．高新民
（武漢 華中師範大學）
浪漫主義創新觀認為，創造力是神明與人類天才獨有的特質，普通人難以企及，更別說由機器來展現了。二三十年前的人工智能領域，很少見到涉及創造力建模及機器實現的討論，有教科書雖涉及心理能力的計算建模，卻唯獨不見創造力的身影。而“計算創造力”的誕生與迅猛發展，打破了這一僵局。它包含兩層含義：一是指人工系統（如軟件和機器）所展現出的創造力；二是指專門研究如何讓人工系統具備創造力的人工智能研究領域，該領域既涵蓋與創造力建模相關的哲學問題研究，也包含工程技術層面的探索。
盡管學界對計算系統能否展現真正的創造力尚存爭議，但依據圖靈主義的創造力標準，計算系統具備特定意義上的創造力已是不爭的事實。如今，具備創造力的軟件層出不窮，其中ChatGPT能撰寫學術論文，Deep Blue擊敗國際象棋冠軍，Sudowrite能創作小說，MidJourney能繪畫，而AlphaFold在蛋白質結構預測領域展現出顯著的計算創造力。AlphaFold具有深度學習和進化能力，能夠持續改進，無論以“新穎性”與“有用性”的常規標準評判，還是從實際效果考量，都足以顯示它具備巨大的計算創造力。
正因這些突破性成就，AlphaFold2對蛋白質結構的揭秘被Nature評為2022年七大顛覆性科技成果之一。2024年諾貝爾化學獎授予德米斯‧哈薩比斯（Demis Hassabis）和約翰‧詹珀（John M. Jumper），以表彰他們在蛋白質結構預測領域的成就。由此可見，當下已不必爭論機器能否展現創造力，而應聚焦如何在更廣泛領域更高質量地發展計算創造力。科爾頓曾言：“計算創造力開創了這樣一個新時代，在這裡，計算機不僅是我們創新的合作者，而且是獨立的、有創造力的藝術家、音樂家、作家、設計師、工程師和科學家。它們能以有意義和有趣的方式為人類文化貢獻自己的力量。”[1]
計算創造力研究持續升溫
創造力是人類智能的核心構成與顯著特征，而那些立志模擬甚至超越人類智能的人工智能，在20年前無論是理論構建還是實踐建模，都幾乎未曾涉及對創造力的認知與模擬。為了讓人工智能“實至名歸”，眾多研究者紛紛投身於創造力的解析與建模工作之中。
此外，既然機器能協助人類完成諸多工作，為何不能將創新這一最高級、最神聖的任務交予它們？計算與計算機又為何不能在人類認識創造力的進程中發揮特定作用？這些形而上學追問此時也具體轉化為計算機與創造力的關係問題。至少，學界有一個共識：計算機能夠以其他人工產品無法企及的方式，改變並激發人類的創造力。[2]
在上述多種因素的合力推動下，作為人工智能研究分支的計算創造力應運而生。1990年代中期，當人們開始從人工智能視角研究創造力時，這一領域便正式宣告誕生。由於它回應了迫在眉睫的需求，且獲得了各方的強勁驅動，很快便駛入發展快車道。
1990年代末，一系列具有里程碑意義的事件已載入史冊：1996年，特文特大學舉辦關於計算幽默的國際研討會；1997年，都柏林城市大學召開聚焦創造性計算的Mind II會議；1999年，愛丁堡舉辦AI和行為模擬協會會議 CAISI——這是當時規模最大的以創造力為核心的人工智能研討會，吸引了225人參與。2000年之後，該協會開展了大量活動，包括舉辦多場與人工智能和創造力相關的研究會、工作坊。一年後，創新系統研討會系列開始與主要人工智能相關會議聯合舉辦。
2010年，第一屆計算創造力國際會議在葡萄牙科英布拉大學舉行，這既是本領域學術成果的國際交流會，也是一次總結與慶祝活動。隨著計算創造力研究的不斷發展，彼時眾多有識之士已意識到，為該研究搭建正式國際會議平台的時機已然成熟。組織者確定33篇論文和11篇展示作品入選當年會議論文集，其作者成為第一屆國際計算創造力研究大會的正式代表。從這一屆開始，每年舉辦一次國際計算創造力研究專題會議的機制正式形成，籌備委員會成員來自意大利、西班牙、墨西哥、澳大利亞、印度尼西亞、愛爾蘭、葡萄牙、英國、美國等多個國家。
就計算創造力研究的發展趨勢而言，人們正從應用與理論研究兩方面推動其向縱深發展、向外圍拓展。在應用層面，大量成果與論著聚焦計算創造力在音樂、繪畫、小說創作、遊戲、數學及科學發現等領域的應用；眾多工作坊應運而生，它們在不同抽象層次上構建了關於創新過程的各類模型，成為推動計算創造力發展的重要平台；同時還有不少研究評價問題的方案。理論研究方面也進步顯著，研究者深刻認識到，“沒有理論上的探討，計算創造力就沒有資格成為一個科學研究領域。”[3]
創造力的祛魅與計算化
Ai讓計算機實現創造力，就是把人類或非人類的創造力當作樣板或“原型實例”來建模。而要如此，當然得優先回答前提性心靈—認知哲學問題：創造力本身究竟是什麼，有無不同於思維等認知能力的獨立的創造力，它本身的結構、本質和秘密是否能向人類認知開放？麻煩在於，傳統的創新觀即使不是全部，至少有一部分是計算創造力研究的攔路虎，因為創造力本身就是一個謎，甚或是一種悖論。
要清除創造力計算建模的上述屏障，無疑要設法讓創造力進入AI科學基礎研究的中心，為之祛魅，消除其神秘性，把創造力從認知高不可攀的神壇上拉下來，使其回歸為自然界的一種客觀的過程或力量。世界上的所謂神秘性、謎團都是相對於人已有的認知而言的。過去沒有認識清楚的東西就是謎，就充滿神秘性，隨著科學的發展，它就被祛魅了，進而回歸它本來的自然現象的地位。創造力也是如此。
創造力之所以不神秘，之所以能為機器建模，從內在方面說，就是因為它依賴的是我們平常的認知能力，如思維、想象、聯想、類比等。它們以一定的方式集合在一起，就有創新現象的突現。用科學的語言說，創造力的發揮是由分布式皮層網絡決定的，其現實顯現不取決於單個的大腦區域；創造力的神經基礎隨任務需求及其形式的變化而變化；多數創新任務的完成都與默認模式網絡和執行控制網絡的動態耦合有關。默認模式網絡的激活反映的是來自長期記憶的想法或信息的自發生成，而執行控制網絡的激活反映的是約束思維完成特定目標任務的過程。因此創造力是自然現象，可以得到計算建模和機器實現。就創造力最倚重的發散性思維而言，它們由節點的激活所構成。如果這些節點非常固定地連接起來了，那麼它們就表現為常規的心理現象。人有發散性思維，不外是出現了微弱的、間接的連接，進而喚醒系統用非特異性激活來撞擊大腦皮層。結果人的精神生活中就表現出常見的靈光突現之類的現象。
再就最具認知封閉性、被視之為心智奇跡的靈感、頓悟之類來說，衹要人類認知有辦法走進去，它的神秘性就會慢慢消散。它的所謂神秘不過是作為解決問題的方式不同於標準的分析問題的方式。後一類方式的特點在於，承認所要解決的問題易於用語言表達出來，這類問題可用直接的、邏輯的方式來加以解決。實驗說明，當被試面對能用邏輯方式解決的問題時，他們就會用語言來報告他們解決問題的循序漸進的步驟。而適合於用靈感等方法解決的問題則不同，被試不大可能用邏輯的論證來解決問題，在這種情況下，解決問題的過程就會表現出不可言說的特點。盡管如此，這樣的借助靈感解決問題的過程同樣是由生物的大腦完成的，裡面不會有超自然的力量，有的仍是可為科學說明的自然過程，如有關信息以特定方法被編碼和加工的過程。
要讓機器實現創造力，對創造力作出計算化也是必要條件。所謂計算化就是為概念提供操作定義，或把創造力翻譯成能在人工系統上實現的屬性，用計算術語重新表述創造力及其構成，揭示它所具有的形式或符號轉化的本質特點。計算化也可理解為用計算術語對有關概念作形式化處理。形式化的方式多種多樣，如代數形式化、邏輯形式化等。為滿足形式化的要求，已誕生了像代數符號學這樣的研究。它試圖從邏輯上將符號、符號系統及其映射的結構形式化。隨著計算創造力探討的深入，已誕生了許多有理論根據和實用價值的創造力計算化方案，如認知方案、程序方案、情境主義方案、計算主義方案等。根據計算主義方案，將創造力計算化，就是要用概念空間、啟發式、搜索等計算術語去說明創造力，去重構創造力觀念，例如將創新能力的諸組成、諸機制形式化於機器之中。衹有做了這樣的工作，機器才能實現這些形式化或其中的一部分，進而完成創新任務。
計算創造力何以超越其創造者
計算創造力基礎理論建設的又一工程是化解懷疑論的質疑，即計算機和創造力風馬牛不相及，因為創造力是人類心靈的奇跡，是最能體現人的本質特點的東西，而計算機是按程序運行的，所做的事情都是程序員事先安排好了的，其特點是被編程。被編程是自主性的對立面，而自主性是創造力的必然特征。計算機即使能表現所謂的創造力，也衹應歸功於程序員。程序中的指令、規則決定了計算機的所有可能表現，這些是沒法超越的。
但是，上述認知是基於對程序狹隘而陳舊的理解而形成的。根據對程序的新的研究，上述看法的問題在於沒有看到程序包含有規則本身的變化，即程序中包含有規定怎麼變化的規則即元規則，能被嵌入隨情境變化而變化的“活算法”甚或有創造力的算法。再者，程序被內嵌了能學習的算法，會對來自環境的沒有預料到的輸入作出反應。重要的是，它還包含遺傳算法，這種算法能對程序面向任務的規則作出隨機更改。這些變化類似於促成生物進化的點突變和交叉。許多進化程序還包含有適應度函數，它能從每個新一代任務程序的成員中挑選出最好的成員，作為下一輪隨機按規則變化的“父母”。沒有適應度函數時，這樣的選擇由人來做，而有了這樣的函數，機器就可以“自己”做了。這意味著，機器由於程序概念的變革而有了特定意義的自主性和創造力，也能生成符合人類創造力兩個標準（即新穎性和有用性）的輸出。以進化編程為例，它可以導致初步的轉型性人工智能，即讓機器有轉型性創造力，如有的程序生成的圖像完全不同於原來的圖像，即是新的和有用的圖像。之所以如此，是因為遺傳算法不僅允許單一的被編程的指令內的點突變，如改變一個數字，而且允許整個圖像生成程序的連續和分層的嵌套。道理很簡單：子女的智力可以超越父母。
軟件成為創造力生成器
不管為創造力做多少祛魅、計算化和模型建構工作，最終都要通過軟件來落實和實現。軟件工程就是將系統化的、嚴格約束的、可量化的方法應用於軟件的開發、運行和維護等工程技術研究和實踐過程。研究、設計、編寫在繪畫、遊戲、科學發現等領域中有創造力的軟件，就是計算創造力軟件工程的主要工作。
我們不細想，會認為設計軟件不過就是編寫代碼和算法，因此計算創造力中出現的軟件多數成了實現目的的手段。如果對軟件的本質和作用的理解僅僅停留在這個水平，那麼計算創造力的創造力理想就無法變成現實。基於從創新軟件的角度對軟件工程的反思和研究，人們對目標作了這樣的調整，即讓軟件生成的代碼和算法同時成為一種創新成果，讓軟件成為有創造力的軟件生成器，它的一個作用是向世界提出問題，而不僅僅是解決問題。要如此，就要改變方法論。基於這樣的認知，計算創造力編程中的代碼就不像在別的地方那樣衹是一種工具，而是能像科學或藝術中的成果和程序一樣，即這樣的代碼也有自己的生命，可以被研究，被修改，可應用於不可預見的領域，可受到文化的推崇，等等。
按照這樣的理念去設計和研制軟件，就不僅是在從事工程技術工作，而同時是在進行具有哲學意義的創造力探討，其表現是，這裡一定會重思創造力的本質等哲學問題。根據新的研究，創造力的作用不衹在於解決問題，更重要的是向世界提出問題，或將世界問題化。所謂問題化是指，所生成的代碼暴露了這樣的機會，即要麼有助於通過問題解決更好地理解世界，如暴露一種意外的異常或關於數據集的假設，要麼將代碼應用於變化之中以改變世界。
軟件工程的關鍵是編程，因為計算機表現創造力是通過程序實現的。具言之，要讓機器表現創造力，除了要研究創造力、讓其計算化以便實現於程序之外，還要探討程序的承受能力問題，如程序與創造力是何關係，能否實現創造力，能實現到何種程度，等等。正是看到這一點，許多計算創造力研究專家便踐行這樣的工程學進路，即先研究程序的承受能力和本質，再據此對創造力作計算化說明，解決具體的工程實現問題。
真實創造力與“接地”建模
冷靜反思已有的計算創造力軟件和編程研究工作，哲學家和一些關注基礎理論工作的AI專家都承認，已有的模擬了各種智能現象的軟件都有“真實性缺失（lack）難題”。這一問題其實是塞爾（John R. Searle，1932— ）等人所說的“意向性缺失難題”在計算創造力建模中的表現。人類所表現的創造力有兩種情況，一是系統真實地實現了創造力，如該系統要麼是創新的真正合作者，要麼是能自己創新的實在，二是被評價和解釋為有創造力，即有表面上的創造力。按照關於創造力的內在主義的觀點，已有的有創造力的軟件衹是被評價為有創造力，而非真的有創造力，此即真實創造力的缺失問題。
要讓計算系統真的有創造力，首先要弄清人類創造力中的真實性，如說他們真的有創造力是什麼意思？創造力的真實性的標準、表現是什麼？人的創造力之所以是真實的，除了真的是由人的目的、動機、力量決定並可隨時予以調節之外，它還鑲嵌、滲透在人類文化之中，與之融為一體，既受文化的制約、影響，又服務於文化。“真實性”的範圍還可擴大到生活的諸多方面，如對自己經驗、經歷的描述是否是真的。再者，要讓人工創新系統有真實的創造力，出路之一無疑是研究人的創造力具有真實性的根源和條件。人及其創造力之所以真實，是因為人及其創造力有“接地”（grounding）的特點，即生活於、具體化於他們的世界中，如海德格爾（Martin Heidegger，1889—1976）所說，人是在世存在。反觀計算系統，它的創造力之所以不真實，是因為它不接地，沒有生活基礎。
要解決真實性問題，關鍵是解決計算創造力軟件的“接地”問題，即應在設計真的有創造力的軟件時，讓它有自己的生活世界，讓它嵌入、具體化於它的世界之中。其實，計算創造力研究專家已在著手解決這一問題，“情境主義計算創造力”構想就是其積極成果。當然，要解決真實性缺失問題，具體的工程技術研究也是其必要條件。這裡關鍵是解決如何自動生成代碼的問題。要實現這一願景，必須堅持兩個原則，第一，應將世界問題化。第二，創建程序應被看作是有自己權利的工作，而不衹是到達目的的手段。通過這種方式，代碼自動生成就可為最前沿的計算創造力技術提供一個合適的試驗場地。在這裡，對話性生成技術的作用也很重要，因為衹有通過它，才能讓用戶相信所生成的代碼產品是有用的，進而解決有關的哲學問題，如計算系統如何可能具有自主性、意向性等。
總之，計算創造力既是解決如何讓創造力實現於計算機之上的工程技術方案，也是解決其中不可回避的基礎理論問題特別是事關創造力哲學的許多問題的“哲學方案”。由於創造力在有複雜難解一面的同時，也有能被自然化和計算化的一面，即具有計算和認知的本質，因此有被計算建模和實現於計算機之上的可能性和現實性。盡管軟件、程序有與創造力的異質性，有導致“真實創造力缺失”的可能性，但衹要按情境主義和社會延展主義的原則和方法深入研究軟件工程中的問題，解決“接地”問題，衹要進一步探討“活算法”如何內嵌自主性和靈活性等創造力的本質特性，就有可能讓計算創造力的理論基礎及創新觀研究上新台階，並化解創造力工程實現中的主要哲學難題。
引證文獻
[1] Colton S. 2012, The Painting Fool: Stories from Buliding an Automated Painter. In McCormack J and d’Inverno M (eds.). Computers and Creativity. Belin, Spninge-verlag, 3.
[2] McCormack J and D’Inverno M, 2012, Computers and Creativity: Road Ahead, In McCormack J and D’Inverno M (eds.). Computers and Creativity. Belin, Spninge-Verlag, 421.
[3] Cardoso A, Veale T, and Wiggins G. 2009, Converging on the Divergent: The History (and Future) of the International Joint Workshops in Computational Creativity. AI Magazine, 30(3), 20.
原載：加拿大《華僑時報》2025年7月25日第18—19版“新視界”文化思想學術專欄
