创造性还是非创造性的合作伙伴：人类与AI在协作创意任务中的比较

《Computers in Human Behavior》：Creative or Uncreative Partner: Comparing Humans and AI in Collaborative Creative Tasks

　　

• 一项随机对照研究比较了人类-AI与人类-人类的创意合作
• 人们对AI创意优势的印象源于其冗长的输出，而非原创性
• 与AI合作对人类的创意回应质量产生了负面影响
• 人类-人类搭档在时间推移上具有协作创意优势
• AI伙伴未能复制人类-人类搭档的集体创造力

引言

随着生成式AI在社会中的快速整合，一个关键问题随之浮现：AI如何重塑协作创造力？一些学者认为，生成式AI代表了一波新的创新浪潮，能够推动艺术、科学、法律及其他专业领域的突破性进展（Amabile, 2020; Choi & Schwarcz, 2023; Epstein等, 2023; Rafner等, 2023）。然而，另一些学者则认为，生成式AI的固有局限——例如其倾向于减少响应多样性（Doshi & Hauser, 2024）——可能会扼杀原创性。更令人担忧的是，批评者警告，过度依赖AI可能会削弱人类的认知能力（Barr等, 2015; Budzyń等, 2025; Kosmyna等, 2025）。

现有的创造力研究主要考察个体在有与没有生成式AI情况下的表现，而非人类-人类与人类-AI的协作。值得注意的是，先前的研究未能控制创意的发起顺序，也未能隔离人类在两种条件下的独立表现。随着人们越来越多地与AI而非人类同伴合作完成创意任务，理解人类与AI协作之间的差异变得至关重要。本研究探讨了一个根本问题：与人类或AI伙伴合作，哪个对个体人类的创造力更有益？为此，我们将参与者与其他参与者或GPT-4o配对，完成创意生成和故事写作任务，考察不同的协作伙伴如何影响创意过程。

与其他人类合作，特别是与来自不同背景的人类合作，有利于创造力和创意生成（Astutik等, 2020; Ou等, 2023; Tadmor等, 2012; Xue等, 2018）。例如，合作研究的影响力大于独著作品，70%的引用集中在30%的论文中，而独著作品始终获得的引用最少（Hsu & Huang, 2010）。

根据E. Paul Torrance确立的发散性思维框架，研究者通过特定的心理测量指标识别创造力，创造力是新颖性与适宜性的结合。这些指标包括：原创性，关注回应的罕见性；灵活性，衡量创意的多样性；以及精细度，反映概念背后的细节和坚持程度（Runco等, 2010; Torrance, 1972）。纵向研究表明，这些特定指标是现实世界创意成就和个人成功的显著预测因子，通常表现出比传统智商分数更强的长期创意成就预测效度（Cramond等, 2005; Runco等, 2010）。虽然这些测量传统上用于通过Torrance创造性思维测试评估个体人类的创意能力，但当代研究转向了人类-AI协作，并提出：当伙伴不是人类时，"协作"意味着什么？一些观点认为，AI工具可以通过提供新颖的灵感来源和简化迭代设计工作来增强商业和艺术领域的创意过程（Amabile, 2020; Epstein等, 2023）。同样，法律科学领域的研究（Choi & Schwarcz, 2023; Rafner等, 2023）也强调了生成式AI通过快速综合判例法、生成假设和识别庞大数据集中的模式来加速研究的能力，这些模式会给人类研究者带来压倒性的负担。这些能力表明，生成式AI可以作为一种强大的协作伙伴来增强人类的创造力。

另一方面，最近的研究表明，虽然生成式AI往往在原创性和精细度上优于普通人类，这得益于其庞大的训练数据和缺乏认知疲劳，但它却可能导致用户群体中多样性（灵活性）的降低，即同质化现象（Doshi & Hauser, 2024; Hubert等, 2024; Wenger & Kenett, 2026）。回应中的低多样性表明对单一类型创意的固着。大语言模型倾向于具有零或接近零的响应变化，即使在不同模型之间也是如此（Park等, 2024; Wenger & Kenett, 2026）。对大语言模型和包含100,000名人类的庞大数据集的语义发散性分析发现，虽然大语言模型可以在联想思维任务上超越普通人类的表现，但它们始终无法达到最具创意的参与者的分数（Bellemare-Pepin等, 2026）。即使经过优化的提示和超参数调整，当前模型似乎也存在一个天花板。

生成式AI有可能限制认知，特别是在群体层面的创意多样性方面。在整个群体或社会中遇到相似的创意往往会导致整体创意的趋同和同质化。这种趋同效应因其他研究者所讨论的AI系统缺乏根本意图而加剧——虽然它们可以重新组合现有内容，但无法产生新颖的概念，也无法以推动创造力的方式理解文化背景（Chamberlain等, 2017; McCormack等, 2019）。尽管这些研究专门关注生成式AI的回应，但创意的累积性质意味着，未经批判的人类-AI协作有可能导致人类产生同质化的回应，无论是否使用不同的模型（Wenger & Kenett, 2026）。

神经科学和行为学研究为调查人类-AI互动提供了令人信服的动机，特别是关于"认知卸载"的风险（Risko & Gilbert, 2016）。依赖外部工具来减少心理努力往往导致"认知吝啬"行为和更浅的信息保留（Barr等, 2015; Skulmowski, 2023）。AI的普遍使用可能导致过度依赖，从而削弱专业知识的认知基础，如图式建构和程序化（Oakley等, 2025）。相关地，大脑的社会认知区域仅在与人类互动时才会激活（Chaminade等, 2012）。证据还表明，特定的AI整合可以导致技能退化和创意产出的下降：临床医生在移除AI工具后息肉检测表现下降（Budzyń等, 2025），而生成式AI的使用被证明与传统搜索方法相比会减少发散性思维和元认知（Kosmyna等, 2025）。这些发现凸显了生成式AI短期效率优势与人类认知及社交互动长期退化之间的紧张关系。

关于人类-AI协作创造力的文献主要集中比较人类-AI搭档与孤立工作的人类。直接比较人类-人类协作创造力与人类-AI协作创造力的研究很少，这代表了我们对协作创意过程理解的重要空白。在一项值得注意的研究中，研究者调查了AI（ChatGPT）、互联网（Google搜索）还是另一个人是最有效的创意思考伙伴（Tang等, 2024）。研究发现，人类-人类搭档表现出更高的创意信心，并在两项交替使用任务中产出了更多创意点子，在问题解决任务中则没有差异。人类感到与另一个人合作涉及更多的认知负荷，但随之而来的是更大的创意信心。另一方面，AI让任务对参与者来说感觉更容易。总的来说，这表明人类协作的心理和社会维度可能在创意过程中发挥关键作用，超越了单纯的任务完成。

研究社区在如何概念化AI在创造力中的角色上仍然分歧，一些人将其视为仅支持的辅助工具，另一些人则更多地将其视为平等的创意伙伴，还有些人认为它作为一个完全自主的创意代理，脱离了人类输入而运作（Faiella等, 2025）。这种区别在调查创意协作和设计人类与AI之间的互动时是相关的。例如，Tang及其同事（2024）没有在人类和AI之间交替担任领导角色。相反，人类参与者总是被分配为发起互动（角色A），而生成式AI从未被分配那个角色。将AI排除在领导角色之外在比较条件中引入了不对称性，并限制了潜在的互动模式的全谱系，特别是AI可能作为主要创意来源而人类处于细化角色的那些模式。当AI代理被限制在响应角色时，人类的创意搜索仍然锚定在他们自己的初始想法上。这种限制在考虑创意生成的顺序（即相互建构的创意流）是相互依赖的这一点时变得尤为重要（Toubia, 2006）。这种不对称性也与自然对话形成对比，在自然对话中，当前说话者通常拥有控制互动即时方向的能力（Sacks等, 1974）。通过将发起角色预分配给人类，研究者强加了一个僵化的仅由人类领导的创意构思过程。

一项先前的研究发现，虽然仅由AI组成的协作搭档在写作任务中最初在创造力和多样性上领先，但混合的人类-AI网络最终在多样性上超过了它们。这种转变的发生是因为，与AI代理不同，人类倾向于保留叙事连续性（Shiiku等, 2025）。然而，对人类认知回应的影响仍然缺乏探索，特别是AI协作是增强还是削弱人类创意的原创性。

本研究解决了过去文献中的三个关键空白：首先，为直接对比人类与AI协作的有限研究贡献成果；其次，通过结构化的轮流方式检查伙伴之间的贡献平衡，在这种方式中创意发起者在人类和AI之间随机分配；第三，分析生成式AI在不同协作条件下对人类回应的影响。通过将领导角色分配给人类和AI，本研究用平衡的框架取代了先前工作的不对称设计，确保创意生成的顺序不因固定的发起者而偏斜。与先前汇总搭档分数的研究不同，我们还隔离了人类伙伴的回应，以确定生成式AI的回应是否影响了人类的。

根据现有文献，我们针对协作条件下的创意结果提出了三个假设。首先，我们假设AI协作将产生更具原创性的创意，因为AI系统可以从庞大的训练数据集中生成新颖的组合（Amabile, 2020）。其次，我们预测人类协作将产生更多样化的创意，因为人类协作者带来了不同的经验和认知起点（Fink等, 2012），而AI倾向于涉及提示和响应同意的互动模式（Malmqvist, 2024）。第三，我们假设AI协作将导致更高的精细度（Nijstad & Stroebe, 2006）。

章节片段

方法

本研究已在开放科学框架上预先注册，包括实验方案、主要假设、样本量确定和计划分析方法。预先注册文档可通过https://osf.io/tveaf/overview访问。任何不在注册表中的偏差或探索性分析将在相关部分注明或在补充信息中详细说明。

参与者人口统计

参与者人口统计，包括年龄、种族、性别、教育和语言背景，总结在表1中。

独立卡方检验显示性别与条件之间存在统计学上显著的关联，χ2(2, N = 208) = 8.07, p = .018。然而，这一结果是由低频的"其他/未指定"类别驱动的（总计n = 6），该类别在AI协作者条件下（6.9%）高于人类协作者条件下（0.7%）。没有观察到差异

讨论

本研究通过提供人类-人类与人类-AI协作的优势和局限性的证据，贡献于我们对协作创造力的理解。检验了三个主要假设：1）人类-AI协作产生更具原创性的回应，2）人类-人类协作产生更高的多样性，3）人类-AI协作产生更精细的输出。对于假设1，我们一致发现人类-AI协作似乎在原创性上有益

结论

本研究揭示，人类-AI协作创造力与人类-人类协作产生了根本不同的结果。我们的发现表明，AI协作并不能保证原创性的增强；相反，控制冗长程度后，人类的原创性更差。这表明参与者存在认知卸载现象，个体依赖AI生成的内容来减少自己的心理努力和创意投入。虽然人类产生更长的

CRediT作者贡献声明

Clin KY Lai：写作——审阅与编辑，写作——初稿，可视化，验证，软件，资源，项目管理，方法论，调查，资金获取，形式分析，数据整理。Simone A Luchini：写作——审阅与编辑，写作——初稿，验证，形式分析。Nina Lauharatanahirun：写作——审阅与编辑，监督，资金获取，概念化。Roger Beaty：写作——审阅与编辑，写作——初稿

伦理声明

已获所有参与者或其法定代表人的书面知情同意，同意参与研究并发布该文章。

参与者的隐私权得到了遵守。本研究是在研究所在地的相关法律、监管框架和准则下进行的。本研究已获得宾夕法尼亚州立大学的批准。（批准号：STUDY00022082）

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本论文中报告的工作。

AI 声明
在准备本工作期间，作者使用了 ChatGPT-4o 来生成部分编码脚本。在使用该工具/服务后，作者根据需要审查和编辑了内容，并对发表文章的内容承担全部责任。

资助
本项目由美国心理学会第 10 分会微型资助项目资助。R.E.B. 获得亚马逊和美国国家科学基金会的支持 [DRL-240078; DUE-2155070]。

利益冲突声明
? 作者声明以下财务利益/个人关系，这些利益/关系可被视为潜在的利益冲突：Clin Lai 报告称获得了美国心理学会第 10 分会的财务支持。Roger Beaty 报告称获得了亚马逊的财务支持。Roger Beaty 报告称获得了美国国家科学基金会的财务支持。如果有其他作者，他们声明没有已知的竞争性经济利益或个人关系，这些利益或关系可能会影响相关工作。

致谢
我们要感谢 CNCL 实验室经理 Jimmy Pronchick 在构建数据收集平台方面提供的协助。

Clin K.Y. Lai|Simone A. Luchini|Nina Lauharatanahirun|Roger Beaty