李建会等：人工智能会获得创造力吗？
摘 要：人工智能是否会取代人类的创造性工作，西方学者对此争议颇多。本文通过引入国外心理学对创造力的相关研究，对这一问题给予了回答。心理学一般将新颖性、有用性和新奇性作为创造力的判准，基于此，人工智能具有一定创造力，但由于缺乏内禀的规范性，它只具有弱人工创造力，因而无法取代人类在创造活动中的位置。但这并不意味着人工创造力在未来人类生活中不可以发挥重大作用。人工智能与人类存在着一种既耦合又去耦的关系，因而在未来的人工智能时代，二者存在分工合作的关系：智能机器从事的是一种变异劳动，而人类主要从事规范劳动。这也表明，在智能机器的时代，人类的创造力非但不会被机器所取代，反而还将从繁重的认知变异活动中解放出来，更为直接地进行创新活动。
关键词：人工智能；创造力；规范性；人工生命；劳动分工
一、导言
越来越多的研究者认为，随着人工智能的表现越来越好，无论是相对高端的白领工作，还是相对低端的低工资岗位，都会面临技术性失业。的确，即便是象征人类高级智力水平的国际象棋和围棋，Deep Blue和AlphaGo也已经分别打败了它们的世界冠军对手卡斯帕罗夫（Garry Kasparov）和柯洁，人工智能对其他人类工作的替代似乎已经不可避免。然而，卡斯帕罗夫对此却相对乐观，他认为，智能机器可以取代那些物理性劳动，以及那些技术含量低的认知工作，但却正好可以让我们聚焦于那些更富创造性的工作，而这才是人之为人的根本。也就是说，人工智能不可能具有人类的创造性，在低技能的工作岗位被取代的同时，要求高度创造性的岗位将会不断产生。
这种观点实际上比人工智能的历史都要悠久。历史上最早的计算机程序员洛夫莱斯夫人（Lady Lovelace）曾经预言，在未来计算机不仅能用来求解数学问题，甚至可以用来创作复杂的音乐。然而，她仍然坚持认为，即便计算机可以作曲，其创造性也不能归诸于分析机，而应该归诸于工程师。后来，人工智能的先驱图灵（Alan Turing）在其著名论文《计算机器与智能》中重述了洛夫莱斯夫人的这个论证：“（计算机）无权说它开创了任何事情。它所能做的仅仅是我们命令它们执行的事情。”这个看似简单的反驳实际上包含了对人工智能的两种并不相同但却高度相关的诘难：1）人工智能无法开创任何新的事情，从而缺乏创造性；2）人工智能所做的事情全部出自于人的指定，因而缺乏自主性（autonomy）。本文将首先聚焦于创造性问题，随后再涉及它与自主性的关联。实际上，图灵花费了大量篇幅来反驳洛夫莱斯夫人的诘难。他认为，可以通过机器学习的手段，让计算机做到一些我们根本无法预想到事情。当下的机器学习的发展可谓一日千里，但机器是否真的具有创造力了呢？本文通过引入国外心理学对创造力的相关研究试图回答这一问题，并试图阐明人类劳动及其创造力在机器智能时代的独特价值。
二、创造力：判准和定位
虽然心理学上对创造力并不存在完全一致的定义，但绝大多数标准定义都规定了创造力的两个关键判准：原创性（originality）和有效性（effectiveness）。比如，契克森米哈（Mihaly Csikszentmihalyi）将其定义为“新颖和有价值的观念、行动或客体的产生”。这意味着，任何创造性的产物，一方面应该是新颖的、开创性的，不同于既有的、流行的东西，另一方面，它们应该对于某些人或群体是有用的、合适的，或适当的。但除了这两个判准，也有心理学家认为还存在着第三个判准，即新奇性（surprising）。博登（Margaret A. Boden）认为新奇性意味着三种不同的涵义：在统计学上不同寻常的东西、未曾意识到的符合熟悉风格的东西、几乎不可能出现的东西。基于上述三个判准，西蒙顿（Dean K. Simonton）总结了创造力的测量公式：
C=N ×U ×S
在此，C为创造力（creativity），N为新颖（novelty），U为有用（utility），S为新奇（surprise）。假定这四个变量的最大值为都为1，当且仅当N=U=S=1时，C=1；N、U和S任一变量的值为0时，C=0。也就是说，只有当所产生的东西的新颖性、有用性和新奇性都趋向最大的时候，创造力才会趋向最大，而如果它们在新颖性、有用性和新奇性中缺乏任何一种，创造力都会趋近于零。这说明一个观念或事物的产生如果要具有创造性，就必须同时满足三个判准。
上述三种判准，不仅在量上界定了创造力的不同梯度，实际上也界定了创造力诞生的两种不同空间。如何界定一个东西是新颖的，是一种事实性判准，它可以被刻画为一个产品在特定的物理时空中出现的概率，某个创造者所能产生的所有新颖变异（variation）构成了一个变异空间；有用性和新奇性的判定则是一种规范性判准，二者依赖于特定的社会和文化环境，所有可能满足有用性和新奇性判准的创新共同构成了一个规范空间。某个创造者所能产生的创造性变异，就构成了一个创造空间，它是变异空间和规范空间的交集。
在界定清楚创造力的判准之后，需要进一步探究的问题就是创造力的定位。人们通常认为，创造力要么存在于个人的大脑之内，要么存在于被创造的产品之中，并认为创造力的主体是天才和个人，但近些年来，越来越多的学者开始倡导一种分布式创造力的概念，把焦点转向了更广泛的社会和文化语境。在此我们主要关注的是契克森米哈提出的创造力的系统理论。在他看来，创造力依赖于三个不同的元素：个体（individual）、场域（field）和领域（domain）。他把创新视为一种选择文化变异，继而传递下去的过程，而上述三个原则在这个过程中发挥了不同的作用。个体是创新的个人背景，它包括个人的背景、习惯和动机等，其功能是在既有的文化传统中产生新的文化变异；场域是创新的社会语境，它是特定学科的专家和成员的总和，它的作用是选择有意义的变异，并将被选择的变异纳入到文化领域之中，从而让创新传递下去；领域是创新的文化语境，它是特定学科的知识网络，一整套的规则和程序，或个体所置身其中的文化背景，它本质上是历史中的传递下来的创新的总和，赋予个体创造所必不可少的信息。可见，个体、场域和领域的作用分别是产生、选择和传递文化变异。
但契克森米哈的系统理论存在着两个严重的缺陷：一是忽视了个体自身的社会-文化维度，二是低估了个体在创造中的自主性。首先，契克森米哈仍然预设了一种孤立人式的个体概念。实际上，认知科学中的延展心灵论题已经揭示了，人类总是和各种技术客体和工具构成了一个延展认知系统，协同进行劳动和认知活动。不仅如此，社会和文化系统也可以部分地执行个人的某些认知任务，从而构成了个人的社会延展认知系统。因此，执行变异功能的并不仅仅是生物学上的有机个体，而是一个集合了物质和社会-文化因素的延展系统。其次，契克森米哈没有注意到，个体具有创造活动的自主性，可以相对地独立于社会和文化系统，有目的地进行创造活动。因为延展系统不仅可以将认知任务卸载到外部的物质和社会-文化系统之中，而且个人系统在其种系和个体发育中，也已经通过演化适应过程和文化适应作用整合了社会-文化系统中的规范知识。当它与社会和文化系统暂时去耦的时候，这种被整合的规范知识仍然在发挥作用，从而可以执行变异选择和传递功能，并可以自动的约束变异的可能空间，更高概率地产生出具有有用性和新奇性的变异。基于上述考虑，可以将契克森米哈的创造力模型修正为下图所示：
我们可以进一步把这一系统模型和前述的创造空间模型结合起来进行分析。正如约翰逊-莱尔德（Philip N. Johnson-Laird）所指出的，创造力是在自由和约束中界定出来的，一方面创造力意味着可以自由地在可选项中做出选择，另一方面，没有约束就无所谓创造。这里的自由和约束，正好可以对应于上述模型中的产生和选择变异两种操作。首先，有创造性的能动者在各种可能的变异中选择产生新颖的变异，所有的这些可能选择构成了变异空间；其次，所有这些变异都会被社会和文化环境再次选择，如果说第一种选择意味着一种选择的自由，那么第二种选择则意味着一种规范性的约束，所有可能的约束规定了规范空间的边界。创造空间是两个空间的交集，随着能动者自由程度的变化，以及社会和文化规范性的变化，创造空间也会相应地变化。
总之，通过以上对创造力的分析，可以发现创造力不仅涉及新颖性这样的事实性判准，而且涉及了有用性和新奇性这样的规范性判准。如果说个体系统在创造过程中的作用主要是产生新颖的变异，那么社会和文化系统的作用则是挑选和传递有用和新奇的变异；然而，由于任何个体总是整合了社会-文化和物质因素的延展系统，她也可以相对自主地执行选择和传递变异的规范性活动。因此，对于一个有创造力的能动者，她应当1）有能力未经外部干预而产生新颖的变异，2）自动地使变异大概率地位于规范空间之内。
三、计算创造力的工程实践评估
在澄清有创造力的能动者的标准之后，我们将进一步评估当下人工智能的创造力。在人工智能领域，这种试图采用计算机程序来产生具有创造性的作品的研究，被称之为计算创造力（Computational Creativity），但它的应用目前还主要限于音乐、绘画和诗歌这样一些特定的艺术领域。以下，我们将分别评估人工智能的三种艺术实践。
计算机作曲程序试图在很少或没有人类干预的情况下，根据算法自动（而不是辅助人类）完成作曲任务。它的技术进路包括语法、基于知识的系统、马尔科夫链、人工神经网络和遗传算法等，其中，前两种进路归属于符号主义，它和人工神经网络是最常见的两种方法。符号主义作曲程序试图根据不同风格的音乐背后所隐藏的“语法”规则，来自动生成相应风格的乐谱。比如最常见的爵士即兴创作程序，它可以根据人工或机器概括的爵士乐“语法”规则，随机地生成符合“语法”的音符，最终“创作”新颖的爵士乐。最著名的作曲程序是科普（David Cope）的作曲程序Emmy，它可以创作出莫扎特、巴赫等作曲家风格的乐曲。它的原理是根据旋律、和声、装饰主题等来标签来刻画一个作曲家，并将这些标签混合起来，从而产生新的风格。而基于人工神经网络的作曲程序则不需要任何音乐语法，只需要让神经网络模型学习乐曲的表面特征，经过训练之后，就可以生成相似风格的曲子。比如托德（P. M. Todd）最早使用了一个三层递归神经网络来产生单声道旋律，它的每个输出信号都代表着一个绝对音高，在给定一系列的作曲例子之中，它就可以将一个单独的输入配置与作曲的时间序列关联起来。当然，为了追求更强大的作曲能力，更多的音乐作曲程序实际上都混合了不同类型的人工智能方法。
那么，这些作曲程序是否展现了某种创造力呢？博登认为，这些作曲程序都展现了一种探索性创造力，即可以在既定的音乐空间之内探索新的音乐表现。我们在某种程度上赞同这一观点。如前所述，创造力产生于规范空间与变异空间的交集。这些作曲程序并非是在随机地产生音符，相反，它在一定程度上内化了人类音乐创作中的文化规范。无论是符号主义程序所依赖音乐语法，还是神经网络所概括的音乐特征，都在一定程度上体现了乐曲风格的规范。当然，这种由外而内地植入到程序中的规范并没有捕捉到人类音乐创作中的全部规范，因此程序“创作”的音乐在美学上仍然无法媲美于人类作品。但无论如何，这种作曲程序不仅可以产生全新的变异，而且可以自动地让这些变异符合审美规范，因而确实展现了一定的创造力。
相比于自动音乐作曲程序，自动绘画程序并不成熟，它所取得的美学效果要弱于自动作曲。最著名的绘画程序是科恩（Harold Cohen）的AARON，它可以自动生成一些简单的绘画。在数十年的时间里，科恩一直在不断改进AARON，让它从表现最简单的抽象画，到可以表现更为具象的诸如石头、树木和人物这样的形象，后来甚至可以表现带有色彩的3D场景的形象。此外，由于深度学习所带来的计算机视觉技术的进步，当下的自动绘画出现了新的契机。比如谷歌公司的DeepDream程序，在向这个程序喂进一个图像之后，它或随机或故意地聚焦于某个特征，随后通过修改图像来强化这一特征，最终经过多次重复之后，就可以生成明显具有该特征的图像。因此，DeepDream可以融合不同图像的风格，生成一些颇具梦幻效果的图像，就如艺术中拼贴画。
那么，ARRON和DeepDream是否体现了某种创造力呢？显然，AARON所“创作”出来的绘画都是不经人类干预的，并且也是未曾预想到的，因而它可以自主地产生全新的变异，并且，这些“作品”也在最低限度上符合人类绘画的文化规范。科恩认为，虽然这并不能就此证明AARON具有创造力，但也起码证明了它可以做到一些需要人类创造力而做出的事情。在我们看来，如果单从它产生的作品而非创造过程进行分析，可以认为AARON具有创造力。对于DeepDream，博登认为它并没有展现出真正的创造力。在她看来，拼贴画所选择的内容的组合并非是随机的，而是展现了特定的文化蕴涵。但是由于深度神经网络DeepDream的不可解释性，很难根据初始图像来预测它所生成的图像，从而无法根据某种美学趣味来挑选拼贴元素，最终无法自动进行创造。可见，AARON展现了某种创造力，它的创作遵循着某种美学规范，但DeepDream所能做的只是不可解释的组合而非可预想的创造，因为它的创造活动本身并没有自动地体现某种美学规范。
自动作诗属于人工智能中的自然语言生成（natural language generation），它试图通过计算机程序自动生成人类可以理解的文本。这些程序所使用的技术包括：模板、生成-测试、进化规划、实例推理和随机语言建模。近来最著名的作诗程序就是微软公司开发的“小冰”，它所“创作”的诗集《阳光失了玻璃窗》的出版，引起了各学科领域的广泛讨论。小冰作诗的原理是，首先，从用户给定的图片及其语义描述中提取相关意象，然后，模型将基于关联度统计进一步扩展这些意向。基于提取和扩展的意象，模型就可以通过训练好的递归神经网络生成相应的诗歌，随后再通过自动评估器对生成的诗句进行评估，以排除不流畅或语义不融贯的句子，经过反复的生成与评估之后，就可以最终成篇。在整个作诗过程中，小冰可以自动地产生新颖的变异即意象组合，并且可以对这些变异进行评估和修正，从而更大概率地产生自动产生符合审美规范的诗歌。因此，小冰无疑符合前文所述的创造能动者的判准，具有一定的诗歌创造力。
然而，虽然小冰内置了自动评估器，但仅仅在语法和语义融贯层面对其进行评估，却不包含对意象组合的本体论常识的描述。实际上，大量的不符合本体论常识的意象组合是无意义的。我们注意到，小冰创作了10000多首诗歌，最终只选了130多首出版，这里面实际上涉及到了人工的选择，它排除了大量质量低的诗歌。而我们基于在小冰作诗程序网站（https://poem.msxiaobing.com/）上的实验，发现它所“创作”的诗歌大多都是机械拼接不合常理。只有在经过反复试错之后，才能得到几首在审美上有点价值的诗歌。可见，从大量的随机生成，到人工选择少数作品，人类的评估在整个创造活动中发挥了必不可少的作用。在这个意义上，小冰展现的创造力并没有那么强大。
四、弱人工创造力与强人工创造力
以上所分析的各种计算创造力模型，全部都满足创造力的能动者的判准1，即可以有能力未经外部干预而产生新颖的变异，除了DeepDream之外，也都满足判准2，即自动地使变异大概率地位于规范空间之内。那么，这是否意味着，当下的人工创造力已经实现了人类式的创造力，随着程序技术水平的提高，不远的将来机器就将取代人类的创造劳动了呢？事情远没有这样乐观。
对于判准2，需要更进一步的分析。一般而言，自动地行动意味着因循一种规范而行动，对于有机体而言，这种规范是内禀的，即规范对于它是有意义的，对于自动机器而言，这种规范是外赋的，对它自身是无意义的。我们可以基于这种区分进一步界定两种不同的人工创造力，即强人工创造力和弱人工创造力。这一区部分来自于塞尔对弱人工智能与强人工智能的区分：
“根据弱人工智能，计算机在心灵研究中的主要价值是，给予我们一种有力的工具。……但是根据强人工智能，计算机不仅仅是心灵研究的工具，相反，恰当编程的计算机就是心灵，在这个意义上，被赋予正确程序的计算机可以在字面意义上被认为可以理解，并具有其他认知状态。”
塞尔反对强人工智能的可能性，认为计算机并不能够理解，也不具有认知状态。在他看来，数字计算机与人类智能的区别在于，前者仅仅是在响应符号串的物理形式，但人却可以将语言中的词语与意义关联起来，它所响应的是语言的意义。因此，数字计算机是一个纯粹的形式系统，而不承载任何内容，也就是说，它仅仅是句法的，而不是语义的。塞尔由此认为：“程序对于心灵而言既非构成性的也并非是充分的。”塞尔的这个论断实际上意味着，计算机中的语义（即规范性内容）衍生于外部观察者或设计者的赋予，而无法自主地理解一个有意义的世界。哈纳德后来将这一问题总结为符号奠基问题。它的要点在于，形式符号系统与外部世界之间的规范性钩连，如何才能内禀地生成，而不是外赋地规定。由于既有的人工智能进路都无法解决符号奠基问题，强人工智能目前还无法实现。
基于弱和强的人工智能的区分，可以进一步阐明强和弱的人工创造力。弱人工创造力基于弱人工智能，它仅仅是一种研究创造力的工具，可以通过某种创造力图灵测试来判定，即计算机所创造出的作品和人类作品比较的时候，任意的第三方都无法有效地将其区分出来。在这个时候，我们可以认为计算机具有了弱人工创造力，但却不能断定它具有强人工创造力。后者建立在强人工智能之上，它可以自主地生成语义规范，乃至更广泛的社会-文化规范，从而可以根据内禀的规范自动地创造新颖的产品。在这个意义上，具有强人工创造力的智能机器同时具有自主性和创造性。
那么，如何才能让人工智能具有内禀的规范性呢？根据生命科学中的自创生理论，规范性来自于自创生系统的两种机制，即自创生（autopoiesis）和自适应（adaptivity）。自创生系统是一个可以自我维持、自我产生的自组织系统。规范性的来源是系统同一性的持存，一种处境只要危及系统同一性的维系，它就是负面，反之，则都是正面的。后来迪保罗进一步认为，自创生仅仅能提供一种全或无（all-or-nothing）的规范，为了说明那些更为细密的规范性，他提出了自适应性的机制来补充自创生。自适应性是一个鲜活的有机体对自身状态及其与环境的关系的调节，从而将自身和环境状态控制在有利于维持其生存的范围之内。这样，环境和内部状态对于有机体本身就具有了一种梯度式的规范性。正是基于自创生和自适应的机制，世界对于有机体就是内禀地具有意义的。有机体才可以有目的地认知和理解世界，从而获得了一种自主的智能和创造力。
因此，除非我们构造出一个具有自创生和自适应机制的人工生命，否则就无法实现具有自主性的强人工智能和强人工创造力。既有的计算创造力模型虽然满足一个有创造力的能动者的判准，即可以自动地产生符合社会-文化规范的新颖变异，但它的自动行动所遵循的规范性却是外赋的而不是内禀的。除了生命系统，任何机械的计算系统都不具有这种内禀的规范性。在这个意义上，计算创造力模型只具有弱人工创造力，而无法实现强人工创造力。
五、智能时代人类与机器的劳动分工
既然机器只能获得弱人工创造力，那么它就无法取代人类在创造活动中的位置，人类劳动将继续在创造活动发挥独特的价值。然而，这是否意味着，人工创造力只是一种供人娱乐的玩具，对于人类的高级创造活动没有任何用处呢？并非如此。在我们看来，人工创造力将对人类的生产活动发挥巨大的作用。我们需要明确的仅仅是：在人工智能时代，人类与机器如何在创造活动中分工？为了回答这一问题，首先需要正确地理解二者的关系。
随着人工智能在很多领域的智能表现开始胜过人类，很多人担忧人工智能将带来一系列的社会和生存风险。但正如我们在先前的研究中所揭示的，由于人工智能缺乏自主性，在人工生命实现之前，它完全不可能超越或取代人类。因此，不应将人工智能视为与人类敌对的能动者，而应将其视为人类大脑的延伸，正如机器是人类器官的延伸一样，正如有学者指出的，人工智能应被视为一种延展认知系统。从这个观点看，人工智能并没有彻底改变人与技术之间的关系。克拉克（Andy Clark）认为，人类的本质即在于总是将非生物的资源与自身耦合在一起。人类天生就是与技术杂合在一起的赛博格。而人工智能不过是一种最新的延展媒介，就如以往的词语、数字、计算器和手机一样。虽然人工智能相比于历史上的技术工具，可以在一定程度上实现人类的认知劳动，包括推理、规划、问题解决和学习等，但它也如同词语、数字、计算器和手机一样，并不知晓人类行动的理由，更不会理解它所加工的数据的意义。因此，人工智能依然只是一种新的延展系统。
然而，相比于历史上的技术工具，人工智能也具有它的独特性，即它可以在某种意义上被视为一种认知能动者。根据拉图尔的观点，任何事物只要它对其他能动者的行动产生了影响（make a difference），就可以被视为一个能动者。而对于一个认知能动者，总是会涉及到信息加工，它可以凭借信息加工来对其他能动者的行动施加影响。根据贝特森的定义，所谓的信息就是可以产生影响（make a difference）的差异。综合拉图尔和贝特森的观点，一个认知能动者，就是通过产生某种具有新颖变异（即差异）的观念，来对其他行动者的行动产生影响。而人工智能无疑可以满足这个定义，它可以产生位于规范空间之内的变异，从而可以对社会和文化系统中的人类能动者产生影响。因此，人工智能一方面是人类的延展认知系统，但它同时也可以被视为某种认知能动者，它与人类存在着一种既耦合又去耦的关系。
在明确了人类与人工智能的关系之后，我们就可以对前文所述的图2中的创造力系统模型略作修改，即将仅包含人类能动者的延展系统替换包含了人类能动者和机器能动者的延展系统，也就是说，变异的产生不再仅仅经由个人，而同样来自于机器能动者。这一新的创造力模型如图3所示：
那么，人类与机器在这个新的创造力模型中是如何分工的？我们认为，机器的专长在于操作变异空间，人类的专长在于操作规范空间。这一分工如图4所示：
人类由于受到思维的先天能力或后天定式的局限，所能构想的变异空间极为有限，而人工智能正好可以帮助人类做出突破性的变异，创造出前所未有的变异空间。比如，当一个诗人灵感匮乏的时候，他可以通过自动作诗程序“创造”出一些新颖的意象组合；一个棋手也可以在与围棋程序的对弈中，学习一些程序产生的全新走法。然而，虽然人工智能可以创造出概率上新颖的变异，但这种变异却不一定位于规范空间之内。比如一个自动绘画程序所“创作”的抽象画，它的线条与图案的组合可能是全新的，但在既定的艺术概念空间之内，它很可能既没有审美价值，也不会引起评估者的惊奇。而人类因为内化了这种社会和文化规范，却可以自动地、高概率地产生有用和新奇的变异。虽然也可以设计一个创造力评估系统，将人类的价值规范置入到人工智能之内，但机器除了因循这种规范性，并不能对它做出任何操作。正如契克森米哈所指出的，人工智能仍然依赖于来自于人类的输入，而不能自主地选择输入。或者说，机器还不能脱离人类而进行自主的创造。这些观点实际上意味着，机器所因循的规范性是来自于人类赋予的，它不能自主地选择和修改规范。
因此，人工智能虽然可以随机地产生新颖的变异，但这种如何选择那些有用和新奇的变异，要么需要从外部植入人类的规范，要么需要诉诸于人类的干预，而这种外部植入和干预都意味着一种规范性的操作。它主要体现为三种不同的操作：首先是因循，它通过评估和选择被创造的产品，维持和延续着社会规范性；其次是修正，它通过接纳那些新奇的变异，扩展了规范性的空间；最后是重构，它将引入那些完全不符合既有风格的变异，重构现有的规范性空间。正是这三重操作分别界定了博登所区分的组合性、探索性和变革性创造力。由此可见，创造力的更为本质的部分在于社会规范的因循、修正和重构，而这些劳动恰恰只能由人类来执行。因此，正如塞拉斯和布兰顿等所揭示的，人类在本质上是一种规范性的动物。而再高级的智能机器也缺乏这种内禀的规范，从而也不可能实现强人工创造力。
基于上述论点，我们也就可以构想在人工智能时代的人类与机器在创造活动中的劳动分工：智能机器从事的是一种变异劳动，它可以在创新活动中帮助人类个体产生新的变异，增加变异的广度和深度，从而为更多创新的产生提供了条件；而人类的劳动则可以被称之为规范劳动，它的作用是维持和再生产社会规范，从而可以让那些潜在的创新成为现实。因此，在智能机器的时代，人类的创造力非但不会被机器所取代，反而还将从繁重的变异活动中解放出来，更为直接地进行创新活动。
六、结论
在人工智能被赋予生命机制之前，我们认为卡斯帕罗夫的观点将长期有效，即人工智能非但无法取代人类的创造性劳动，还将把人类从技术含量低的工作中解放出来，让我们聚焦于那些更富创造性的工作。创造活动包含了两种劳动，首先是变异劳动，即产生新颖的变异；其次是规范劳动，即对社会-文化规范的维持、修正和重构等操作。机器由于缺乏内禀的规范性，无法执行规范劳动，但却擅长于变异劳动；人类即使不如机器那样长于变异劳动，但却是规范劳动的唯一执行者。凭借机器能动者的帮助，人类将极大地扩展变异空间的界限。我们预言，随着人类与机器在更深刻的程度上耦合而成为超人类（transhuman），对变异空间和规范空间的操作及其衔接将更为迅捷和流畅，人类创造力将在人工创造力的协助下得到前所未有的解放。
作者信息
李建会，男， 1964年生，中国，哲学博士，北京师范大学哲学学院教授。
夏永红，男，1985年生，中国，哲学博士，华南师范大学科学技术与社会研究院特聘研究员。
来源
文章原载：人工智能会获得创造力吗，《国外社会科学》2020年第5期。
因文章篇幅原因略去注释。
推荐阅读