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

文献标题

Are Semantic Networks Associated with Idea Originality in Artificial Creativity? A Comparison with Human Agents

出版信息

• 主题领域: 人工创造力及其与人类创造力的比较。
• 关键词: 人工创造力、语义网络、创意原创性、ChatGPT-4o、人类创造力、发散性思维、创造力支持工具、认知过程、大型语言模型、人机交互。

背景与问题

• 问题/挑战: 人工创造力的机制尚不清楚，尤其是大型语言模型（LLMs）中语义网络结构与创意原创性之间的关系。以往研究多集中于以产品为导向的创造力定义，而忽视了创造力产生的过程。
• 意义: 理解人工创造力对于设计有效的创造力支持工具（CSTs）以及确保人机在创造性任务中的有效协作至关重要。
• 动机与相关研究: 以往关于人类与机器创造力的比较研究结果矛盾，机器在某些发散性思维任务中表现优于人类。然而，这些研究通常缺乏方法论的严谨性，并未解释创造性输出背后的过程。本文基于心理学的创造力理论和语义记忆网络，系统研究人工创造力。

解决方案

• 提出的研究方法: 本研究探讨了语义网络灵活性与创意原创性之间的关联，并比较了ChatGPT-4o与高创造力人群（HCH）和低创造力人群（LCH）的表现。
• 创新点:
  1. 首次提供语义网络与人工创造力中创意原创性之间关联的实证证据。
  2. 比较ChatGPT-4o与人类参与者的语义网络结构。
  3. 提出基于心理学构念研究人工创造力的方法论框架。
• 研究流程与关键技术:
  • 人类样本：81名心理学专业学生，根据原创性得分中位数分为高创造力组（HCH）和低创造力组（LCH）。
  • 机器样本：通过ChatGPT-4o的聊天界面收集其响应。
  • 任务：语言流畅性测试、自由联想任务和替代用途任务（AUT）。
  • 使用图论构建语义网络，并分析其结构（ASPL、CC、Q）和渗透性（R）指标。
  • 通过专家评分评估原创性，包括总产出和最高原创性峰值。

研究结果

• 具体发现:
  • 在AUT任务中，ChatGPT-4o的原创性低于HCH，但高于LCH。
  • ChatGPT-4o的语义网络比两组人类参与者更僵化且分离。
  • HCH的语义网络最灵活且互联性最强，其次是LCH，而ChatGPT-4o的灵活性最低。
• 相较基线的优势:
  • 尽管语义网络灵活性较低，ChatGPT-4o在创意原创性上仍优于LCH。
  • HCH在原创性和网络灵活性方面始终优于ChatGPT-4o。
• 实验/评估:
  • 统计分析包括ANOVA、线性混合模型和渗透性测试。
  • 指标：原创性得分、语义网络测量（ASPL、CC、Q、R）。
  • 结果验证了原创性预期模式，但揭示了ChatGPT-4o语义网络的意外僵化性。
• 局限性与未来工作:
  • 人类样本局限于心理学学生，且仅使用单一LLM（ChatGPT-4o）。
  • ChatGPT-4o的“黑箱”特性限制了超参数的操控。
  • 未来研究应探索其他创造力测量方法、生态任务以及模型超参数对创造性表现的影响。

总结

本研究首次提供了语义网络与人工创造力中创意原创性之间关联的实证证据，比较了ChatGPT-4o与高低创造力人群的表现。结果显示，虽然ChatGPT-4o的原创性低于高创造力人群，但其表现优于低创造力人群，尽管其语义网络较为僵化。这些发现揭示了人工创造力的复杂性，表明超参数和动机因素可能弥补结构性限制。本文为研究人工创造力和设计创造力支持工具提供了方法论和操作性见解，并强调需要进一步研究多样化模型、任务和创造力构念。