《Journal of Intelligence》：Same Stimulus, Different Ideas: Prior Knowledge and the Integration of AI-Generated Stimuli in Creative Ideation
编辑推荐：
外部刺激可以在创意构思过程中扩展概念空间，然而个体可能根据其可用的知识和经验以不同方式整合相同的刺激。这一问题关系到创造力的信息处理机制以及将生成式人工智能作为刺激源的使用。来自三种教育和社会文化背景（持有传统知识的原住民和非裔社区成员、农村学校学生以及大学生
外部刺激可以在创意构思过程中扩展概念空间，然而个体可能根据其可用的知识和经验以不同方式整合相同的刺激。这一问题关系到创造力的信息处理机制以及将生成式人工智能作为刺激源的使用。来自三种教育和社会文化背景（持有传统知识的原住民和非裔社区成员、农村学校学生以及大学生）的九个组别（共221名参与者）参加了旨在设计农工业产品的构思工作坊。刺激由一个大语言模型生成。研究人员采用语义和概念嵌入相似度以及主题建模来比较初始想法、刺激和最终想法。这些极短文本的主题模型不稳定。在社区和学校组中，概念整合通常保持在初始想法与刺激之间接近度的范围内，而大学组则更常超越这一范围，这种趋势在不同表征中均存在，但并非在每个组中都成立。咖啡领域的组别，其想法和刺激共享原材料的词汇，表现出高持久性与高整合性的结合。研究人员提出了三种探索性的整合形式：概念重新诠释、概念扩展和概念转换。这些分析是描述性的，并且未直接测量先前知识。
研究背景、现存问题与研究目的
创造力被广泛理解为产生既新颖又适用于特定情境想法的能力。在创意构思过程中，个体需检索、重组并组合先前知识以构建新的解决方案。然而，个体可能因认知固着而局限于以往的知识或经验，限制了对替代性关联的探索。外部刺激被视为一种支持创意构思、减少认知固着的有效手段，能够激活新联想、扩展可用概念空间。然而，现有研究多聚焦于刺激本身的特性及其对创造性产出的影响，较少关注个体如何基于自身不同的先前知识来解释和整合这些外部信息。随着生成式人工智能（AI）被越来越多地用作创意刺激的来源，理解不同知识背景的人群如何整合相同的AI生成刺激，成为一个兼具理论意义与实践价值的问题。为此，研究人员开展了一项比较研究，考察来自不同教育和社会文化背景的群体在整合AI生成刺激时的差异。
研究方法与技术路线
研究人员招募了来自三个教育和社会文化背景的九组共221名参与者，包括持有传统知识的原住民和非裔社区成员、农村中学生以及大学生。所有组别均参与了结构化的构思工作坊，旨在设计农工业产品。研究流程包括：创意热身、呈现设计问题、第一轮个人与小组构思（生成初始想法）、展示由大语言模型（LLM）生成的20个外部刺激文本、第二轮个人与小组构思（生成最终想法），以及集体共识选择最终方案。技术方法上，研究人员首先利用Sentence Transformers库中的paraphrase-MiniLM-L6-v2模型将所有想法和刺激文本转化为语义嵌入向量，并通过余弦相似度计算不同阶段文本间的语义相似度。同时，使用spaCy库的西班牙语词向量模型构建概念嵌入，以捕捉词汇层面的概念相似度。此外，采用隐含狄利克雷分配（Latent Dirichlet Allocation, LDA）进行主题建模，识别整个语料库中的潜在主题，并分析各阶段想法的主题演化。研究人员据此定义了四个核心指标：持久性（初始想法与最终想法的相似度）、整合度（最终想法与最相似刺激的相似度）、主题融入度（最终想法中包含的刺激主题比例）以及主题转化度（基于詹森-香农散度的主题分布变化）。
研究结果
3.1 构思过程中的想法产出
各组在刺激前后的想法数量存在差异，有的组在刺激后想法增多，有的则减少。
3.2 初始想法的持久性与外部刺激的整合
在语义和概念维度上，各组表现出不同的持久性和整合度模式。社区和学校组（G4, G5, G6）在语义和概念分析中均显示出较高的持久性和整合度（≥0.60）。相比之下，其他社区组（G1, G2, G3）的值较低（约0.35-0.60）。大学组（E1, E2, E3）则呈现出分化：E1的持久性与整合度相近；E2的整合度超过持久性；E3则相反，持久性高于整合度。
3.3 初始知识与外部刺激对选定想法的影响
对于各组最终选定的想法，研究发现G4、G5、G6的选定想法在语义上与某个初始想法完全一致（持久性为1.00），但同时与刺激也有很高的相似度（0.71-0.80）。E1则表现出最高的整合度（0.87）和中等水平的持久性（0.58），表明其选定想法更贴近特定刺激。G1在两个指标上均为最低。
3.4 初始想法与外部刺激的概念元素融入
对选定想法进行词汇重叠分析显示，G4、G5、G6的选定想法与初始想法的词汇完全重叠（100%）。在与刺激的重叠方面，G5最高（100%），G3、G4、G6和E1次之（50%）。更重要的是，大学组最终想法中包含源自刺激但不存在于初始想法中的新元素的比例（平均64%）远高于社区和学校组（平均21%），这表明大学组更多地采纳了刺激中的新概念。
3.5 主题域的持久性与整合
主题建模的结果因随机种子和主题数设定而异，稳定性较差。尽管如此，仍观察到三个一致的模式：E1是唯一在几乎所有模型中其最终想法在主题上更接近刺激的组；咖啡领域组（G4, G6）的最终想法在主题分布上与初始想法最为相似；E2的最终想法在主题上与初始想法差异最大。
3.6 基于相似度的结果的稳健性
通过使用多语言模型和剔除原材料名称进行的稳健性检验表明，大学组倾向于实现整合度超过初始接近度的总体趋势是稳定的，但其具体表现因表征方式而异。
讨论与结论
本研究表明，所有组别都在不同程度上整合了AI生成的外部刺激，但整合模式并非同质化。社区和学校组的整合度通常与其初始想法和刺激之间的初始接近度保持一致，表明刺激可能主要促进了已有知识框架内的重组和丰富，而非根本性变革。其中，拥有丰富传统知识的组别展现出稳定的概念结构，新信息在此结构中被重新诠释（概念重新诠释）。咖啡领域的组别（无论成人还是学生）由于与原材料高度相关，其想法和刺激均围绕同一领域展开，刺激起到了在该领域内扩展探索空间的作用（概念扩展）。相比之下，大学组倾向于实现超越初始接近度的更高整合度，特别是那些领域特异性知识较少的组别。他们的最终想法更频繁地包含源自刺激的新元素，这暗示刺激可能触发了更深层次的概念重组，建立了初始想法中不存在的新的概念联系（概念转换）。
研究结论翻译：本研究得出的结果表明，AI生成的外部刺激的整合似乎与参与者的先前知识和经验有关。基于观察到的语义和概念分析模式，并在主题分析的部分支持下，研究人员提出一个包含三种整合机制的解释性模型：概念重新诠释、概念扩展和概念转换。这些机制是归纳性地从本研究的数据模式中推导出来的，属于探索性描述，尚未得到独立验证。它们并不直接复制先验的分类，而是从实证模式中涌现。最能组织这些机制的变量并非孤立考虑的传统知识水平，而是每组想法库与所接收刺激集之间的初始概念接近度，这共同取决于先前知识和挑战所在的产出领域。总之，这些发现支持这样一种观点：由外部刺激支持的创造力可被理解为新信息与先前知识相互作用的过程。刺激并非作为新想法的普遍触发因素，而是根据参与者的先前知识和经验被差异化地整合，这有助于解释为何即使构思条件相当，相同的刺激也可能导致不同的创造性成果。
