斯旺西大学800人实验：AI提供的“烂方案”比最优解更能激发创造力

事件概述

斯旺西大学研究人员进行了一项迄今最大规模的人机协作创意实验，让808名参与者通过在线工具设计一辆虚拟汽车，目标是在30秒内跑得最远。实验对比了两种AI建议模式：基于MAP-Elites算法的“结构化多样性”方案（按速度、轮径、几何形状三个维度展示多样设计），以及随机历史记录方案（无章法对照组）。参与者可自由选择是否查看和使用这些建议。

核心发现

• 主动与AI互动提升显著：查看过至少一个AI方案的参与者平均耗时22.5分钟（未查看者9.4分钟），设计质量提升373%；主动互动并反馈的参与者提升高达420%，是纯被动参与者（124%）的3.4倍。
• “烂方案”的价值：当人们只看到好方案时容易直接复制，导致“过早固化”；而参差不齐的差方案迫使参与者自己思考，这种认知摩擦成为创造力来源。部分参与者甚至刻意挑选差方案以“探索新想法”。
• 结构化多样性优于随机：从MAP-Elites方案中实际选用设计的数量显著多于随机方案，说明按维度排列好、怪、差方案比杂乱无章的随机建议更能激发创意。
• 行为与感受背离：双盲实验中，75%的参与者在MAP-Elites方案上花了更多时间并从中获益，但25%主观认为随机方案更有用。这说明行为参与与情绪参与是分离的——认知上受帮助但不一定“感觉”到。

对AI工具评估的启示

• 耗时更长≠效率低：使用AI辅助的参与者花费时间显著更长，但设计质量提升明显。研究者指出，人机协作工具应被视为“通过增强创造力产出更好结果”的工具，而非省时工具。
• 主流指标失效：点击率、复制率、采纳率等只能捕捉行为参与，忽略了认知参与和情绪参与，系统性地低估了AI的真正贡献。仅仅“看”一眼设计建议即使未选中，已对设计过程产生影响。
• 重新定义“好用”：最适合激发创造力的AI可能不是给出完美答案的系统，而是用一堆不完美方案刺激用户自己思考的工具。用户支付的不是答案，而是认知刺激。