挪威卑爾根大學(xué)、斯塔萬格大學(xué)的研究人員在 Scientific Reports 期刊發(fā)表了題為：Best humans still outperform artificial intelligence in a creative divergent thinking task 的研究論文。

該研究指出，ChatGPT等基于大語言模型（LLM）的AI對話機器人在創(chuàng)造性思維任務(wù)上或能超越一般人類，該任務(wù)要求受試者想出日常用品的替代用途（發(fā)散性思維的一個例子）。不過，得分最高的人類受試者依然能超過對話機器人的最佳答案。

發(fā)散性思維通常是指與創(chuàng)造性相關(guān)的一類思維過程，需要為特定任務(wù)想出各種不同創(chuàng)意或?qū)Σ摺０l(fā)散性思維一般通過替代用途任務(wù)（Alternate Uses Task，AUT）進(jìn)行評估，受試者被要求在短時間內(nèi)想出某個日常用品的其他用途，越多越好。受試者的回答從四個類別進(jìn)行打分：流利度、靈活性、原創(chuàng)性和精細(xì)度。

在這項研究中，研究團(tuán)隊讓ChatGPT3、ChatGPT4和Copy.Ai以及人類受試者完成四個物品（繩子、盒子、鉛筆、蠟燭）的替代用途任務(wù)（AUT），并比較了AI和人類的答案。研究團(tuán)隊通過語義距離（回答與物品原始用途的相關(guān)度）和創(chuàng)造性給回答的原創(chuàng)性打分，他們用一個計算方法在0-2的范圍里量化語義距離，同時讓不知道作答者身份的人類打分者在1-5的范圍里客觀評價創(chuàng)造性。

平均而言，AI的回答在語義距離（0.95 vs 0.91）和創(chuàng)造性（2.91 vs 2.47）的得分上顯著高于人類的回答。人類回答在這兩項的得分差距更大——最低分遠(yuǎn)低于AI的回答，但最高分普遍比AI高。最佳人類回答在 8個評分項中的7項都超過了所有對話機器人的最佳回答。

這些結(jié)果表明，當(dāng)前的AI對話機器人想創(chuàng)意的能力至少已與一般人類相當(dāng)。但論文作者也指出，他們只評價了涉及創(chuàng)造性評估的單項任務(wù)的表現(xiàn)。作者認(rèn)為，今后的研究或能探索如何將AI融入創(chuàng)造性過程來提升人類表現(xiàn)。