人工智慧與創意的碰撞：AI能否真正創新?
目錄
＠創造力分類理論
@ 1. 組合創造力（Combinational Creativity）
@ 2. 探索創造力（Exploratory Creativity）
@ 3. 轉變創造力（Transformational Creativity）
@AI是否具備創意?
@ 1. 組合創造力（Combinational Creativity）
@ 2. 探索創造力（Exploratory Creativity）
@ 3. 轉變創造力（Transformational Creativity）
@AI生成與人類創作的區別
@結論在當今AI科技飛速發展的時代，「AI人工智慧是否有創造力」的議題成為一個熱門話題。
人工智慧經過多年的起伏發展，至今開始能夠產生出對一般人有意義的作品。並且使得大家創作的門檻降低。即使是平時被認定為沒有什麼美感、沒什麼創意能力的人，也有機會能夠產生像專業人士一樣的內容。
同時，AI的發展也加快了人們各種作品的產出，加速了創作的過程。對於原本就被認為具備創意的人來說，結合生成AI技術，可以幫助他們以比以前更快的速度創作出優質的內容。
此外，AI的發展同時也改變了大家對作品欣賞與評鑑的角度。以當今2024年的現在來說，使用生成式AI進行創作的人已經不再罕見。我們也會因為該作品是否為AI所做的，而改變對它的評價。對於同樣一件作品，我們起先給它很高的評價，一旦我們被告知該作品是AI產生的而非真人製作時，我們又傾向於調低對該作品的評價。
目前的AI乍看之下，本身似乎擁有創造力，有些透過AI所產生的作品甚至能夠媲美人類的創作，並且還曾經有AI作品獲得獎項的記錄，這樣的現象可以說是史上首見。然而，一些專家卻認為，AI只是根據預設的演算法和訓練的數據進行操作，缺乏真正的創造能力。本文將試著討論這個議題。
創造力分類理論
「創造力」是指能夠提出「新穎、驚人的且有價值想法」的能力。這些想法可以是概念、詩意的形象、科學理論，甚至是一種特定的形式。創造力存在於生活的各個領域，不僅僅是藝術、科學或商業。
英國認知科學家瑪格麗特·博登（Margaret Boden），著有「The Philosophy of Artificial Intelligence」等書。她在「How Creativity Works」提出創造力可以分為「組合創造力」、「探索創造力」與「轉變創造力」三個主要類型：
1. 組合創造力（Combinational Creativity）
這種創造力是指藉由將已經存在的概念、想法或物品，重進行新的組合來產生出不尋常的、或令人驚訝的想法組合而生的創新結果。
舉例來說，在創作音樂時，將不同風格的音樂元素（例如：古典音樂旋律加上搖滾的節奏與唱腔）結合在一起創作出新的曲風。或這是在日常生活中常見的視覺拼貼（在MV影片中經常出現，將不同的圖像進行不尋常的組合，創造出新的視覺效果）、詩意形象（透過將看似無關的概念將詩歌中的許多形象結合在一起）、類比（在文字、視覺或音樂中將不同領域的想法進行對比，產生新的解讀）甚至於報紙雜誌中的四格政治漫畫等等。都是這種創造力發揮的結果。
2. 探索創造力（Exploratory Creativity）
探索創造力是利用現有的風格規則或慣例來生成新的結構（想法），這些結構的可能性在探索之前可能未曾被實現。這種創造力通常涉及探索和測試特定風格的極限。
探索創造力可以產生出非常有價值的結構或想法，大多數的藝術家和科學家，將大部分的工作時間花在探索創造力上，卻只有僅少數的人超越這種創造力。
十九世紀的印象派繪畫，如莫內的作品，是探索創造力的典型例子。這些作品雖然在已知風格內進行創新，但仍然具有高度的創造性和價值。
3. 轉變創造力（Transformational Creativity）
轉變創造力，是指徹徹底底的改變或打破現有概念或規則框架，而創造出一種全新的角度或架構或具有顛覆性的新理論或技術。有時候這種創新，要經過很多年，才能被重視。例如：
- Arnold Schoenberg 改變音樂風格：藉由取消西方音樂中的主音調的限制，創造了無調性音樂，這是一個改變音樂風格的根本性變化。
- 畢加索的立體主義畫作《亞維儂少女》：這些畫作最初甚至遭到他藝術圈親密朋友們的拒絕。畢加索將該作品隱藏在工作室中好幾年，但後來卻被讚譽為突破性的創新。
- Friedrich von Kekule 化學分子的結構發現：化學家弗里德里希·馮·克庫勒（Friedrich von Kekule）藉著將化學分子的結構從開放鏈轉變為閉合環來發現苯的結構。
AI是否具備創意?
1. 組合創造力（Combinational Creativity）
組合創造力帶來的驚喜源自於兩個或多個想法的結合。這些在表面上看似無關的想法，再經過進一步思考後，發現它們之間存在緊密的關聯性。這種驚喜既是由於這種「想法的結合」並不常見，也正因為這些組合而產生了新的、富有意義的解釋。
人類如何具備這能力？
我們如果想要促進組合創造力的話，文中建議的方法有下面幾項：
- 擴充概念的多樣性：
增加個人大腦中的概念多樣性，是增進組合創造力的一種方法。人們可以多多培養不同的興趣，並且參加各種不同的活動，或者是到國外去接觸多種不同的文化洗禮。這樣子做能夠擴充個人腦中的「概念庫存」，進而能夠產生出驚人的新的組合。
- 練習概念混合：
培養將不熟悉的概念「混合」在一起的習慣。例如，老師給孩子提供兩個或更多不同領域的想法，並要求他們將這些想法編寫為一個故事或句子。這種練習能夠激發他們的創造力。
- 評估結果：
學會評估組合的結果，用來挑選出更有趣的組合。這個技能涉及到學會比較和對比新聯結的想法，並透過現有的創造力例子來啟發新的想法。
AI是否具備這能力？
AI在組合創造力方面表現不錯。就像人類可以培養多種興趣，並參加不同的活動，以增加大腦中的「概念庫存」；AI則是透過「機器學習」和「深度學習」分析大量學習數據，並從中提取元素進行新穎的組合。
從理論上講，電腦程式可以生成大量的新穎組合，並透過類似於人類聯想記憶的功能來實現。Margaret Boden 並在文中提到電腦可以生成簡單笑話的例子，顯示了AI發揮組合創造力的潛力。
更多的例子例如，AI可以學習數千幅藝術作品，創作出具有新風格的藝術作品。在音樂創作方面，AI也能將不同風格的音樂元素結合，生成新的樂曲。
儘管AI可以生成大量的新穎組合，創造出令人驚艷的作品，但這些創作仍然基於已有數據的重新組合，它的價值仍需要人類來判斷。而非真正意義上的原創。
2. 探索創造力（Exploratory Creativity）
探索創造力是基於現有風格進行創新的過程。它藉由測試和調整風格的極限來產生新的、有價值的結構或想法。這種創造力在藝術和科學領域中都很常見，並且需要專業訓練和個人紀律來培養和發展。
人類如何具備這能力？
我們如果想要增進探索創造力的話，建議可以使用下面幾項方法：
- 專業訓練：
培養探索創造力需要長期的經驗和專業訓練。學習如何測試和調整風格可能需要多年時間，例如學習混合油畫顏料、演奏鍵盤或合成化學分子。
- 個人紀律：
創造力涉及個人紀律，有時可能需要多年來學習和練習，最終使風格變得熟悉，並能夠毫不費力地進行探索。
- 測試風格極限：
有時可以稍作修改或調整風格的某些規則、慣例或約束，進而產生新的想法。
AI是否具備這能力？
在探索創造力方面，AI可以透過在既定規則內進行大量試驗和探索，發現新的模式和解決方案。
例如，作曲家David Cope在1980年代寫了一個程式，能夠生成出非常逼真非常類似各種著名作曲家的仿製品。在音樂會上由真人音樂家演奏這些作品時，經常能夠「愚弄」大眾，甚至可以騙倒最優秀的音樂專家。
另一個例子是一個基於Frank Lloyd Wright的Prairie House風格的建築程式，該程式設計出了40多棟他自己設計的房子，此外還有一些新設計，明顯屬於同一風格，但之前從未見過。
AlphaGo在圍棋比賽中顯示出AI在策略遊戲中的探索創造力，透過分析並探索無數可能的棋步，找到最佳的下法。
可見，AI在這些方面表現出色，尤其是在複雜的系統和數據分析中。儘管這些例子顯示出AI在探索創造力方面的潛力，但它仍存在一些限制。
例如，這些創造力是否「真正」創新是一個哲學問題。許多人認為真正的創造力應該歸功於程式的設計者，而不是電腦本身。而且這種創造力仍局限於既定的規則和框架內，AI無法自行突破這些限制來進行更高層次的創新。
3. 轉變創造力（Transformational Creativity）
轉變創造力要求對現有規則和概念進行的根本上的改變，增添或刪除某些面向，進而生成前所未有的結構。這種創造力不僅已經超出了單純「探索」風格的範疇，而是對風格進行了更深一層次的改變 。
人類如何具備這能力？
這種創造力在人類的歷史上實屬罕見，但藉由這種創造力產生的作品，經常讓大眾感受到「不可思議」的驚喜，而且這些作品通常被賦予很高的評價。
如果想要藉由更深層的改變，創造出之前被認為是不可能的結構。想要培養這種轉變創造的能力，建議使用下面幾項方法：
例如：提供許多的範例，讓個人思考哪些面向可以被改變以及如何改變，進而鼓勵轉變創造力 。或者是鼓勵個人評估自己的新想法，了解轉變創造力的性質和價值 。以及鼓勵創造者以能夠幫助他人理解和接受其想法的方式呈現其創新。
AI是否具備這能力？
對於人類來說實屬罕見的創造力，對AI來說是否就可以駕輕就熟？Margaret Boden 在她發表的文章中也探討了AI是否具備這種轉變創造力。
她發現，有一些程式（例如，遺傳算法的程式）能夠以不可預測的方式進行隨機變化，而改變自己本身的規則，進一步生成之前無法生成的結構。可以說這些程式在「一定程度上」展現了轉變創造力的潛力。儘管如此，這些程式所生成新的結構是否具有價值仍然是個問題。
實際上，許多由電腦生成的聯想對我們人類來說可能欠缺價值。甚至於有人認為，即使是這些程式進化了，真正的新穎性也不一定可以獲得，因為AI的運作是基於既有數據和演算法，每個由電腦運算生成的結構必須在程式演算法本身定義的可能性範圍之內，缺乏對自身操作的反思能力和對新概念的創建能力。
因此，在轉變創造力方面，這種創造力需要對現有知識體系的深刻理解和突破，以目前AI的發展來說，一樣是難以達到的領域。
AI生成與人類創作的區別
瑪格麗特·波登的創造力分類顯示，AI在組合創造力和探索創造力方面表現較為出色，但在轉變創造力方面則仍顯不足。
AI可以透過分析和組合數據資料來產生新的結果，但這些結果通常在既定的框架內。「創作」是人類情感和思想反映的創造力行為，而AI即使能生成不同結果，也僅基於數據的隨機性，缺乏個人情感和故事的投入。
然而，真正的創意不僅僅是新而有價值的結果，更重要的是其背後的情感、理解和意圖。人類的創作包含個人的情感、思想和故事，這些都是AI無法真正具備的。AI雖然可以模仿創意，但卻少了人類創作中的情感和意義。
因此，我們若「單純的輸入prompt指令」讓AI生成文章或圖像不能稱之為「創作」。但若是在創作過程中，使用prompt指令讓生成AI結果。並且不斷的「反覆測試」結果、並改進prompt指令，或在自己創作的基礎上，透過AI進行補充和修正，藉此產生對個人思想和情感更好的表達方式。這樣子我們可以視之為創作。
結論
從瑪格麗特·波登的創造力分類理論來看，AI的確在某些方面表現出色，尤其是在組合創造力和探索創造力方面展現出潛力。
儘管如此，仍存在一些限制。例如，這些「創造力是否真正創新？」這是一個哲學問題。甚至於有更多人認為真正的創造力應該歸功於AI程式的設計者，而非AI本身。
雖然現在的AI可以產生不錯的「新」結果，但這些結果若少了人類創作中的情感，實際上就少了意義。AI生成的各種「聯想」需要經由人類進一步的判斷和篩選，這樣的結果才具有實際的應用價值。我們可以想像，未來的創意工作應該是人類與AI合作的結果，而不是單純依靠AI的創作。只有在人類的參與下，創意才具備真正的價值和意義。
