伦敦大学管理学院与埃克塞特大学的研究人员开展的一项最新调查，探讨了生成式AI对于创意写作的影响。此项研究考察了从大语言模型（LLM）处获取故意创意，将对人类撰写敌小说的创造力产生怎样的影响。
调查结果只能说相当微妙。虽然生成式AI支持下的故事拥有更好的创意、吸引力和文字质量，但同时也让故事的最终呈现效果愈发趋同。
衡量生成式AI对于创意写作的影响
此项研究重点关注短篇小说写作。参与者被要求撰写一段敌故事，主题随机分配且长度仅为8句话。
研究人员则根据内容的新颖性和切实性来衡量创造力水平。
所谓新颖性，是指“一种想法偏离现状或者期望的程度”。另一方面，切实性则是指“一个想法的实用性与现实相关度”。对于短篇小说来说，较好切实性意味着故事更适合成为“可出版的产品，比如进一步被扩写成一本书”。
研究人员假设，生成式AI可能通过两种方式影响创意写作。首先，它可以作为“人类思维的跳板，提供潜在的起点，从而形成不同的故事情节「树状结构」或者帮助作者克服写作障碍。”
“如果猜测属实，我们预计生成式AI将帮助人类作者产出更多创造性的文字 成果。”
而另一方面，生成式AI也可能会将作者锚定在某个特定想法之上，“从开始就限制住作者思路的可变性，反而抑制创意写作的自由度。”
“如果是这样，那我们预计生成式AI将令不同故事愈发趋同，而人类作者产出创造性文字成果的可能性反而会降低。”
为了研究舔式AI对于创造力的具体影响，研究人员设计了一项分为两个阶段的在线实验。在第一阶段，293名受试者被要求撰写一篇关于随机主题的短篇故事，总长为8句话。受试者共被分为三组：
纯人类组：该组不会获得生成式AI模型的任何帮助或提示。
人类加单次生成式AI组：该组可以收到 OpenAI GPT-4生成的3句输出。
人类加五次生成式AI组：该组可以向GPT-4求助最多五次，即获取3 x 5句输出结果。
之后，作者先根据新颖性、切实性和各种情感要素对自己的故事进行评估。在第二阶段，600名评估员依据相同的标准对这些故事进行盲评，即不知道作者来自哪个组。
生成式AI有助于增强创造力
研究发现，从生成式AI处获取提示可以提高新颖性与切实度。
研究人员写道：“我们发现与人类作者相比，使用生成式AI能够增加新颖性与切实度的平均水平……”
有趣的是，能够对AI进行五次求助的组有着最明显的进步效果。接触更多思路可以帮助作者摆脱最初的假设，探索更多的创作可能性。
研究还发现，在基准创造力评估中得分较低的作者，往往能够从生成式AI中受益更多。这些作者在使用AI生成的想法时，故事的新颖性与切实度显著提高。研究人员还观察到，在这种情况下，生成式AI充当的是一种均衡器，消除了“基于作者固有创造力所展现的劣势或优势差异”。
也就是说，评估人员发现AI辅助撰写的故事更有趣、文字质量更高，而且更有可能引发曲折离奇的情节走向。
研究人员写道：“使用生成式AI能够让故事更加‘专业’，即超出作者个人能力的极限。”
个人创造力与集体创新
虽然生成式AI增强了个人创造力，但研究人员同时发现，与对照组相比，基于AI生成思路的故事似乎也出现了趋同的迹象。
这一发现引发了人们对于生成式AI被广泛应用之后，创意内容可能发生同质化的担忧。
研究人员写道：“简而言之，两组借助生成式AI思路撰写故事的作者，在一定程度上更依赖于AI呈现给他们的脉络走向。”
研究人员因此警告称，如果作者们过于依赖有限数量的生成式AI模型中相似的提示与思路，“就存在失去集体创新能力的风险”。
“具体来讲，如果出版行业接受到死角客观存在AI启发的故事，那么这些故事总体上的独特性将有所下降，即故事之间的相似度越来越高。简而言之，我们的研究结果表明，尽管生成式AI对于个人的创造力具有增强作用，但如果生成式AI被广泛应用于创意领域，则可能引发总体性的创意衰退。”
随着越来越多的公司开始提供AI驱动的写作工具，部分组织已经在使用大模型规模化产出内容。在这样的背景下，此番研究发现可能具有重要意义。毕竟当网络上充斥着具有相似分布的信息内容后，这些内容又将反过来用于训练下一代语言模型，最终陷入自我增强的僵化循环。
