《人工智能及其创造力》 摘编两篇

清曲

读后随感

关于创造力的名言一一

朱熹说： “问渠那得清如许？为有源头活水来。”

赵翼说： “江山代有才人出，各领风骚数百年。”

郑板桥说：“删繁就简三秋树，领异标新二月花”

毕加索说：“我总是在做我不会做的事，只有这样我才能学会如何做它。”

史蒂夫•乔布斯说：“好的艺术家复制，伟大的艺术家偷窃。”“真正伟大的创造，往往起初被嘲弄，后来被奉为经典。”

亚里士多德说：“创造的起源，不是知识，而是想象——想象那些从未存在过的东西。”

文森特•梵高说：“如果你听到内心一个声音说‘你不会画画’，那么你一定要继续画下去，那个声音就会消失。”

爱因斯坦说：“创造力就是把事物连接起来。”

关于好奇心诗句名言一一

屈原说： “路漫漫其修远兮，吾将上下而求索。”

苏轼说： “不识庐山真面目，只缘身在此山中。”“抬眸四顾乾坤阔，日月星辰任我攀。

陆游说： “纸上得来终觉浅，绝知此事要躬行。”

爱因斯坦说： “我没有特别的天赋，我只有强烈的好奇心。”

居里夫人说：“好奇心是科学家的第一美德。”

费曼说：“保持好奇心，不断提问——那是真正的学习。”

罗素说：“好奇心是文明的开端。”

塞缪尔·约翰逊说： “好奇心是智慧最活跃、最持久的特征之一。”

歌德说：“好奇是知识的萌芽。”

李四光说：“科学尊重事实，服从真理，而好奇心是它的第一推动力。”

关于自主内驱力诗句名言一一

“天行健，君子以自强不息。”《周易·乾卦》

“虽千万人，吾往矣。”《孟子·公孙丑上》

藏克家说：“老牛亦解韶光贵，不待扬鞭自奋蹄。”

但丁说： “走自己的路，让别人去说吧。”

叔本华说： “从根本上说，只有我们独立自主的思索，才真正具有真理和生命。”

爱默生说：“智力取消了命运，只要能思考，他就是自主的。”

爱默生说：“自助自立是造物主的属性”——人的尊严与力量，源于对自我的绝对信赖和精神的完全独立。

爱德华·德西说：“只有满足内心对自主、胜任和联结的基本心理需要，人们才能产生内在动机。”

读完这篇关于生成式人工智能与创造力的探讨，我们第一感受是：它并没有给出一个简的“是”或“否”，而是把问题拉回到了更根本的层面——什么是创造力？人类凭什么拥有创造力？ 这种追问本身就很有价值。

原文清晰地指出，创造力的两个核心是“新颖性”和“实用性”。按照这个标准，人工智能在很多场合确实表现出了创造力——它能写出不重复的诗、画出风格迥异的图、提出人类未曾想到的解决方案。但质疑者认为，AI不过是在重组人类已有的知识，谈不上真正的原创。作者并没有急于反驳，而是引入了一个更精巧的框架：阿玛比尔的创造力三要素模型——领域技能、创造性思维技能、内在动机。

这个框架让我们意识到，过去我们谈论创造力时，往往过于神秘化“灵光一现”，而忽略了创造力其实是有结构、可拆解的。AI在“领域技能”上已远超人类——它储存的知识量和广度无人能及。在“创造性思维技能”上，如果人类能够真正理解发散性思维、矛盾思维等认知模式的机制，AI将来也有可能通过算法模拟甚至超越。这让我们感到兴奋又不安：创造力似乎不再是人类的专利，而是一种可以被复制的计算过程。

但真正让人类难以被替代的，是第三个要素——内在动机。文章里有一句话令人印象深刻：“人类最伟大的创造力往往来自提出一个问题，而非回答一个问题。”AI擅长回答问题、执行指令，但它不会像牛顿那样问“苹果为什么落地”，不会像梵高那样因为内心的冲动去画一幅当时没人看得懂的星空。这种“好奇心”和“自我驱动”才是人类创造力的真正源头。而目前，我们甚至不知道如何让一台机器拥有“想要创造”的欲望——哪怕只是像孩子那样单纯地觉得“好玩”。

此外，文中提到人类创作中那些“灵光一现”的时刻——突如其来的顿悟、难以解释的直觉——这些目前确实无法被模型刻画。但也让我们反思：或许这些“灵光”并不是凭空出现的，它们也建立在海量的、潜意识的经验重组之上。如果是这样，AI与人类创造力的差距可能只是程度问题，而非本质区别。

读完这篇文章，我们既感到欣慰，也感到警醒。欣慰的是，至少在当下，AI还缺乏真正的内在动机和那种不可预测的灵感涌现，人类的创造力依然有不可替代的温度。警醒的是，如果我们把创造力仅仅理解为“产生新颖且有用的成果”，那么AI正以惊人的速度逼近甚至超越人类。而人类真正的优势，也许不在于“产出”，而在于为什么想要产出——在于那个追问、好奇、不安、热爱的瞬间。

文章结尾那句话：如果有一天AI具备了人类的“好奇心”，我们有理由相信它会达到更高的创造力水平。到那时，人类与AI的关系或许不再是竞争，而是两种不同的“创造力”彼此照亮。而在这之前，我们更应该做的，不是焦虑自己会不会被取代，而是重新去发现和珍视自己身上那些无法被数据化的东西——比如，一个看似无用但真诚的问题。

读高新民《人工智能及其创造力——基于心灵认知哲学的视角》，我们最大的感受是：原来我们对创造力的“神秘崇拜”，才是阻碍人工智能发展的真正壁垒。

如果说前一篇关于生成式人工智能创造力的文章更像一场面向大众的科普探讨，那么高新民教授这篇从心灵认知哲学出发的论述，则是一次深潜到问题根源的哲学勘探。

文章开篇就点出了一个让我眼前一亮的词——“祛魅”。浪漫主义和神秘主义长期把创造力捧上神坛，说它是天才的灵光、不可言说的天赋、甚至某种近乎神启的东西。这种看法固然浪漫，却给科学研究判了死刑——人类怎么建模一个“神秘”的东西呢？作者主张把创造力从神坛拉下来，回归为自然界一种客观的过程或力量。这个姿态本身就极具勇气和科学精神。

这让我们反思，我们平时感叹“AI没有真正的创造力”时，是不是也下意识地用了这种神秘主义的标准？仿佛创造力必须裹着一层不可知的面纱才算纯粹。而作者告诉我们：创造力并不神秘，它依赖的就是平常的认知能力——思维、想象、联想、类比。 这些能力组合到一定程度，创新就会“突现”出来。这个观点既接地气，又有力地回击了那种“人类创造不可模拟”的傲慢。

文中关于默认模式网络和执行控制网络的解释，让我们对“灵光一现”有了新的理解。默认模式网络负责自发生成长期记忆中的想法，执行控制网络则负责约束这些想法去完成特定任务。创造力不是天马行空的胡思乱想，而是在自由联想与目标约束之间的动态平衡。发散性思维也不过是神经节点之间出现了“微弱的、间接的连接”——这种描述让创造力从玄学变成了可操作的机制。

看到这里我们既感到一种“祛魅”后的清爽，也有一丝怅然：原来那些让我们引以为傲的顿悟瞬间，背后不过是神经网络的物理活动。但这并不贬低人类，反而让我们更清醒地认识到：我们并不比AI更“神秘”，我们只是比AI更早进化出了这种能力。

怀疑论者的质疑很常见：计算机被编程，就没有自主性；没有自主性，就没有创造力。即使它画出再美的画，功劳也是程序员的。作者承认这种质疑有其道理，但指出它是基于一种过时的程序观念。

对程序决定论真正的反击来自现代算法的发展——尤其是遗传算法。程序可以包含“规则的变化规则”，可以嵌入随情境变化的活算法。遗传算法对规则进行随机更改，这类似生物的点突变和交叉，并在迭代中筛选最优解。这意味着机器在运行时可以产生未被任何人预先设定的输出。这种能力，难道不能称之为“自主性”吗？难道不能称之为“创造力”吗？

这个论证让我们重新思考了“自主性”的含义。人类所谓的自由意志，不也是在基因和环境的约束下，通过随机变异和自然选择形成的吗？如果把创造力定义为“在约束条件下产生新颖且有价值的成果的能力”，那么人类和AI之间的差距，可能只是程度和实现路径的不同，而非本质上的天壤之别。

这篇文章从提出神秘论到祛魅论证，然后回击怀疑论到展示程序新范式这一论证路径，最终得出积极结论：在当代计算科学，尤其是进化算法、学习算法的框架下，人工智能可以具备自主性和创造力。作者从心灵认知哲学的视角，为计算创造力的可能性提供了理论辩护。

这篇文章给我们最大启发，不是技术的细节，而是一种态度：不要因为害怕失去“人类独特性”的优越感，就去否定AI创造力的可能性。 人类真正的尊严不在于固守一块不可侵犯的神秘领地，而在于承认创造力是可理解的、可复制的，然后在这个基础上，去追问人类和AI各自擅长什么？互补什么？

同时我们也需保留一点温和的质疑：即便创造力可以被建模为认知能力的组合和神经网络的活动，但“想要创造”的动机究竟从何而来？遗传算法中的随机变异是没有方向的，而人类的动机却带着情感、痛苦、热爱、甚至荒谬的执念。这一点在本文中并未深入展开，或许这正是人类与AI在未来最本质的区别——AI可以被设定“目标函数”，但人类可以修改自己的“目标函数”本身。

总的来说，这是一篇既富有哲学深度、又紧扣技术前沿的好文章。它让我们对“AI创造力”这一命题从怀疑转向了审慎的乐观，也让我们更加珍视那些尚无法被建模的东西——不是因为它们神秘，而是因为它们提醒我们：关于意识的探索，才刚刚开始。

《生成式人工智能让我们更有创造力了吗》摘编自张宏宇，李倚天，索菲娅

有创造力之前，我们需要对“创造力”这一概念有清晰的界定.一般而言，新颖性即是否原创、不同于常规且出乎意料，是提及创造力最先想到的要素、此外，对“创造力”的界定，除了要考虑新颖性，还需要考虑是否可以解决实际问题，

以此作为判断标准，人工智能在很多时候的确表现出很高的创造力。但有人认为，人工智能的创作只是对人类现有的知识进行重组，是对人类创造过程的模拟，称不上新颖，更不是创造力。要回应这样的质疑，需要明确两个关键问题：第一，知识的重组是否可以产生创造力；第二，人工智能是否能够像人类那样，通过内在的驱动力而非仅仅依赖外部数据，探索未知领域并产生原创性创意。

首先，关于知识重组是否可以产生创造力，我们只要回想下很多人类创造力的作品就会得出答案：飞机受鸟类飞行的启发，智能手机是电话、相机等多种设备的整合······事实上，很多时候创造力并不是凭空产生的，必须以大量的专业知识和技能作为基础。

然而，大部分知识仅仅沉淀成知识本身，转化成创造力并非易事。特雷莎·阿玛比尔提出过一个被广泛认可的创造力模型。创造力来自三方面要素的碰撞：首先是领域技能，指个体在某一特定领域的知识和技能，这是创造力产生的基础；其次是创造性思维技能，指个体处理信息、解决问题和产生新颖想法的能力，这是创造力产生的核心；最后是内在动机，指个体对从事某项活动感到有趣和满足，这是创造力产生的动力。这一模型可以解释很多创新作品的诞生。

人工智能具有数量大、范围广的领域技能，这为其创新奠定了基础。但是它们是否拥有创造性思维技能呢？事实上，即便是对于人类创造性思维的本质和来源的理解，我们也尚在探索之中。学者普遍认为，创造力的产生是一个复杂的生理过程，需要大脑多个区域的协调，涉及多种能力的协同。不过，我们确实发现一些特定的思维认知方式可能和创造力的产生有关。比如具有发散性思维的人会跳出既有思维框架，提供更多样的想法和解决方案；具有矛盾思维的人更容易接收差异，能够根据环境和实际条件重构自己的认知。如果我们能够准确识别、理解人类的创造性思维，那么将来人工智能可能凭借更加丰富的数据训练集达到比人类更高的创造力水平。

然而，人类在创作过程中很多的“灵光一现”是很难用模型去刻画的。我们经常在艺术家的创作中观察到一些独特的习惯，这些似乎都是他们产生创意的催化剂。许多人在学习或工作时也会经历突然灵光一闪，思路豁然开朗的时刻。这类创意的产生过程难以被完全理解或模拟，它们反映了人类创造力的独特性和不可预测性，是目前人工智能难以模仿的，也是人类创造力的源泉。

此外，动机在创新过程中起着至关重要的作用，这也是人工智能难以超越人类的一个方面。人工智能通过学习，掌握现有数据的结构、模式和关系，进而在未训练数据中生成内容，所以它更擅长一定的提示下完成任务或解决问题。至少目前的人工智能工具还不具备主动探索未知的动机，而人类最伟大的创造力往往来自提出一个问题，而非回答一个问题。如果人工智能有一天具备了人类的“好奇心”，我们有理由相信它会达到高于人类的创造力水平。

文本简析

这段文本围绕“生成式人工智能是否具有创造力”展开讨论，结构清晰，逻辑层层递进。

首先，明确了创造力的两个核心标准：新颖性（原创、出乎意料）和实用性（解决实际问题）。以此为基础，引出对人工智能创造力的质疑——有人认为是知识的重组而非真正新颖。

其次，通过两个关键问题回应质疑：一是知识重组能否产生创造力。文本以飞机、智能手机等人类发明为例，论证创造力往往源于对现有知识的重组，并不要求凭空产生。二是人工智能能否具备类似人类的内在驱动力和原创探索能力。为此引入阿玛比尔的创造力三要素模型：领域技能、创造性思维技能、内在动机。

接着，分别分析人工智能在这三方面的表现：

· 领域技能：人工智能拥有大容量、广范围的知识，具备基础。

· 创造性思维：尽管人类对自身创造思维的理解尚不完整，但若未来能识别并模拟发散性思维、矛盾思维等，人工智能可能超越人类。不过，人类创作中“灵光一现”的不可预测性和独特性，目前难以被模型刻画。

· 内在动机：人工智能缺乏主动探索未知的“好奇心”，更擅长在提示下完成任务，而人类最伟大的创造力往往来自提出新问题而非回答问题。

最后，得出结论：当前人工智能在动机和某些深层创造性思维方面尚不及人类，但如果未来具备了类似人类的“好奇心”，有望达到更高的创造力水平。

整体而言，文本采用“界定标准—回应质疑—理论模型—分项对比—展望”的论证路径，兼顾了人类与人工智能创造力的比较，既承认人工智能在知识重组和领域技能上的优势，也强调了内在动机和独特思维过程对于创造力的不可替代性。

《人工智能及其创造力一一基于心灵认知哲学的视角》高新民

人工智能让计算机实现创造力，就是把人类的创造力当作样板或“原型实例”来建模。而要如此，当然得优先回答前提性的问题，如创造力本身究竟是什么，有无不同于思维等认知能力的独立的创造力，它本身的结构、本质和秘密是否能向人类认知开放？麻烦在于，根据传统的浪漫主义和神秘主义的创新观，创造力本身是一种谜或神秘性。要设法让创造力进入人工智能科学基础研究的中心，无疑要为之祛魅，把创造力从认知高不可攀的神坛上拉下来，回归为自然界的一种客观的过程或力量。

创造力之所以不神秘，能为机器建模，就是因为它依赖的是我们平常的认知能力，如思维、想象、联想、类比等。它们以一定方式集合在一起，就有创新现象的突现。用科学的语言说，多数创新任务的完成都与默认模式网络和执行控制网络的动态耦合有关。默认模式网络的激活反映的是来自长期记忆的想法或信息的自发生成，而执行控制网络的激活反映的是约束思维完成特定目标任务的过程。就创造力最倚重的发散性思维而言，它们由节点的激活所构成。如果这些节点非常固定地连接起来了，那么它们就表现为常规的心理现象。人有发散性思维，不外是出现了微弱的、间接的连接，进而唤醒系统用非特异性激活来撞击大脑皮层。结果人的精神生活中就表现出常见的灵光乍现之类的现象。

计算创造力基础理论建设的又一工程是化解怀疑论的质疑，即计算机和创造力风马牛不相及，计算机是按程序运行的，被编程是自主性的对立面，而自主性是创造力的必然特征。计算机即使能表现所谓的创造力，也只应归功于程序员。程序中的指令、规则决定了计算机的所有可能表现，这些是没法超越的。

但只要作与时俱进的研究，就会发现，上述认知是基于对程序狭隘而陈旧的理解而形成的。根据对程序的新研究，上述看法的问题在于没有看到程序包含规则本身的变化，即程序中包含规定怎么变化的规则，能被嵌入随情境变化而变化的“活算法”甚或有创造力的算法。再者，能学习的算法广泛应用于程序，会对来自环境的没有预料到的输入作出反应。例如遗传算法，能对程序面向任务的规则作出随机更改。这些变化类似于促成生物进化的点突变和交叉，从每个新一代任务程序的成员中挑选出最好的成员，作为下一轮随机按规则变化的“父母”。这意味着，机器由于程序概念的变革而有了特定意义的自主性和创造力，也能生成符合人类创造力两个标准（即新颖性和有用性）的输出。

文本简析

本文旨在从哲学和认知科学角度论证人工智能可以拥有真正的创造力。以下是对文本的简析：

一、核心问题与前提

文章开篇指出，要让计算机实现创造力，必须首先回答创造力的本质问题：它是什么？是否有独立的认知能力？其秘密能否被人类认知？传统浪漫主义和神秘主义将创造力视为神秘、不可攀登的领域，而作者主张“祛魅”——将创造力从神坛拉下，还原为自然界中可被理解的客观过程，从而为人工智能建模铺平道路。

二、创造力的非神秘性基础

作者认为创造力并不神秘，因为它依赖于人类平常的认知能力（如思维、想象、联想、类比等），这些能力以特定方式组合便能“突现”出创新。从神经科学角度看，创造力的实现与默认模式网络（自发生成长期记忆中的想法）和执行控制网络（约束思维以完成特定任务）的动态耦合有关。发散性思维则源于神经节点之间出现微弱、间接的连接，通过非特异性激活撞击大脑皮层，从而产生“灵光乍现”的现象。这一解释将创造力从不可知的状态还原为可描述的物理和认知过程。

三、对怀疑论的回应

怀疑论者认为：计算机按程序运行，被编程意味着缺乏自主性，而自主性是创造力的必然特征；即使计算机表现出创造力，也应归功于程序员，因为程序中的指令和规则决定了所有可能表现，无法超越。作者承认这一质疑有其根据，但指出其基础是对程序的“狭隘而陈旧的理解”。

四、程序概念的变革与机器自主性

现代计算机科学中，程序已不再是一成不变的指令集。程序可以包含规则本身的变化，即规定“如何变化”的规则，能嵌入随情境变化的“活算法”，甚至具有创造力的算法。例如遗传算法：它能对任务导向的规则进行随机更改（类似生物进化的点突变和交叉），并通过迭代筛选出最优成员作为下一代的“父母”。这意味着机器可以在运行中产生未预先设定的、新颖且有用的输出，从而拥有了特定意义上的自主性和创造力。最终，机器也能生成符合人类创造力两个标准（新颖性与有用性）的结果。

五、整体结构与结论

本文采用“提出神秘论—祛魅论证—回击怀疑论—展示程序新范式”的论证路径，最终得出积极结论：在当代计算科学（尤其是进化算法、学习算法）的框架下，机器可以具备自主性和创造力，人工智能与创造力并非水火不容。作者从心灵认知哲学的视角，为计算创造力的可能性提供了理论辩护。

高新民简介

（国内心灵哲学奠基人，最常被检索）

男，1957年3月生于湖北武汉，华中师范大学马克思主义学院二级教授、博士生导师，华中师范大学心灵与认知研究中心主任，是中国心灵哲学学科开创者与核心奠基人 。

1. 求学经历

- 1977–1981年，华中师范大学政教系本科；

​

- 1982–1984年，武汉大学哲学系读研，师从陈修斋、杨祖陶两位国内西方哲学史泰斗；

​

- 1984年起留校华中师大任教至今 。

2. 学术头衔

国家社科基金重大招标项目首席专家、国务院特殊津贴专家、湖北省跨世纪学术带头人，成果入选《国家哲学社会科学成果文库》 。

研究方向

核心：心灵哲学、认知哲学、人工智能哲学

延伸：西方哲学史、形而上学、比较哲学、佛教哲学、人生哲学、宗教学 。

原创理论成果模块自我论，被学界广泛引用，为意识研究、AI底层哲学理论提供重要支撑。

学术成果

- 出版专著、译著合计20余部，代表作《现代西方心灵哲学》《意向性理论的当代发展》等，多由商务印书馆、中国社会科学出版社出版；

​

- 在《中国社会科学》《哲学研究》等顶刊发表论文200余篇，大量文章被《新华文摘》《人大复印资料》转载；

​

- 累计科研文字超2000万字，长期搭建东西方心灵哲学对比研究体系 。