為什么用AI搞創作時，適度才是關鍵？新研究認為用得太少或太多都會卡住你的腦子

“米沙的父母正在他們的鄉間別墅里為女兒舉辦訂婚派對。她舉杯祝酒時，酒杯從手中滑落，暴露了杯柄里嵌著的一件東西——一張微型記憶卡。這一發現揭開了一樁塵封數十載、涉及她自家人的腐敗丑聞，迫使她在正義與忠誠之間做出選擇。”

我得說，這想法還不錯。我剛剛讓ChatGPT根據一個創意寫作提示——“當看到玻璃杯在地上摔碎時，她的臉僵住了，眼睛卻睜得老大”——生成了幾個電影概念，這是它給出的比較像樣的建議之一。我的目標是在三十分鐘內搭出一個簡短的劇情大綱。

不，我并沒有進軍好萊塢的雄心壯志。我真正想驗證的，是黃宣策（音譯）在加拿大不列顛哥倫比亞大學讀博期間發表的一篇新論文中的發現。網上關于算法會不會替代人類腦力勞動這事已經吵翻了天，但黃宣策想搞清楚的是，人工智能到底能不能增強我們自身的創造力。而答案，取決于我們用了多少。用得太少或太多，我們的思維都會受損。不過，在“金鳳花宜居帶”里，它剛好能激發出我們自己可能怎么都想不到的新點子，同時讓我們對親手搞出來的作品保持一種踏實的滿足感。

遺憾的是，我不太可能靠這個實驗搞出下一部票房大片，但它確實幫我把關于創造力本質的一些想法理清楚了。

先說說背后的理論。黃宣策的假設基于這么一個事實：人類的創造力經常被我們自身的經驗所局限。我們腦子里都裝著一些既定的假設，這些假設會把我們的想法往一個方向拽，所以聽聽不同的世界觀往往很有用。有證據表明，這就是為什么團隊比單打獨斗更容易產生創意。但人工智能同樣可以成為獲取不同視角的工具。

當然，這項技術也有它的天花板。大語言模型歸根結底是統計工具，給出的回答通常是一種“平均回答”，缺乏人腦那種驚人的特異性，而且它們還常常從訓練數據里吸收偏見和歧視。更要命的是，它們可能削弱我們自己的勝任感，讓人變成一種懶得動彈的狀態。

出于這些原因，黃宣策推測適度是關鍵。他認為，就像金鳳花姑娘必須找到那碗既不燙嘴也不涼牙的粥一樣，我們需要找到一個“剛剛好”的中間程度。他通過一系列實驗對這個想法進行了評估。

第一個實驗是一場創造力經典測試。研究邀請了大約一百五十名參與者，讓他們幫一個叫邁克的學生出主意：怎么用區區十美元啟動資金搞一門臨時生意。實驗鼓勵參與者先多想幾個點子，再給邁克寫封郵件，詳細闡述他們認為最佳的方案。

在這個過程里，有些參與者能得到一個基于GPT-3技術的人工智能助手幫忙。研究員們設定好了三種不同程度的AI輔助。第一組能直接收到一個由AI生成的、打理得很好的長答案，里面幾乎包含了所有關鍵信息，稍微整理一下就能直接用。第二組會收到一個簡短許多、只有三句話的建議，更像一個引子，需要自己去完善。第三組則壓根沒有AI參與幫忙。

接著，獨立評審團從想法的新穎性、可行性以及這封推銷郵件的寫作質量三個維度，對大家最后的成果進行盲評打分。雖然我注意到這個實驗的樣本量不大，但結果的走向相當明顯。拿到那個超詳細長答案的小組，也就是AI參與度最高的那一組，表現最差。而只拿到三句話簡短提示的那組，成績顯著優于其他所有人，包括那個完全沒靠AI的組。

黃宣策后來的實驗進一步強化了這個結論。他讓大約三百名參與者列出蜜蜂的創造性用途——這又是一項經典的發散思維測試。比起沒有AI輔助的情況，得到簡短的AI生成提示的人顯得更有創造力。但是，當直接給出一份長長的AI生成答案時，情況就不一樣了。隨后的一項研究還調查了學生運用AI來完成一次創意營銷挑戰的狀況。結果是，接到個性化AI回饋和簡短提點的學生在原創性和可行性上勝出。而直接被喂最終答案的人，從某種程度上說不僅得分低，他們自己對自己的能力認知也隨著任務推進而下降了。

現在你應該可以看出來問題出在哪了。如果完全不用AI，你就失去了聽到不同聲音的機會。但如果用得太狠，你的腦子可能就干脆直接停機了，讓你對自己掌控局面的能力產生懷疑。

那么，這些發現對于像我這樣沒受過編劇訓練的普通人，嘗試借助機器搗鼓一部電影創意來說，究竟意味著什么呢？我決定走前面那個實驗里效果最佳的路徑：用AI生成簡短的提示，而不是直接索要完整的故事。

我先用一個更寬泛的問題開場。我告訴ChatGPT，我想為一個半小時內可完成的概念短片寫個大綱，并給了它我的核心創作提示。ChatGPT給出的其中一個建議，就是開頭那段關于訂婚派對和記憶卡的故事。這條線讓我產生了一點興趣——但我不想讓AI直接把大綱吐出來，那樣就變成前面實驗里直接要長答案的最差小組了。我轉而要求它——就當是個測試——為這個概念針對性地生成四個簡短的三句話故事提示，從而推動情節發展。

它給了以下這些東西：

1. 接下來的早晨，米沙發現母親的行為發生了變化——像是在避開某些話題——并且發現派對策劃人是個舊相識，在家族企業里曾擔任要職。

2. 米沙偷偷碰見了她父親和幾位叔叔的一場爭吵，爭吵里提到了一筆海外的秘密資產，還有一份“失蹤”的審計報告，似乎暗示著記憶卡里的內容和這件事有關。

3. 米沙把記憶卡交給一位她信得過的調查記者朋友，結果卻收到警告稱，這份數據不僅牽連她家，更會把更多無辜的人拖下水。

4. 米沙必須決定，是在訂婚消息公開前直面自己的父母，還是保持沉默直到婚禮之后，而她心里清楚，每多等一天，證據就可能被人滅掉。

這些提示，不過分，也給得不少，就像拿到三句話提示的參與者一樣，剛好合適。它們給了我足夠的支撐去展開想象，卻沒替我做完所有的工作。此刻，故事已經開始在腦子里自動跑起來了，那條記憶卡里會藏著什么呢？

我并不想真的去寫那個電影劇本，也不想讓AI來幫我寫完。但實驗做到這一步，我已經體會到了那篇論文所描述的狀態：一種恰到好處的掌控感，加上一點點讓人舒服的靈感啟發。我的提議可能連好萊塢的門都摸不著，但這不重要。

黃宣策曾這么跟我解釋過這背后的認知機制。當AI給我們提供那些高濃縮的核心概念時，它能幫我們突破自己固化的思維模式，讓我們的注意力發散到更開放的空間里去。但是，如果工具把每一步都安排得明明白白，我們的大腦就自動切換到了被動驗證模式，不再主動生成想法，反而是忙著檢查現有答案靠不靠譜。他提醒我，別忘了大語言模型的本質是一個預測機器，給出的答案往往就是最套路化的那一種。這正是他研究中發現用AI輔助卻導致作品更平庸的根本原因。

那么，我剩下這十五分鐘該拿這些素材怎么辦？我讓自己試著重寫那個開頭段落，悄悄換掉一些設定——不是訂婚派對，而是家族葬禮。不是記憶卡，是從已故祖父舊懷表里掉出一把陌生的銀行保險柜鑰匙。我控制著，讓自己只從AI那借用最初的基因，剩下的全交給自己的腦子去組合。這一通折騰下來，我發現AI在我手里更像一個能跟你來回拋球的陪練，而不是一臺賣給你現成罐頭的自動售貨機。

黃宣策的另一項有關電子頭腦風暴的研究也觀察到了類似的效應。他和同事招募了兩百五十六名參與者，給他們的任務是想出能幫助大學生多吃蔬菜的方法。結果顯示，用AI快速輪番提示腦暴的那一組，比只靠自己慢悠悠想的人，產出的想法量多了一截。但是，那些過度依賴AI、直接讓模型吐完整列表的人，最終反而沒提出什么真正有突破性的東西。

這些實驗湊在一起，講了一個很微妙的事。我們不應該把AI當成一個會直接給你遞上標準答案的供應商，而應該把它當成一個能幫你撬開大腦里那些銹住的觀念開關的助手。在故事構思試驗的最后，我忍不住順著這個思路多想了一點：如果人類創造力真的那么珍貴，那它的成本是不是被我們低估了？

黃宣策在和我溝通時反復強調了一點。他認為，人類創造者擁有的，不僅僅是產生新組合的能力。除了一時的靈感閃現，那種作品里攜帶的深刻情感、親身經歷以及那種無法被任何統計模型預測的生命痕跡，才是讓創作真正動人的東西。機器可以模擬情節的起承轉合，但它沒有辦法真的理解“正義與忠誠”之間的那種痛苦，因為機器從沒在任何一段具體的關系里受過傷。

所以，下次當你打算用AI寫點什么，畫點什么，或者構思點什么方案時，也許可以試著別一上來就管它要答案。管它要個方向就好。很短的那種。剩下的路，得靠你自己的腳印去踩出來。這樣搞出來的東西，也許不夠完美，但它至少完全屬于你。而在一個人人都能靠機器快速拼湊出東西的時代，這種對作品真實而私人的掌控感，或許恰恰是最后的稀缺品。