人类创造力、计算机、人工通用智能、统计表示、当代人工智能系统的研究

Mar, 2024

本研究探讨了创意和人工智能之间的关系，研究了人工智能在艺术创作中的应用，并考虑了人工智能对意识研究、兴趣和决策能力的潜在影响和伦理问题，以刺激人们对人工智能在创意领域中使用和伦理问题的思考。

Jun, 2023

通过在线实验研究，我们得出结论：使用 GenAI 平台获取灵感会导致作品被评定为更具创造力、写作更好、更令人愉快，尤其是在创造力较低的作家中。然而，每个条件内的故事相似性的客观度量揭示出，相比于单独由人类创作的故事，GenAI 生成的故事更加相似。这些结果表明了个人创造力的增加，但同时也存在着过度依赖的潜在后果，可能会导致集体创新的缺失。

Dec, 2023

基于强化学习方法和计算创造力的不同研究流派，本文提出了一个三重引导 - 响应 - 奖励工程框架，以提高生成人工智能（GenAI）的创造能力。该框架包括了引导模型、响应模型和奖励模型，通过开发创造性的引导、生成出令人惊喜和创新性的输出，并结合 AI、创作者 / 管理者和客户的反馈，逐步提高生成人工智能的创造力。

May, 2024

本文提出使用生成式学习技术进行机器创造力自动评估、并在 19 世纪美国诗歌生成中表现出其有效性和表达力的新指标 DeepCreativity。

Jan, 2022

本研究测试了人工智能是否具备创造力，通过比较采用六种生成式人工智能聊天机器人生成的创意和人类生成的创意，研究发现虽然创意的生成方式不同，但是在创意质量方面没有明显的差异，并且有 9.4% 的人比 GPT-4 生成的创意更有创造力。研究表明生成式人工智能可以成为创意创造的有价值助手，持续研究和开发生成式人工智能在创造性任务中的应用具有重要意义，同时也探讨了生成式人工智能是否能够真正具备创造力的问题。

Mar, 2023

本文提出对于计算创造力、人类心理学、人工智能等核心领域的批评和改进，并呼吁将 AI 与其他学科进行对话。

Jun, 2023

通过研究 589 份发表于四本领先心理学期刊的研究论文，我们调查了现代人工智能是否能够模仿专家在复杂科学领域的创造力，并介绍了一种新的方法论，利用 AI 的训练截止日期之后发表的原创研究文章，确保没有事先接触，减轻死记硬背和事先训练的担忧。结果显示，AI 能够擅长理解专业研究、演绎推理以及评估证据与结果之间的一致性，这些是人类专业领域专家和创造力的认知特征。这些发现表明通用人工智能在转变学术界方面的潜力，需要基于知识的创造力的角色越来越容易被技术所替代。

Apr, 2024

人工智能和生成模型对知识工作产生了深远影响，探讨了创造力、原创性、抄袭、归属权等问题。通过文学批评、艺术史和版权法例子，指出创造力和原创性无法被界定为对象的信息熵属性，而是过程、作者或观众的属性。认为创造力最终由创作者和受众共同界定，在人工智能的创造性知识工作中，推动了知识工作从物质生产向批判性融合的转变。提出需更充分认识用户创造性和策展角色的问题，并远离简化的符号或信息熵观点。

Jul, 2023

我们评估了 Open AI 的生成式自然语言模型 GPT-3 在 Guilford 的替代用途测试中的创造力，结果显示人类目前在创造性输出方面表现优于 GPT-3，但我们相信这只是时间问题。

Jun, 2022