منبع: هنر: DALL-E/OpenAI

گاهی اوقات، به لاف زدن برای انسان ها و هوش مصنوعی ختم می شود. مطالعه اخیر این بحث جذاب را روشن کرده است: آیا هوش مصنوعی واقعاً می تواند ایده های تحقیقاتی را به خلاقیت انسان ها ایجاد کند؟

محققان مدل‌های زبان بزرگ (LLMs) Claude 3.5 و GPT-4 را با متخصصان انسانی در تولید ایده‌های تحقیقاتی بدیع و عملی مقایسه کردند. آنچه پدیدار شد الگوی قابل توجهی بود – LLM ها در تازگی، ایده های مهیج ایجاد می کنند، اما غالباً امکان سنجی ندارند، در حالی که محققان انسانی که در واقعیت مستقر بودند، راه حل های عملی تری ارائه کردند. وحی واقعی؟ موفق‌ترین ایده‌ها از همکاری انسان و هوش مصنوعی بود، که در آن هر یک به نقاط قوت خود عمل کردند و نتایجی را به‌دست آوردند که هم نوآورانه و هم امکان‌پذیر بود.

این تئوری تعادل “برد-برد” معروف جان نش را به ذهن می آورد. نش اظهار داشت که بهترین نتایج زمانی حاصل می شود که بازیکنان استراتژی های همتایان خود را در نظر بگیرند و بر اساس آن تنظیم کنند. در زمینه خلاقیت، تعادل نش نشان می‌دهد که استراتژی بهینه برای نوآوری یک نبرد «هوش مصنوعی در برابر انسان» نیست، بلکه یک همکاری «برد-برد» است که در آن هوش مصنوعی مرزهای امکان را پیش می‌برد و انسان‌ها آن ایده‌ها را با قضاوت عملی هدایت می‌کنند. .

LLM و تفکر انعطاف پذیر: خلاقیت نامحدود

LLM در چیزی که ما می توانیم تفکر انعطاف پذیر بدانیم قابل توجه هستند. آنها که بر روی مجموعه داده های گسترده آموزش دیده اند، ظرفیت ایجاد ارتباط در دامنه های به ظاهر نامرتبط را دارند و ایده هایی را پیشنهاد می کنند که مرزهای مرسوم را به چالش می کشند. به عنوان مثال، یک LLM ممکن است استفاده از اصولی از زیست شناسی تکاملی را برای مسائل در زبان شناسی محاسباتی پیشنهاد کند یا از روش هایی از یک زمینه برای حل چالش های دیگر استفاده کند. زیبایی این رویکرد این است که LLM ها توسط سوگیری های شناختی انسان یا محدودیت های تفکر سنتی مانع نمی شوند. آن‌ها می‌توانند ایده‌هایی را پیشنهاد کنند که واقعاً جدید هستند و با موارد عملی که اغلب نوآوری‌های انسانی را تحت فشار قرار می‌دهند، محدودیتی ندارند.

در این مطالعه، این انعطاف پذیری به نمرات بالا برای تازگی و هیجان تبدیل شد. LLM ها ایده هایی را ایجاد کردند که محققان انسانی اذعان داشتند که آنها را در نظر نمی گرفتند. این امر LLM ها را به عنوان شرکای خلاق به ویژه ارزشمند می کند و به انسان ها کمک می کند راه حل ها یا رویکردهایی را که قبلا تصور نکرده بودند کشف کنند.

انسان ها: در واقعیت لنگر انداخته اند

جایی که انسان ها از LLM ها بهتر عمل کردند، امکان سنجی بود – توانایی تبدیل این ایده های خلاقانه به استراتژی های عملی. خلاقیت انسان با تجربه شکل می گیرد که بر اساس واقعیت های جهان است. خواه دانش محدودیت‌های مهندسی، ملاحظات اخلاقی یا محدودیت‌های مالی باشد، انسان‌ها در درک آنچه که در چارچوب دانش و منابع فعلی ممکن و قابل دستیابی است، برتری می‌یابند.

با این حال، این عملی بودن هزینه دارد. محققان انسانی تمایل دارند در چارچوب پارامترهای تعیین شده فکر کنند. این به این معنی است که، در حالی که ایده‌های آن‌ها پایه‌دارتر است، ممکن است محافظه‌کارانه‌تر نیز باشند. تنش بین خلاقیت و امکان سنجی اغلب انسان ها را به سمت نوآوری های ایمن تر و فزاینده تر می کشاند.

یک همکاری برد-برد

بنابراین، بهترین راه پیش رو چیست؟ یافته های این مطالعه نشان می دهد که ترکیب خلاقیت جسورانه LLM با عمل گرایی انسانی موثرترین نتایج را به همراه دارد. وقتی انسان‌ها در کنار LLM کار می‌کردند – اصلاح، ویرایش و ارزیابی ایده‌های تولید شده توسط هوش مصنوعی – مفاهیمی را تولید کردند که نه تنها بدیع و قابل اجرا بودند. اینجاست که تئوری تعادل نش مطرح می‌شود: همکاری نه تنها بهترین استراتژی است، بلکه مسیری را برای بهینه‌سازی نقاط قوت انسان و هوش مصنوعی برای تأثیر بیشتر ارائه می‌دهد.

همکاری انسان و هوش مصنوعی تعادلی را ایجاد می کند که در آن LLM ها جرقه های خلاقانه را ارائه می دهند، طیف گسترده ای از ایده های نوآورانه را ایجاد می کنند و انسان ها به عنوان فیلتر عمل می کنند و قضاوت دنیای واقعی را برای تصمیم گیری اینکه کدام ایده ها دارای بیشترین پتانسیل برای تحقق هستند را به ارمغان می آورد. به این ترتیب، هر دو طرف سود می‌برند: هوش مصنوعی افق‌های خلاقانه را گسترش می‌دهد و انسان‌ها مطمئن می‌شوند که این افق‌ها در واقعیت تثبیت می‌شوند.

نوآوری و هم افزایی هوش مصنوعی

این مطالعه پیامدهای قابل توجهی برای آینده خلاقیت و پژوهش دارد. همانطور که LLM ها به پیشرفت خود ادامه می دهند، ظرفیت آنها برای تفکر انعطاف پذیر احتمالاً عمیق تر می شود و به آنها امکان می دهد ایده های پیچیده تر و بدیع تری تولید کنند. اما توجه به این نکته مهم است که LLM جایگزین خلاقیت انسان نخواهد شد. در عوض، آن‌ها آن را تکمیل می‌کنند و ما را وادار می‌کنند تا آزادانه‌تر فکر کنیم، در حالی که همچنان بر دانش دنیای واقعی خود برای زنده کردن آن ایده‌ها تکیه می‌کنیم.

آینده نوآوری احتمالاً با هم افزایی شکل خواهد گرفت – ترکیبی از تازگی مبتنی بر هوش مصنوعی با عملی بودن انسان محور. LLM ها می توانند به شکستن دیوارهای شناختی کمک کنند که تخیل انسان را محدود می کند، در حالی که انسان ها با هدایت این ایده ها به سمت راه حل های عملی، هوش مصنوعی را ثابت نگه می دارند. آنها با هم، یک حلقه بازخورد قدرتمند ایجاد می‌کنند که خلاقیت و حل مسئله را به روش‌هایی که هیچکدام به تنهایی نمی‌توانند به آن دست پیدا کنند، افزایش می‌دهد.

در این عصر جدید خلاقیت، موفقیت به این نخواهد بود که هوش مصنوعی نسبت به انسان ها بهتر فکر کند یا انسان ها از هوش مصنوعی بهتر عمل کنند. این در مورد کار با هم، استفاده از نقاط قوت منحصر به فرد هر دو برای دستیابی به نتایجی است که هم تخیلی و هم عملی هستند. همانطور که تعادل نش نشان می دهد، بهترین نتایج نه از رقابت، بلکه از همکاری حاصل می شود. و در این همکاری پتانسیل برای نوآوری واقعاً پیشگامانه نهفته است.