生成式人工智能与创造力：教导机器进行创作
人工智能会扼杀人类的创造力吗？只有当我们允许它时才会如此。教育工作者、研究人员（从麻省理工到斯坦福）以及教育学家正在证明，生成式人工智能可以转化为想象力的强大“外骨骼”。在这篇深度探讨中，我们探索增强创造力时代：机器不再用于复制，而是用于头脑风暴、激发发散性思维，并为学生扫除技术障碍。探索方法、设计师的技巧（如“苏格拉
长期以来，关于人工智能在教育与艺术领域的讨论一直被恐惧所主导。主流叙事将机器视为篡夺者：如果算法能在几秒钟内写出一篇文章、创作一首旋律或绘制一幅画作，人类的才智还剩下什么？
如今，在度过了“抄袭恐慌”阶段后，我们正进入一个深刻的教学成熟期。教育工作者、设计师和研究人员正在理解，生成式人工智能并非创造力的替代品，而是一个强大的催化剂。我们正从孤立创作的概念，转向人机协同创作。
在本文的深入探讨中，我们将探索学校、专业人士和研究实验室如何教授“与机器共同创造”。我们将分析面向教育工作者的新课程、斯坦福大学用于激发十倍创意的认知技巧，以及重新定义算法时代“作者”概念的深层伦理意涵。
1. 概念与背景：从替代到“增强创造力”
教授创造性使用人工智能的第一步，是打破一个偏见：生成式AI不是杰作的自动贩卖机，而是一个不知疲倦的头脑风暴伙伴。
这个新范式被称为增强创造力。正如一堂精彩的关于生成式AI与创造力的YouAccel课程所阐述的，算法应被视为团队伙伴，而绝非替代品。如果我们用它来代替我们工作，将得到标准化、缺乏灵魂的结果。如果我们用它来探索未知领域，结果将是非凡的。
Artempact平台最近发布了一份关于如何使用生成式AI激发创意的指南，解释说机器的真正价值在于其进行“自由联想”的能力，其规模是人类大脑无法企及的。AI可以在几分之一秒内连接看似遥远的概念（例如哥特式建筑和海洋生物学），为人类创作者提供原始素材，供其运用自己的品味、伦理和批判性选择进行加工。
2. 教授创造：面向教育工作者的新方法论
如果AI是一种新工具，就需要新的导师。教育界正在为此目的培训教师。
课程与发散性思维
在美国，像Curiosity2Create这样的机构推出了生成式AI用于创造性教学等具体项目。该课程面向教育工作者，专注于使用大语言模型生成创新想法和引人入胜的教学活动。重点不是被动学习，而是培养批判性思维：教导学生评估、批评和改进机器的输出。
意大利的教育反思也非常活跃。在包容性教学领域领先的Edizioni Erickson公司，开发了关于儿童与青少年创造力与生成式人工智能的课程。目标是利用AI的视觉和语言刺激，从小训练“发散性思维”。当一个孩子要求图像生成器绘制“一只在火星上弹钢琴的猫”时，他/她不仅仅是在玩耍；他/她正在学习制定复杂指令，并将自己的想象力转化为机器可以理解的语言，然后以此为基础创作一个原创故事。
3. 认知策略：“思维模式转变”与设计师的技巧
拥有ChatGPT或Midjourney的访问权限并不会让我们突然变得富有创造力，就像拥有一把吉他不会让我们成为音乐家一样。我们需要方法。
让AI向你提问
一个最引人入胜的见解来自斯坦福大学的d.school。在一场关于如何掌握AI赋能的创造力的演讲中，创新专家Jeremy Utley解释说，我们犯的最大错误是像使用谷歌一样使用AI，向它索要答案。真正的创造性“技巧”（激发十倍创意的诀窍）在于思维模式的转变：我们应该要求AI向我们提问。
如果我们在写小说或设计产品，与其说“给我写个情节”，不如输入我们的粗略想法并说：“扮演一位严厉的文学评论家，就我这个想法中的情节漏洞向我提出10个尖锐的问题。” 这样，AI并不创造内容，而是充当认知上的“陪练伙伴”，迫使人类大脑努力思考，寻找原创解决方案，并突破自身局限。
这种对话式方法也得到了最新学术反思的支持。一场关于利用AI支持学生创造力的认知策略研讨会强调，使用生成式AI需要学生进行强烈的情绪和认知调节，将学习从“记忆”过程转变为“迭代精炼”过程。
4. 实践案例：学校、实验室与实验
理论已经在课堂和研究中心转化为实践，并显示出可衡量的成果。
AI在高中
由IGI Global发表的一项基础研究调查了在高中艺术课程中使用生成式AI创建创造性学习内容的情况。在艺术教育课程中引入生成式工具，带来了可衡量的参与度提升和学习成果改善。学生们从尚未具备出色绘画手绘技巧的挫败感中解放出来，能够专注于构图、色彩理论和视觉叙事，降低了艺术表达的门槛。
MIT媒体实验室与创新
在技术创新的前沿，MIT媒体实验室的学生在一系列关于生成式AI与创造力的闪电演讲中展示了这种协同作用的惊人潜力。他们的实验展示了人工智能如何被用于将人体运动实时转化为音乐，或将建筑与生物学融合到生成式设计项目中。
这种协同作用不仅限于美国的大型大学中心。正如我们在关于创造性人机协作：实验室与实验的专题中所深入探讨的，意大利的实验室也发现，如果由强烈的人类艺术意图引导，人工智能可以探索迄今为止无法触及的美学语言。
5. 伦理、公平与同质化风险
教授如何用AI创造，也意味着，并且最重要的是，教授创造的伦理。对这些新工具的热情不应掩盖伴随它们的阴影。
首先，存在美学同质化的问题。生成模型是在互联网上数据的“平均值”上训练的。如果我们被动地依赖AI，将得到“美丽但可预测”的结果，缺乏使艺术真正具有人性的那种偏离和瑕疵的火花。教育者必须教导学生对抗算法的标准化。
其次，是版权和抄袭的巨大议题。正如我们在专题AI与生成艺术：伦理、边界与前沿中详细分析的，一幅图像真正的作者是谁？是编写提示词的人，是开发软件的人，还是其画作被训练模型“消化”的数百万（通常未获报酬的）艺术家？培养新一代意味着让他们意识到这些灰色地带：一个现代创作者不仅需要知道如何使用Midjourney或ChatGPT，还必须知道这些工具是如何构建的，以及其商业使用会带来哪些责任。
常见问题解答：用生成式AI教学与学习
1. 在学校使用人工智能会不会让学生不再习惯自己思考？ 如果AI被用来“委托”工作（例如让机器写作文），这确实是风险。然而，如果教育者采用“增强创造力”的方法论，AI就成为一种苏格拉底式的工具。将其用于头脑风暴、修改草稿或模拟批判性辩论，会迫使学生更好地论证自己的观点，并发展出更高层次的分析性思维。
2. 在创造力中，“苏格拉底式提示”是什么意思？ 这是斯坦福大学创新专家解释的一种技巧。不是命令AI产生一个最终结果，而是要求它向用户提问。例如：“我正在尝试发明一款新的棋盘游戏。向我提出5个关于我尚未考虑到的游戏机制的问题。”这颠倒了流程：AI刺激人类变得更有创造力。
3. 生成式AI能帮助有学习困难的学生变得更有创造力吗？ 当然可以。通过降低技术门槛，生成式AI是一个强大的包容性工具。有书写障碍的学生可以生成精彩的图像来为他的故事配图；有阅读障碍的学生可以向大语言模型口述他的想法，由AI帮助他在句法上组织这些想法。这项技术使想象力的表达民主化。
4. 教师如何识别一件艺术品或文本是否完全由AI生成？ “反抄袭”软件经常被证明不可靠，会产生许多误报。现代教学法建议评估过程而不仅仅是最终产品。教师应要求学生记录所使用的提示词，解释与AI进行的迭代过程，并说明应用于机器提供的原始结果的美学或文本选择理由。
5. AI提供的“灵感”和“抄袭”之间的界限是什么？ 这在法律上仍然是一个流动的界限。从伦理上讲，AI应被视为一个巨大的情绪板库。未经任何修改或未声明来源地使用AI生成的文本或图像，被认为是智力上的懒惰（并且在正式比赛中通常不被接受）。当机器的输出被人类艺术家的意图拆解、重新加工和“弄脏”时，真正的创造性工作才开始。
结论：想象力的外骨骼
我们花了几十年的时间教育人类成为完美的机器：能够记忆知识、重复标准化程序、进行无差错计算。今天，我们发明了在这些方面做得比我们无限好的机器。
教育和创意界的回应不能是卢德主义或禁令。教授用生成式AI创造，意味着重新获得作为人类的奢侈。意味着停止评估机械执行，重新奖励直觉、质疑、挑衅和共情。
人工智能是我们想象力的外骨骼。它让我们能够举起曾经压垮我们的认知重负，释放我们的时间和精力，去探索最重要的问题：既然我们（几乎）可以创造一切，那么究竟什么真正值得创造？
参考文献与资料来源
为确保教学和科学准确性，本文参考了以下主要来源：
- 教育研究与方法论：
- 课程、实用指南与思维模式：
- 关于增强创造力的深入探讨：