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

本论文研究了利用人工智能 Enhance 创意生成过程的兴趣，通过使用 GPT-4 探索了不同提示方法对余弦相似性、独特思想数量和思想空间耗尽速度的影响，在大学生开发新产品的领域中发现，由 GPT-4 生成的可行提示的思想池比人类主体生成的思想多样性较小，通过提示工程可以大大提高人工智能生成的思想的多样性，思路链提示对于所有我们评估的提示中的思想多样性最高，并且能够生成任何我们研究过的提示的最大独特思想数量。

Jan, 2024

本文研究探讨了生成 AI 技术中，AI 加入真实数据之后可能会产生回馈循环并导致未来模型的降级和多样性降低的情况，从而产生社会影响。同时，对于如何缓解这种回馈循环以及降低未来技术模型降级的影响也提出了相关问题。

Jun, 2023

人工智能的进展、ChatGPT、信息来源披露、防止吸烟的信息传达和对人工智能的负面态度在影响信息评估和选择方面发挥作用。

Nov, 2023

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

使用大型语言模型（LLM）作为创意支持工具（CST）可能会使用户感到更有创造力，增加每个用户建议的观点范围，但也可能使不同用户的建议观点趋同。通过进行一项 36 位参与者的用户比较研究，我们发现与同一类别的 CST 相比，使用 ChatGPT 的不同用户倾向于提出缺乏语义差异的想法。此外，ChatGPT 用户生成了更多更详细的想法，但对所生成的想法的责任感较低。我们讨论了这些发现对 LLM 基于 CST 的用户、设计师和开发人员可能产生的潜在影响。

Feb, 2024

通过一个领域性的随机控制试验，评估基于大型语言模型的工具在提供无监控支持服务方面的有效性。

Jan, 2024

通过与 AI 算法的交互，本文考虑如何提升人类的创造性思维，并通过心理学任务和实验证明，人类与 AI 在提示方面表现出类似的益处，并且可以通过模拟参与者的群体进行学习。

Nov, 2023

生成人工智能（AI）的崛起引发了对其对失业和市场萧条的潜在影响的担忧。本研究通过考察生成 AI 对产品市场的影响来解决这一问题。出人意料的是，研究结果表明虽然生成 AI 降低了平均价格，但显著提高了订单数量和总收入，这与预期相反。该研究进一步提供了理论经济解释，以阐明这一意外现象。通过提供经验证据，本文驳斥了生成 AI 可能导致市场萧条的观点，反而强调了其促进市场繁荣的潜力。这些发现对从业者、政策制定者和广大 AI 社区具有重要意义。

Nov, 2023

通过引入贝叶斯框架，研究了与生成人工智能合作时可能出现的一种情况：用户可能会获得生产力的提高，但人工智能生成的内容可能无法完全符合他们的偏好。我们揭示了个体决策与人工智能训练之间的相互作用可能导致社会性挑战，输出结果可能变得更加同质化，特别是当人工智能基于人工智能生成的内容进行训练时。解决同质化和偏见问题的方法是改进人工智能与人类的交互，实现个性化输出而不损失生产力。

Sep, 2023