为什么人工智能永远无法取代人类的创造力

每天都有人提出新的问题，质疑计算创造力是否真的存在。它曾被认为是人类独有的技能，但像 ChatGPT、Dall-E 等众多工具的出现，正在挑战我们原有的认知。.

大型语言模型（LLM）利用matic方法评估输入并生成结果，其基础是训练所用的大量数据，这些数据用于识别模式。但我们人类并不仅仅依赖这些模式，因为我们的智能远超于此。另一个区别在于人类和人工智能获取知识的方式不同：人类依赖因果关系，而人工智能模型则依赖相关性。.

去年，像 Alex Da Kid 这样的音乐制作人与 IBM 的 Watson 合作，创作了一些人工智能热门歌曲，并以此辅助创作过程。再往前追溯，一幅名为《埃德蒙·德·贝拉米肖像》的艺术作品，以 432,500 美元的价格售出，它也是人工智能生成的。这幅作品是通过向系统输入一个包含 15,000 幅肖像的数据集而创作的，这些肖像涵盖了六个世纪的艺术作品。. 

人工智能仍然需要人类干预

在所有这些例子中，仍然需要人工干预来筛选人工智能生成的结果。但现在，像 Midjourney 这样的人工智能图像生成器可以根据你的喜好，在几秒钟内生成任何主题的图像。系统会抓取海量数据集进行训练。生成式人工智能系统现在可以将文字短语转换成图片，或者根据你选择的作曲家的风格创作音乐。输出结果与训练数据相似，但并不完全相同。. 

在这些案例中，作者身份是一个值得商榷的话题，因为许多评论家并不赞成将算法视为作者。那么，谁应该被视为作者或艺术家呢？那些作品被抓取用于训练人工智能的成千上万的艺术家和画家又该如何界定？或者，会不会是提示者？那个描述图像风格、主题以及许多其他复杂细节的人？因此，我们再次面临新问题的出现，或许这些问题并非因为新颖，而是因为独特。问题是：人工智能能否像人类一样富有创造力？

人工智能能否取代人类的创造力？

专家们描述了多种类型的创造力，其中包括变革型创造力、组合型创造力和探索型创造力。就后两种而言，探索型创造力是在概念基础上探索结构化的空间以产生新想法，而组合型创造力则是将相似的想法融合在一起。.

这类创造力与生成式人工智能算法的运作方式非常接近，例如，以与训练数据集中其他故事风格相同的方式创作故事，或以相同的方式创作图像。第一种创造力，即变革性创造力，指的是跳出现有数据和风格的框架，提出新的想法，从而创造出完全新颖且原创的作品。.

这是关于版权和合理使用内容争论的焦点，也是法规尚未解决的问题。最近，美国演员工会-美国电视和广播艺术家联合会 （SAG-AFTRA） 与唱片公司达成协议，保护艺人权益，并强制要求艺人获得同意和补偿。 

计算创造力并非像人类那样凭冲动行事，而是系统性地运作 。matic的方式取得成果，但由于系统采用特定的流程，这些成果是可预测的。这正是人类艺术家与人工智能的主要区别，因为我们只能从人工智能那里得到我们期望的结果。生成式人工智能与人类合作尚可接受，其性能也将不断提升，但目前，它更适合作为辅助人类的催化剂，而非取代人类。