根莖的多樣性源于其無(wú)序的點(diǎn)，每一點(diǎn)都與任何其他點(diǎn)相連，但“既無(wú)在對(duì)象中充當(dāng)支點(diǎn)的統(tǒng)一，也無(wú)在主體中分裂的統(tǒng)一”。所以，可以說(shuō)，人工智能是分布式的智能，它沒(méi)有一個(gè)全局性的核心，只有零散的點(diǎn)，它所生成的內(nèi)容是“n-1”的，“在要構(gòu)成的多樣性中減去唯一”[22]。人們不能因此而否定人工智能的創(chuàng)造性，相反，應(yīng)該充分發(fā)揮它多樣性生產(chǎn)的能力，同時(shí)，應(yīng)該發(fā)揮人類智能“一”的能力，從人工智能的創(chuàng)造中篩選出有助于人實(shí)現(xiàn)“一”的“多”來(lái)。

現(xiàn)階段，生成式人工智能并不能獨(dú)立進(jìn)行創(chuàng)造，它需要人為其提供提示詞或相應(yīng)的問(wèn)題。但這并不意味著，未來(lái)人工智能不會(huì)獲得自主性。現(xiàn)在的生成式人工智能就像襁褓中的嬰兒，它還需要人的指導(dǎo)，需要人為其確立目標(biāo)和價(jià)值。但經(jīng)過(guò)一段時(shí)間的迭代，當(dāng)人類將可能的倫理風(fēng)險(xiǎn)都給屏蔽了以后，讓其自主進(jìn)行創(chuàng)造并非難事。吉爾貝·西蒙東（Gilbert Simondon）很早便提出，目前看來(lái)好似是人類促使人工智能進(jìn)行創(chuàng)造，但從未來(lái)人工智能的視角往回看，人類完全有可能只是起到幫助人工智能形成的作用，只是未來(lái)自主性機(jī)器的一種適應(yīng)性篩選器。對(duì)未來(lái)的人工智能來(lái)說(shuō)，人或許只是在機(jī)器間傳遞信息的中介，人所完成的只是自主性機(jī)器所需要的一個(gè)功能[23]。當(dāng)然，切換視角不是為了讓人們對(duì)人工智能保持?jǐn)骋猓钦f(shuō)，無(wú)論從人類智能還是人工智能的視角出發(fā)，二者必然是相互嵌合的，誰(shuí)也離不開(kāi)誰(shuí)。

4生成式人工智能時(shí)代科技人文素養(yǎng)與創(chuàng)造力的互促共生雙螺旋

當(dāng)下生成式人工智能的發(fā)展對(duì)人類創(chuàng)造力的沖擊和它給知識(shí)技能、工作就業(yè)所帶來(lái)的前所未有的挑戰(zhàn)相伴而生。這些沖擊和挑戰(zhàn)的關(guān)鍵在于很難找到應(yīng)對(duì)科技加速度的終身知識(shí)技能和創(chuàng)造力培養(yǎng)的簡(jiǎn)單解決方案。而從根本上講，生成式人工智能正在開(kāi)創(chuàng)一種新型創(chuàng)造力，其所形成的人類平均知識(shí)和平均創(chuàng)造力無(wú)疑將人類的知識(shí)生產(chǎn)方式拉到了一個(gè)全新的高度。這一實(shí)質(zhì)性的變化意味著我們一方面要擁抱人工智能帶來(lái)的新型創(chuàng)造力，另一方面必須讓人們更好地理解日新月異的人工智能創(chuàng)新及其對(duì)每個(gè)人的深遠(yuǎn)影響，尤其要?jiǎng)討B(tài)地認(rèn)識(shí)和理解生成式人工智能時(shí)代對(duì)人的素質(zhì)和能力所提出的新要求。

為了迎接生成式人工智能帶來(lái)的創(chuàng)造力的新綜合，幫助人們塑造面向這一全新科技時(shí)代所必須具備的終身創(chuàng)造力，最為基本的應(yīng)對(duì)之道是在系統(tǒng)和動(dòng)態(tài)地理解人工智能及其影響的基礎(chǔ)上，推動(dòng)形成科技人文素養(yǎng)與人的創(chuàng)造力協(xié)同發(fā)展的互促共生雙螺旋。

首先，生成式人工智能開(kāi)啟了超越人類智能和機(jī)器智能的一般智能和基于一般智能的智能生態(tài)，應(yīng)據(jù)此重新構(gòu)建和培養(yǎng)人們與此相關(guān)的新的科學(xué)素質(zhì)和技術(shù)素養(yǎng)。它們既包括對(duì)生成式人工智能帶來(lái)的全新科技思維與科技方法的理解和應(yīng)用，如統(tǒng)計(jì)思維、概率方法、相關(guān)性、注意力機(jī)制、計(jì)算語(yǔ)言學(xué)方法等；也涉及對(duì)其中所運(yùn)用的認(rèn)識(shí)論和方法論的理解和運(yùn)用，如在人工智能擁有的人類平均知識(shí)遠(yuǎn)超過(guò)人的知識(shí)和理解力時(shí)，面對(duì)這些新的知識(shí)形態(tài)，人類應(yīng)該養(yǎng)成哪些新的認(rèn)識(shí)方式和探究方法。

其次，與以往科技創(chuàng)新的根本不同是，生成式人工智能不再只是作為增強(qiáng)人類創(chuàng)造力的工具，而是正在發(fā)展為與人類似且具有相對(duì)獨(dú)立性的創(chuàng)造主體（智能體），因此，人類終身創(chuàng)造力的培養(yǎng)應(yīng)在不斷變遷的人機(jī)智能生態(tài)下展開(kāi)，尤其要根據(jù)人工創(chuàng)造主體的創(chuàng)造力的發(fā)展不斷作出動(dòng)態(tài)調(diào)適。一方面，要走出以人類為中心的智能觀。例如，在以人類為中心的創(chuàng)造力4C理論看來(lái)，創(chuàng)造力是呈階段性發(fā)展的，人的發(fā)育機(jī)制要求人必須經(jīng)歷從小到大、從少到多、從Mini-C到Big-C①的過(guò)程[7]。但生成式人工智能的創(chuàng)造力卻更像是一次成型的，這種人工創(chuàng)造力一經(jīng)產(chǎn)生，便一次性獲得了從Mini-C到Big-C的全部潛力。可以說(shuō)，生成式人工智能的代名詞就是創(chuàng)造，它出生的使命就是創(chuàng)造。顯然，對(duì)人工創(chuàng)造力及其發(fā)展的重新理解，有助于我們深化對(duì)人類創(chuàng)造力的理解，從而由智能生態(tài)的動(dòng)態(tài)變化出發(fā)不斷改變終身創(chuàng)造力的培養(yǎng)策略。不過(guò)，我們?nèi)匀灰P(guān)注創(chuàng)造本身的目的，要認(rèn)識(shí)到人工智能時(shí)代人類終身創(chuàng)造力的培養(yǎng)最終是一種社會(huì)選擇，而不應(yīng)簡(jiǎn)單地任由技術(shù)決定或通過(guò)技術(shù)方案解決。

再次，在人工智能的計(jì)算與生成創(chuàng)造能力日益強(qiáng)大的未來(lái)，諸多重要?jiǎng)?chuàng)造和決策勢(shì)必將由人工智能作出，這實(shí)際上對(duì)人的判斷能力提出了更高的挑戰(zhàn)，而這種判斷能力實(shí)際上是人類終身創(chuàng)造力的靈魂所在。在史密斯看來(lái)，面向人工智能的終極未來(lái)，“判斷能力是人類思維必然追求的終極目標(biāo)”，而所謂判斷能力“是指一種可靠、公正、忠于真理、忠于現(xiàn)實(shí)世界的思維方式”，必須“加強(qiáng)而不是削弱我們對(duì)判斷、冷靜、道德和世界的擔(dān)當(dāng)”[17]。顯然，形成和培養(yǎng)這種判斷能力的基礎(chǔ)既包括科學(xué)素質(zhì)、技術(shù)素養(yǎng)，還包括科技人文素養(yǎng)。其中，科學(xué)素質(zhì)和技術(shù)素養(yǎng)有助于理解關(guān)于真實(shí)世界的事實(shí)和技術(shù)運(yùn)行的機(jī)制，科技人文素養(yǎng)則有助于認(rèn)識(shí)科技的目的和邊界。若是缺乏科技人文素養(yǎng)，一切創(chuàng)造都可能迷失方向，甚至走向?yàn)E用和反人性的道路。

最后，生成式人工智能時(shí)代終身創(chuàng)造力的養(yǎng)成，需要我們對(duì)人類智能和人工智能的創(chuàng)造性作出更進(jìn)一步的哲學(xué)反思和倫理審度，以此培養(yǎng)出必要的科技人文反思能力，從而使科技創(chuàng)新更具可接受性和可塑性，令人工智能的未來(lái)發(fā)展走向善之道。

參考文獻(xiàn)

貝爾納·斯蒂格勒. 人類紀(jì)里的藝術(shù)：斯蒂格勒中國(guó)美院講座[M]. 陸興華，許煜，譯. 重慶：重慶大學(xué)出版社，2016.

貝爾納·斯蒂格勒. 南京課程：在人類紀(jì)時(shí)代閱讀馬克思和恩格斯——從《德意志意識(shí)形態(tài)》到《自然辯證法》[M]. 張福公，譯. 南京：南京大學(xué)出版社，2019.

McCarthy J，Minsky M L，Rochester N，et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence[J]. AI Magazine，1955，27（4）：12-14.

Simon H A. Explaining the Ineffable：AI on the Topics of Intuition，Insight，and Inspiration[C]//Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence. San Francisco：Morgan Kaufmann Publishers，1995：939-949.

Boden M A. Computer Models of Creativity[J]. AI Magazine，2009，30 （3）：23-34.

Rafner J，Beaty R E，Kaufman J C，et al. Creativity in the Age of Generative AI[J]. Nature Human Behavior，2023，7（11）：1836-1838.

Kaufman J C，Beghetto R A. Beyond Big and Little：The Four C Model of Creativity[J]. Review of General Psychology，2009，13（1）：1-12.

Runco M A. AI can only Produce Artificial Creativity[J]. Journal of Creativity，2023，33（3）：1-7.

Edgell R A. A Monstrous Matter：The Three Faces of Artificial Creativity[J]. Journal of Creativity，2024，34（1）：1-9.

Guzik E E，Byrge C，Gilde C. The Originality of Machines：AI takes the Torrance Test[J]. Journal of Creativity，2023，33（3）：1-8.

Anthony K B. Beethoven’s Ninth and AI’s Tenth：A Comparison of Human and Computational "Creativity[J]. Journal of Creativity，2023，33（3）：1-9.

Deleuze G. Différences et Répétition[M]. Paris：Presses Universitaires de France，1968.

Gilhooly K. AI VS Humans in the AUT：Simulations to LLMs[J]. Journal of Creativity，2024，34（1）：1-5.

李建會(huì)，夏永紅. 人工智能會(huì)獲得創(chuàng)造力嗎？[J]. 國(guó)外社會(huì)科學(xué)，2020（5）：52-60.

皮埃羅·斯加魯菲．智能的本質(zhì)：人工智能與機(jī)器人領(lǐng)域的64個(gè)大問(wèn)題[M]. 任莉，張建宇，譯. 北京： 人民郵電出版社，2017．

Richard S S. The Bitter Lesson[EB/OL].（2019-03-13）[2023-02-02]. http：//www.incompleteideas.net/IncIdeas/BitterLesson.html.

布萊恩·坎特韋爾·史密斯．測(cè)算與判斷：人工智能的終極未來(lái)[M]. 劉志毅，譯. 北京：中信出版集團(tuán)，2022.

斯蒂芬·沃爾弗拉姆. 這就是ChatGPT[M]. WOLFRAM傳媒漢化小組，譯. 北京：人民郵電出版社，2023.

Plucker J A，Beghetto R A，Dow G T. Why isn’t Creativity More Important to Educational Psychologists？ Potentials，Pitfalls，and Future Directions in Creativity Research[J]. Educational Psychologist，2004，39（2）：83-96.

Runco M A，Jaeger G J. The Standard Definition of Creativity[J]. Creativity Research Journal，2012，24（1） ：92-96.

George A，Walsh T. Artificial Intelligence is Breaking Patent Law[J]. Nature：Comments and Opinion，2022，605（7911）：616-618.

Deleuze G，Guattari F. Mille Plateaux[M]. Paris：éditions de Minuit，1980.

吉爾貝·西蒙東. 論技術(shù)物的存在模式[M].許煜，譯. 南京：南京大學(xué)出版社，2024.

（編輯 "顏 " "燕 " "和樹(shù)美）