为什么用AI搞创作时，适度才是关键？新研究认为用得太少或太多都会卡住你的脑子

“米沙的父母正在他们的乡间别墅里为女儿举办订婚派对。她举杯祝酒时，酒杯从手中滑落，暴露了杯柄里嵌着的一件东西——一张微型记忆卡。这一发现揭开了一桩尘封数十载、涉及她自家人的腐败丑闻，迫使她在正义与忠诚之间做出选择。”

我得说，这想法还不错。我刚刚让ChatGPT根据一个创意写作提示——“当看到玻璃杯在地上摔碎时，她的脸僵住了，眼睛却睁得老大”——生成了几个电影概念，这是它给出的比较像样的建议之一。我的目标是在三十分钟内搭出一个简短的剧情大纲。

不，我并没有进军好莱坞的雄心壮志。我真正想验证的，是黄宣策（音译）在加拿大不列颠哥伦比亚大学读博期间发表的一篇新论文中的发现。网上关于算法会不会替代人类脑力劳动这事已经吵翻了天，但黄宣策想搞清楚的是，人工智能到底能不能增强我们自身的创造力。而答案，取决于我们用了多少。用得太少或太多，我们的思维都会受损。不过，在“金凤花宜居带”里，它刚好能激发出我们自己可能怎么都想不到的新点子，同时让我们对亲手搞出来的作品保持一种踏实的满足感。

遗憾的是，我不太可能靠这个实验搞出下一部票房大片，但它确实帮我把关于创造力本质的一些想法理清楚了。

先说说背后的理论。黄宣策的假设基于这么一个事实：人类的创造力经常被我们自身的经验所局限。我们脑子里都装着一些既定的假设，这些假设会把我们的想法往一个方向拽，所以听听不同的世界观往往很有用。有证据表明，这就是为什么团队比单打独斗更容易产生创意。但人工智能同样可以成为获取不同视角的工具。

当然，这项技术也有它的天花板。大语言模型归根结底是统计工具，给出的回答通常是一种“平均回答”，缺乏人脑那种惊人的特异性，而且它们还常常从训练数据里吸收偏见和歧视。更要命的是，它们可能削弱我们自己的胜任感，让人变成一种懒得动弹的状态。

出于这些原因，黄宣策推测适度是关键。他认为，就像金凤花姑娘必须找到那碗既不烫嘴也不凉牙的粥一样，我们需要找到一个“刚刚好”的中间程度。他通过一系列实验对这个想法进行了评估。

第一个实验是一场创造力经典测试。研究邀请了大约一百五十名参与者，让他们帮一个叫迈克的学生出主意：怎么用区区十美元启动资金搞一门临时生意。实验鼓励参与者先多想几个点子，再给迈克写封邮件，详细阐述他们认为最佳的方案。

在这个过程里，有些参与者能得到一个基于GPT-3技术的人工智能助手帮忙。研究员们设定好了三种不同程度的AI辅助。第一组能直接收到一个由AI生成的、打理得很好的长答案，里面几乎包含了所有关键信息，稍微整理一下就能直接用。第二组会收到一个简短许多、只有三句话的建议，更像一个引子，需要自己去完善。第三组则压根没有AI参与帮忙。

接着，独立评审团从想法的新颖性、可行性以及这封推销邮件的写作质量三个维度，对大家最后的成果进行盲评打分。虽然我注意到这个实验的样本量不大，但结果的走向相当明显。拿到那个超详细长答案的小组，也就是AI参与度最高的那一组，表现最差。而只拿到三句话简短提示的那组，成绩显著优于其他所有人，包括那个完全没靠AI的组。

黄宣策后来的实验进一步强化了这个结论。他让大约三百名参与者列出蜜蜂的创造性用途——这又是一项经典的发散思维测试。比起没有AI辅助的情况，得到简短的AI生成提示的人显得更有创造力。但是，当直接给出一份长长的AI生成答案时，情况就不一样了。随后的一项研究还调查了学生运用AI来完成一次创意营销挑战的状况。结果是，接到个性化AI回馈和简短提点的学生在原创性和可行性上胜出。而直接被喂最终答案的人，从某种程度上说不仅得分低，他们自己对自己的能力认知也随着任务推进而下降了。

现在你应该可以看出来问题出在哪了。如果完全不用AI，你就失去了听到不同声音的机会。但如果用得太狠，你的脑子可能就干脆直接停机了，让你对自己掌控局面的能力产生怀疑。

那么，这些发现对于像我这样没受过编剧训练的普通人，尝试借助机器捣鼓一部电影创意来说，究竟意味着什么呢？我决定走前面那个实验里效果最佳的路径：用AI生成简短的提示，而不是直接索要完整的故事。

我先用一个更宽泛的问题开场。我告诉ChatGPT，我想为一个半小时内可完成的概念短片写个大纲，并给了它我的核心创作提示。ChatGPT给出的其中一个建议，就是开头那段关于订婚派对和记忆卡的故事。这条线让我产生了一点兴趣——但我不想让AI直接把大纲吐出来，那样就变成前面实验里直接要长答案的最差小组了。我转而要求它——就当是个测试——为这个概念针对性地生成四个简短的三句话故事提示，从而推动情节发展。

它给了以下这些东西：

1. 接下来的早晨，米沙发现母亲的行为发生了变化——像是在避开某些话题——并且发现派对策划人是个旧相识，在家族企业里曾担任要职。

2. 米沙偷偷碰见了她父亲和几位叔叔的一场争吵，争吵里提到了一笔海外的秘密资产，还有一份“失踪”的审计报告，似乎暗示着记忆卡里的内容和这件事有关。

3. 米沙把记忆卡交给一位她信得过的调查记者朋友，结果却收到警告称，这份数据不仅牵连她家，更会把更多无辜的人拖下水。

4. 米沙必须决定，是在订婚消息公开前直面自己的父母，还是保持沉默直到婚礼之后，而她心里清楚，每多等一天，证据就可能被人灭掉。

这些提示，不过分，也给得不少，就像拿到三句话提示的参与者一样，刚好合适。它们给了我足够的支撑去展开想象，却没替我做完所有的工作。此刻，故事已经开始在脑子里自动跑起来了，那条记忆卡里会藏着什么呢？

我并不想真的去写那个电影剧本，也不想让AI来帮我写完。但实验做到这一步，我已经体会到了那篇论文所描述的状态：一种恰到好处的掌控感，加上一点点让人舒服的灵感启发。我的提议可能连好莱坞的门都摸不着，但这不重要。

黄宣策曾这么跟我解释过这背后的认知机制。当AI给我们提供那些高浓缩的核心概念时，它能帮我们突破自己固化的思维模式，让我们的注意力发散到更开放的空间里去。但是，如果工具把每一步都安排得明明白白，我们的大脑就自动切换到了被动验证模式，不再主动生成想法，反而是忙着检查现有答案靠不靠谱。他提醒我，别忘了大语言模型的本质是一个预测机器，给出的答案往往就是最套路化的那一种。这正是他研究中发现用AI辅助却导致作品更平庸的根本原因。

那么，我剩下这十五分钟该拿这些素材怎么办？我让自己试着重写那个开头段落，悄悄换掉一些设定——不是订婚派对，而是家族葬礼。不是记忆卡，是从已故祖父旧怀表里掉出一把陌生的银行保险柜钥匙。我控制着，让自己只从AI那借用最初的基因，剩下的全交给自己的脑子去组合。这一通折腾下来，我发现AI在我手里更像一个能跟你来回抛球的陪练，而不是一台卖给你现成罐头的自动售货机。

黄宣策的另一项有关电子头脑风暴的研究也观察到了类似的效应。他和同事招募了两百五十六名参与者，给他们的任务是想出能帮助大学生多吃蔬菜的方法。结果显示，用AI快速轮番提示脑暴的那一组，比只靠自己慢悠悠想的人，产出的想法量多了一截。但是，那些过度依赖AI、直接让模型吐完整列表的人，最终反而没提出什么真正有突破性的东西。

这些实验凑在一起，讲了一个很微妙的事。我们不应该把AI当成一个会直接给你递上标准答案的供应商，而应该把它当成一个能帮你撬开大脑里那些锈住的观念开关的助手。在故事构思试验的最后，我忍不住顺着这个思路多想了一点：如果人类创造力真的那么珍贵，那它的成本是不是被我们低估了？

黄宣策在和我沟通时反复强调了一点。他认为，人类创造者拥有的，不仅仅是产生新组合的能力。除了一时的灵感闪现，那种作品里携带的深刻情感、亲身经历以及那种无法被任何统计模型预测的生命痕迹，才是让创作真正动人的东西。机器可以模拟情节的起承转合，但它没有办法真的理解“正义与忠诚”之间的那种痛苦，因为机器从没在任何一段具体的关系里受过伤。

所以，下次当你打算用AI写点什么，画点什么，或者构思点什么方案时，也许可以试着别一上来就管它要答案。管它要个方向就好。很短的那种。剩下的路，得靠你自己的脚印去踩出来。这样搞出来的东西，也许不够完美，但它至少完全属于你。而在一个人人都能靠机器快速拼凑出东西的时代，这种对作品真实而私人的掌控感，或许恰恰是最后的稀缺品。