"控制是一个轨迹,而非一个点":在人机协同创作中概念化控制
生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作创意协作与反馈系统AI/ML 研究员与工程师HCI 研究员
文献标题
“Control Is a Trajectory, Not a Point”: Conceptualizing Control in Human-AI Co-Creativity
出版信息
- 主题领域: 人工智能与人类在创意过程中的协作
- 关键词: 人机共创, 控制动态, 自主性, 主动性, 权威, 创意摩擦, 信任, 共创系统, MOSAAIC框架, 设计策略
背景与问题
- 问题/挑战: 人机共创中的控制问题研究不足,现有框架未能充分捕捉人类与人工智能之间控制分配的动态性和情境依赖性。
- 重要性: 理解控制动态对设计能够作为平等创意伙伴的人工智能系统至关重要,这需要在增强创造力的同时平衡人类能动性与人工智能自主性,并兼顾伦理和实践考量。
- 动机与相关工作: 先前研究开发了如MOSAAIC等人机共创框架,但缺乏实证验证和领域专家的实践见解。关于如何在共创过程中概念化和分配控制的问题仍未解决。
解决方案
- 提出的方法: 基于专家见解的三层控制概念化(微观、中观、宏观),并结合可操作的共创系统设计策略。
- 创新点:
- 提供领域专家关于人机共创中控制偏好的实证见解。
- 提炼出跨越三个相互关联层次的控制概念化:微观(能力)、中观(交互动态)和宏观(情境因素)。
- 提出可操作的设计指南以实现共创系统中的控制。
- 过程与关键技术:
- 系统性文献回顾以识别MOSAAIC框架作为理论探针。
- 组织了由9名HCI、AI和共创领域专家组成的半结构化焦点小组。
- 使用主题分析和注释视觉分析(AVA)对设计任务和讨论的定性数据进行分析。
- 将研究结果综合为主题,并提出概念模型和设计策略。
结果
- 具体发现:
- 专家认为控制是动态的,会随着创意阶段的变化而演变,并受到信任、情境和用户偏好的影响。
- 参与者强调在特定情境下平衡自主性、主动性和权威的重要性,同时倾向于人类监督与人工智能自主性的结合。
- 创意摩擦和反馈循环被认为是增强共创的有效机制。
- 相较基线的优势:
- 该研究通过将抽象的控制概念与实证见解相结合,弥合了理论与实践之间的差距,提供了一个细致且可操作的框架。
- 实验/评估:
- 通过包括设计任务和半结构化讨论的焦点小组研究,涉及9名专家。
- 分析结果提炼出9个主题,分为三个类别:协商控制、构建控制和展望控制。
- 局限性与未来工作:
- 样本规模和多样性有限;未来研究应包括创意从业者以及更大、更具多样性的群体。
- 研究结果受MOSAAIC框架的影响;探索其他模型可能会带来更多见解。
- 概念模型缺乏对控制层次间转变的细化操作定义;未来研究应调查实时交互中的具体表现。
总结
本文探讨了人机共创中的控制动态,揭示控制是动态的、情境依赖的,并随着创意阶段的变化而演变。以MOSAAIC框架为探针,作者通过领域专家焦点小组研究,提出了三层控制概念化(微观、中观、宏观)和可操作的设计策略。关键发现包括平衡自主性、主动性和权威的重要性,利用创意摩擦,以及嵌入信任和评估的反馈循环。该研究弥合了文献中的理论与实践差距,为设计适应性强、以人为中心的共创人工智能系统提供了基础性见解。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 83%
偏好引导的提示优化用于文生图生成
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 83%
与生成式AI合作:模型主导和人类主导交互在人机共创中的实验评估
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 83%
语义网络与人工创造力中的创意原创性相关联吗?与人类智能体的比较研究
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 80%
创造性的合作?用户对AI创造力的误判影响他们的合作表现
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 80%
寻找对话:一种为自然对话内容评分文档的方法
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 80%
流动变换器与创造性类比:探索大型语言模型增强跨领域类比创造力的能力
C&C '23· 生成式AI(文本、图像、音乐、视频) +1
- 67%
我主导,你帮忙但只需提供足够的细节:理解与人工智能共同创作的用户体验
CHI '18· 生成式AI(文本、图像、音乐、视频) +2
- 67%
共同思考,更好地工作:结合人类和大语言模型的思维 aloud 结果进行有效的文本评估
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 67%
提示词写作中的满足倾向与最大化倾向:人机交互中的特质与任务效应
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 67%
利用AI驱动的建议生成辅助增强同行评审:设计动态研究
IUI '24· 生成式AI(文本、图像、音乐、视频) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790861
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作、创意协作与反馈系统
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文