一项由加拿大蒙特利尔大学心理学系领导的大规模研究显示，在某些标准化创造力测试上，生成式人工智能系统的得分已经超过普通人类参与者，但最具创造力的人类依然明显领先，这意味着AI更像是一种强大的创意辅助工具，而非人类创作者的替代者。
研究由蒙特利尔大学教授Karim Jerbi领衔，团队成员包括深度学习先驱、蒙特利尔大学教授Yoshua Bengio等人，他们对多款主流大语言模型（包括ChatGPT、Claude、Gemini等）进行了系统评估，并与逾10万名人类受试者的数据进行了对比，是目前规模最大的人机创造力比较研究之一。论文发表于《Scientific Reports》，题为《人类与大语言模型的发散性创造力》（Divergent creativity in humans and large language models）。
结果表明，在用于衡量“发散性语言创造力”的部分测试中，一些大语言模型（包括GPT‑4在内）的平均得分已经超过普通人类。Jerbi指出，这一发现“也许令人惊讶甚至不安”，但同样重要的是：哪怕是最强的AI系统，其表现仍低于最具创造力的人类个体。
进一步分析显示，当研究人员只看创造力水平处于人类“上半区”的那一半参与者时，这一群体的平均表现已经优于所有测试的AI系统，而在创造力排名前10%的顶尖人群中，人类与AI之间的差距更加明显。联合第一作者、蒙特利尔大学博士后Antoine Bellemare‑Pépin以及康考迪亚大学博士生François Lespinasse指出，这说明“最高水平的创造力仍旧是人类独有的优势”。
为了公平比较人类与AI，团队使用了多种方法，其中核心工具是由合作者、加拿大多伦多大学研究者Jay Olson开发的“发散联想任务”（Divergent Association Task，DAT）。这一心理测验要求参与者——无论是人类还是AI——在一次作答中给出10个在语义上彼此尽可能不同的词语，例如“银河、叉子、自由、藻类、口琴、量子、怀旧、天鹅绒、飓风”等，通过计算词语间的语义距离来衡量发散性思维能力。
先前研究表明，人类在DAT中的表现，与其他诸如创意写作、点子生成、创意问题解决等多种传统创造力测验的结果高度相关，因此可被视为更广泛创造性认知过程的一个快捷代理指标。DAT的另一个特点是操作简单、耗时短，通常只需两到四分钟即可完成，并已以在线形式向公众开放。
在完成基础词语测试后，研究团队进一步考察了这种“语言层面”的表现能否迁移到更复杂的创作任务中。他们安排AI系统与人类参与者在多个写作场景下正面较量，包括创作俳句（三行短诗）、撰写电影剧情概要以及创作短篇故事等，随后对作品质量进行评估。结果延续了此前模式：在一些任务中，AI的平均表现优于普通人类，但在人类创作者中水平较高的一部分，尤其是最擅长写作与故事构思的个体身上，人类优势依然明显。
研究还探讨了一个关键问题：AI的“创造力”是否可控、可调节？答案是肯定的。文章指出，一个重要技术参数是模型的“温度”（temperature），该参数影响输出内容的可预测性与多样性：温度较低时，AI生成的回答更保守、更可预期；温度较高时，输出更加多变、跳脱，往往会带来更具风险但也更具新意的联想。
此外，提示词（prompt）的写法同样影响显著。研究发现，当指令鼓励模型从词源学角度考虑词语的起源和结构时，AI更容易做出出人意料的联想，并在创造力评分上获得更高分数。这意味着，AI表现出的创造力在很大程度上依赖于人类的输入与引导，人机互动的设计正成为创意过程的核心环节之一。
在外界普遍担忧AI会“取代”创意工作者的背景下，这项研究给出了相对审慎的判断。Jerbi强调，尽管AI如今在某些标准化测验中达到乃至超越了人类平均创造力水平，但过分将人机关系理解为“竞争”是误导性的。在他看来，生成式AI首先是一种极其强大的创意工具，“它不会取代创作者，而会深刻改变创作者想象、探索与创作的方式——当然，这取决于人们是否选择使用它”。
论文结尾指出，与其预言创意职业的终结，不如将AI视作扩展想象力边界的“创意助手”。未来的创造力生态，可能不再是简单的人类对抗机器，而是人机协作的新范式：AI为人类提供灵感、变体与试验场，人类则在更高层次上把握审美、价值与意义。Jerbi认为，这类正面比较人类与机器能力的研究，正在迫使学界和公众重新思考“什么才算创造力”这一根本问题。