大语言模型究竟是在增强我们的创造力，还是在悄悄地将其扼杀？
最新的权威研究给出了一个出人意料，又在情理之中的答案：它两者都在做，而你最终是变得更聪明还是更“笨”，完全取决于你让它帮你做什么。
这听起来像句废话，但背后藏着一个极为关键的机制。一项发表于《自然》期刊的最新研究中，科学家们发现，当人们处理简单的创意任务时，有大语言模型协作的团队，其创造力评分比纯人类团队更高。但在面对复杂的创意任务时，情况发生了惊天逆转，大语言模型协作组的创造力反而下降了。
这背后到底发生了什么？
我们先得聊聊创造力到底是个啥。心理学家把它定义为一种能力，就是把那些八竿子打不着的知识或者概念，用一种全新的方式组合起来，变成一个新点子。
这事儿分两步，第一步叫“发散思维”，就是脑洞大开，想出尽可能多的、不一样的点子。比如让你说一个回形针有多少种用途，你想得越多越偏门，发散思维就越强。
第二步叫“收敛思维”，就是从一大堆点子里面，找到那个最靠谱、最精确的答案。
整个过程非常消耗一种宝贵的资源，叫做“认知资源”，你可以把它理解为大脑的内存。我们的工作记忆，也就是大脑内存的容量是有限的。
当你处理一个任务时，任务本身越复杂（这叫内在负荷），加上外界的各种干扰（这叫外在负荷），你的大脑内存就会被占满。内存一旦满了，创造力自然就施展不开了。
大语言模型，就像一个外接的超级大脑。它们通过学习海量的文本数据，拥有了理解和生成语言的能力。
当它们参与到我们的创意工作中时，奇妙的事情就发生了。
在一项简单的任务里，比如给一个新产品想几个营销口号。这种任务，发散思维占主导，需要的是数量和新奇度。这时候，大语言模型就像一个永不枯竭的灵感库。你跟它说一句，它能“Duang”一下给你甩出几十个选项。这些选项可能质量参差不齐，但它们极大地拓宽了你的思路。
更重要的是，它帮你干了很多脏活累活。你不用自己去苦思冥想那些基本的组合，它直接帮你完成了。这就相当于把一部分认知负荷“外包”给了机器。你的大脑内存被释放出来了，可以去做更高级的事情，比如评估这些口号哪个更好，或者在它给出的想法基础上进行二次创作。
在简单的创意任务中，有大语言模型协作的参与者，不仅创造力评分更高，产出创意的速度也更快了。
这就是大语言模型扮演的第一个角色：灵感助推器。它通过知识重组、远距离联想和即时反馈，帮你打破思维定势，同时分担你的认知压力，让你把宝贵的脑力用在刀刃上。
而硬币的另一面是什么？
当任务变得复杂时，情况急转直下。
想象一下，你的任务不再是想几个口号，而是要为一个复杂的社会问题设计一套完整的、包含多个利益相关方的系统性解决方案。这个任务需要的不仅仅是灵感迸发，更需要深度思考、逻辑推理和批判性思维。
这时候，大语言模型依然会“Duang”一下给你甩出一大堆东西。但这次甩出来的，是一份结构完整、信息量巨大的报告。它看起来非常完美，逻辑清晰，语言流畅。
问题就出在这里。
你的大脑内存是有限的。面对这样一份高信息量的输出，你的第一反应不是去审视它、挑战它，而是去理解它、吸收它。这个过程会瞬间占满你所有的工作记忆。你被它提供的信息和框架牢牢吸住了，就像掉进了一个甜蜜的陷阱。你的大脑会不自觉地认为，“这个答案看起来很不错，我好像没必要再从头想一遍了”。
这就是“创意固化”（creative fixation）。你被机器的思路框住了，失去了独立探索其他可能性的动力和能力。
科学家们把这种现象归因于“认知过载”。大语言模型给得太多、太快、太完整，反而剥夺了你自己思考和挣扎的过程。而创造力，恰恰是在这种挣扎和探索中诞生的。
在复杂任务中，大语言模型协作组的创造力评分，比纯人类协作组更低了。也就是说，在这个场景下，AI反而帮了倒忙。
更令人担忧的是，这种影响可能是长期的。
另一项发表在《科学进展》（Science Advances）上的研究，进行了一个为期七天的实验室实验，并在三十天后进行了追踪。
他们发现，那些在初期严重依赖ChatGPT的学生，即使后来在没有AI辅助的情况下完成任务，他们产出的内容也带着浓浓的“AI味儿”。他们的创意多样性显著低于对照组，个体的创造力水平也退回到了实验开始前的基线状态。
换句话说，长期依赖AI，可能会让你的大脑“变懒”，创意能力出现退化。你习惯了被喂养，慢慢就失去了自己觅食的能力。
还有一个更深层的问题，大语言模型是基于概率生成内容的，它总是倾向于输出那些在训练数据里最常见、最主流的观点和表达方式。它追求的是“最可能”的答案，而不是“最惊喜”的答案。
一项针对两千两百篇大学入学申请论文的分析发现，每一篇由人类撰写的论文，都比GPT-4生成的论文贡献了更多的新颖创意。而且，随着论文数量的增加，AI生成内容的同质化效应会越来越严重。就像一个城市里只开一家连锁超市，商品看起来琳琅满目，但本质上都是同一种风格，缺乏真正的地方特色和惊喜。
当所有人都用同一个AI来获取灵感时，整个社会的创意生态都可能变得越来越同质化，越来越无聊。
看到这里，你可能会觉得有点绝望。难道用AI就是饮鸩止渴吗？
别急。科学家们不仅发现了问题，还找到了可能的解药。关键的调节变量，就是我们前面提到的“任务复杂度”，以及我们与AI的协作方式。
研究人员做了第二步。他们想，既然在复杂任务里，AI给得太多会导致“创意固化”，那少给一点行不行？
于是，他们对大语言模型的输出做了限制。比如，不让它直接生成完整方案，而是只给一些关键词或者方向性的提示，限制输出的信息量。结果奇迹发生了。在复杂任务中，使用了“约束型”大语言模型的协作组，创造力比之前提升了，有效缓解了创意固化的问题。
当然，这么做的代价是，在简单任务里，这种约束型AI的灵感激发效果减弱了。
这个发现极其重要。它告诉我们，不能把AI当成一个万能工具。我们需要像调节水龙头一样，根据任务的需要，调节AI的“信息流量”。
面对简单任务，需要快速、大量、多样化的灵感时，就把水龙头开到最大，最大化它的灵感激发作用。
面对复杂任务，需要深度、独立的思考时，就把水龙头拧小一点。让AI扮演一个引导者、提问者的角色，而不是一个答案提供者。
一篇arXiv上的论文对比了标准大语言模型和“教练式”大语言模型。后者不会直接给你答案，而是会像苏格拉底一样不断向你提问，引导你自己去思考。实验发现，这种教练式AI在需要“收敛思维”的任务中，表现明显优于标准AI。
它把你从一个被动的接收者，变成了一个主动的思考者。AI在这里不是你的替代品，而是你的陪练。
基于这些权威的研究，我们可以得出几条非常实用的策略，来最大化AI的创意增益，同时保护我们自己最宝贵的创造力。
根据任务的复杂度，选择不同的AI使用模式。简单任务用“开放模式”，复杂任务用“约束模式”或“教练模式”。
优化人机协作的关系。始终把自己放在主导地位。是你来定义问题，是你来把握方向，AI只是一个辅助你执行和优化的工具。不要把思考的权利完全让渡给机器。
最重要的一点，要刻意保护自己长期的创意能力。这意味着你需要定期进行“无AI训练”。
给自己设定一些时间，完全不使用任何AI工具，只靠自己的大脑去完成创意任务。这就像去健身房锻炼，过程可能很痛苦，但这是保持你大脑“创意肌肉”不萎缩的唯一方法。
大语言模型是一个无与伦比的工具，它蕴含着巨大的能量。但工具本身没有好坏之分，关键在于使用它的人。
它既可以成为你通往更高创造力境界的翅膀，也可能变成一个让你思想懒惰、创意枯竭的温柔乡。
最终的选择权，会始终在我们自己手里吗？
参考资料：
https://www.nature.com/articles/s41599-025-05867-9
https://www.science.org/doi/10.1126/sciadv.adn5290
https://www.sciencedirect.com/science/article/pii/S294988212500091X
https://arxiv.org/html/2410.03703v1
免责声明：本文来自算泥客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。
登录
