想象一组写作者各自完成故事。使用AI点子的人，作品平均更受读者认可；把这些故事放到一起，却发现它们之间的距离变小了。对个人而言是一次帮助，对整个作品集合而言，变化就不只有“更好”。
这是用来解释研究问题的编辑情境。我们平时评价AI创作，经常盯着眼前那一篇：是否通顺、是否新颖、是否值得发表。可如果许多人同时借助相似的起点，只评价单篇就可能错过集合层面的变化。
Anil R. Doshi与Oliver P. Hauser在2024年发表于《Science Advances》的实验，正把这两个层次放在一起。他们研究AI故事点子怎样影响短篇创作，并分别观察人类评分与作品之间的相似程度。正式论文 ↗
一分钟读懂
- 操纵的内容：写作者独立写故事，或可以获取一个、至多五个AI点子；AI提供故事起点，人完成八句短故事。
- 个体结果：获得AI点子机会的作品，新颖性与有用性评分平均提高，较低基线创造力者获益更大。
- 集体结果：AI条件中的故事彼此更相似。单篇评价提高与集合差异缩小，可以同时成立。
- 阅读边界：这是固定任务与有限调用方式的实验，没有测试所有提示策略、专业写作或长期文化演化。
01 · 创造力怎样变成可以研究的东西
“有创造力”听起来像一个整体评价，但研究需要先明确它指什么。作者沿用新颖性与有用性两个常见维度，再根据短故事任务调整具体指标。p.1 ↗
新颖性关注作品是否新鲜、原创、稀有。有用性在这里并不等于故事能教人解决现实问题，而是面向目标读者是否合适，是否有发展为完整书籍的可能，以及出版方是否可能进一步开发它。
这个定义决定了结果能支持什么判断。故事更像一份可发展的出版素材，是本文有用性的一种含义；不能直接翻译成商业创新更成功、教学更有效或所有创作者的能力更强。
作者还收集作品是否写得好、是否令人愉快、是否乏味等评价。这些项目帮助描绘读者体验，但不是同一份创造力指数，也不是写作者的情绪健康测量。
测量越清楚，我们越能避免笼统争论。一个故事可能结构成熟却缺少新意，也可能新奇但难以展开。论文没有要求读者在“AI有创造力”和“AI没有创造力”之间站队，而是把不同结果分开观察。
02 · AI提供点子，人负责写完
创作者被要求写八句短故事，主题和目标受众等条件由任务规定。他们随机进入三种条件：人类独立创作、可以获得一个AI点子、可以获得至多五个AI点子。AI生成的是三句故事起点，不是自动完成整篇八句作品。研究设计，p.2 ↗
主题随机分配为公海、丛林或另一颗星球上的冒险，目标读者为15–24岁的年轻人。界面还禁止直接复制粘贴AI点子文本。因此，这里不是让写作者按一下按钮提交AI全文；但禁止粘贴并不排除手动转述或沿用情节，也不能据此证明后续叙事已被起点完全决定。方法，pp.6–7 ↗
这一区别改变了如何理解“AI辅助写作”。在本实验里，系统主要介入构思起点；写作者仍要选取、展开和完成。它与让模型代写全文、让模型逐段修改，或来回讨论几十轮，都不是同一种合作安排。
最终分析包含293篇故事，另有600名独立评价者参与评价。在主要评价阶段，他们不知道作品是否获得AI帮助。将写作者与评价者分开，有助于减少“我觉得自己借助AI写得更好”与作品实际得到评价之间的混淆。
600是评价者人数，不能写成有600名作者完成创作。评价者还会评多篇故事，因此评分条数、故事数与独立写作者数也是不同层级。大量评分能增加信息，但不等于同样数量的独立创作实验。
任务有控制，也有代价。固定长度、主题和受众让条件之间更容易比较，却缩小了创作自由。专业写作里的资料积累、反复重写、与编辑讨论等活动，不能全部由一次短故事任务代表。
03 · 可以调用五次，不等于每人都用了五次
在两个可用AI条件中，88.4%的参与者至少调用过一次。具体说，一个点子条件中100人有82人调用；至多五个点子条件中98人有93人调用，合计175人，占198人的88.4%。p.2 ↗
在允许多次调用的条件里，平均调用2.55次，24.5%的人取满五个点子。这说明“最多五个”首先是一种可用机会，不能写成实验要求所有人阅读五个点子，再选一个写作。
随机分配的是获得这种机会的条件，实际调用次数还包含个人选择。有人可能很快找到合适起点，有人可能不喜欢最初的建议而继续请求。只比较多调用与少调用的人，就可能混入这些原有差异。
因此，主要条件效应回答的是提供某种AI访问机会产生什么影响，不是“每增加一个点子必然提高多少创造力”。更多可用选项与更多实际使用，也不能在叙事中悄悄替换。
这对日常产品评价同样有启发。开通账号、使用过工具、接触过某项功能和实际把建议写进作品，是不同的接触程度。只记录一个“使用AI”的勾选框，容易漏掉真正发生的创作过程。
04 · 个体作品评分提高了多少
相对于没有AI的条件，可以获得一个点子的作品，新颖性评分提高约5.4%；可以获得至多五个点子的作品，提高约8.1%。对应的回归系数约为0.207与0.311。p.3，图2 ↗
有用性评分的相对增幅分别约为3.7%和9.0%，对应系数约为0.185与0.453。这些百分比描述评分相对于对照的变化，不是创新人数增加，也不是得分量表直接增加同样数值的百分点。
把两个指标并排看，研究支持在这项任务中提供AI点子有助于平均作品评价，且多点子机会的结果更有利。不过，较高平均评分没有告诉我们每一个作者都获益，也没有保证最独特的作品数量一定增加。
作者自己评价作品时，条件间的新颖性与有用性没有出现同样显著的差异。这提醒我们，自我感受与第三方判断未必同步。AI可能改变作品的外部评价，却没有让作者同样清楚地意识到变化。
读者体验也有细分：一些AI辅助作品被评为更令人愉快、更可能有情节转折，但并非所有项目都改善，例如幽默评价没有同样的显著优势。把多个结果压成“全面提升创作质量”，会失去这项研究最有价值的分辨率。
主要盲评之后，研究还探索了披露AI使用情况的影响。正文报告，评价者对获得AI点子的写作者给予至少25%的作品归属评价折价，同时多数人仍认为这种使用合乎伦理、属于创作行为。这是评价者怎样分配创作认可的探索性结果，不是法律上的版权或署名权减少25%；独立补充材料中的具体测量与分析仍需另行核查。讨论，p.6 ↗
更适当的读法是先保留作品、评价者、量尺和基准，再讨论意义。它让我们知道工具在哪类指标上提供帮助，也保留继续问哪些创作品质没有被当前评价捕捉到的空间。
05 · 为什么较低基线者获益更大
写故事之前，参与者完成发散联想任务，简称DAT：提交彼此尽量不同的词语，研究用词语表示之间的距离形成分数。作者将其作为基线创造力的一个代理指标。pp.3–4 ↗
这个测量不是给人颁发终身创造力证书。它捕捉特定任务中的联想差异，不能替代一个人的全部创作经历、专业知识或在其他形式中的表现。阅读“较低创造力者”时，最好把这个测量背景一起带上。
在较低DAT者中，一个点子机会与至多五个点子机会，对新颖性的增幅约为6.3%与10.7%，对有用性的增幅约为5.5%与11.5%。较高DAT者的作品原本评分较高，额外收益较小。p.4，图3 ↗
作者认为，AI在这个任务中帮助缩小了不同基线作者的作品评分差异。它提供的起点、组织方式或表达可能补充较低基线者的不足；这与“所有人被提升同样多”是两种不同的结果图景。
讨论部分进一步指出，本研究没有发现AI点子把作品创造力推到高创造力写作者独立完成水平之上的证据。准确的说法是，在这批参与者和八句故事任务中，差距缩小，而高端表现未显示进一步突破；这不是人类创造力上限已被测定，更不能推广成AI永远只能托底。讨论，pp.5–6 ↗
较低与较高DAT者调用点子的频率并没有显示相应差异。因此，收益差异不能简单归结为前者用了更多。但这仍不意味着机制已经完全确定：如何挑选、怎样改写、原先有哪些困难，还需要更细的过程证据。
对教育而言，一个值得继续研究的问题是，工具究竟帮助学习者形成了自己的新能力，还是让当前作品达到更高标准。本实验主要评价产出，没有安排足以回答长期学习的独立后测，两种意义应当保留区别。
阅读图3时，应该看随着DAT变化，不同条件下预测评价怎样移动，而不只是寻找哪一条线最高。低基线端的差距较大，高基线端差距变小，讲的是收益随已有表现变化的模式。它不等于某个明确分数以下的人才值得获得工具，也没有提供用于筛选学生的阈值。
同样，缩小作品评分差距可以有积极意义：更多人达到可读、可发展的水平。但教学目标若还包含形成不同视角，平均质量趋近就不是唯一标准。这两种价值需要分别讨论，不能因为其中一种可量化，便把另一种排除在评价之外。
06 · 集体多样性，怎样与个人新颖性分开测
研究还把每篇故事转换成文本嵌入，用余弦相似度比较内容。简单理解，嵌入把文本表示为一组数值，相似度反映它们在这种表示空间中有多接近；这与读者给故事打分是不同工具。p.4，图4 ↗
作者将相似度乘以100，形成0–100尺度，并比较某篇故事与同一条件下其他故事平均表示的接近程度。结果显示，两个AI条件的故事平均更接近同条件的其他作品。
相对于无AI条件，对应系数约为0.871和0.718。它们是相似度尺度上的增量，不是“文化多样性下降0.871%与0.718%”。正文还用无AI组相似度的取值范围作参照，得到10.7%与8.9%；这个换算也不能变成普遍的多样性损失比例。
为什么作品单独看更新颖，合起来却更相似？一种可能是，AI帮助很多人越过常规写作的低门槛，但同时提供相近的起点。每篇比原来的独立产出更成熟，并不意味着它们彼此之间更远。
可以用一个编辑类比理解：许多人原本各有不成熟的草稿，经过同一套优质范例的帮助，各自都改善了，却也都靠近同一种表达。这个类比说明逻辑关系，不是对实验参与者实际心理过程的重建。
因此，个人评价与集体比较不能相互代替，也不能将两种数字相减得到“净创造力”。它们测的是不同对象，需要分别讨论谁获得收益、哪些差异可能减少。
07 · 锚定解释有什么证据
为理解作品为何趋同，作者进一步比较故事与AI点子的相似程度。对于调用过AI的作者，使用首个可用点子；对于没有AI或没有调用的人，则随机配对同主题AI点子作为比较。p.5 ↗
两个AI条件的作品与点子更加相似，相对无AI条件约增加5.2%与5.0%。作者据此认为，写作者在一定程度上受到AI起点的锚定。这里的百分比和前面故事彼此相似度的系数不是同一个比较。
锚定是一种有材料支持的解释：初始建议可能限定后续展开的方向。与此同时，研究没有直接观察每位作者脑中怎样形成构思，也没有把起点影响与全部其他机制单独分离。
文本相似更不等于抄袭判定。一个人可能大量改写，也可能借用了结构或主题；嵌入提供的是集合比较的方法，不能自动给个别作品作出处罚性判断。
AI作为“跳板”的帮助与作为锚点的限制，可以发生在同一过程里。一个建议让人开始写，也可能使其他原本会想到的方向不再被探索。这种张力比简单赞成或反对工具，更接近实际创作的问题。
锚定还带来一个关于顺序的问题。如果一个人先看到AI建议，再形成自己的想法，我们很难知道那些没有出现的方向是什么。若先保留独立构思，再引入建议，就多了一份可比较的材料。这样的过程设计可以帮助研究起点怎样影响展开，而不仅是在完成之后询问作者觉得有没有受到影响。
不过，独立构思本身也可能需要更多时间。评价新安排时应计入这项成本，并检查额外时间究竟带来更丰富的方向，还是仅使完成更慢。本文没有比较这种流程；它从锚定解释引出一个可以继续测试的变量，而不是已经确定的改进秘诀。
08 · 作者为什么把它称为社会困境
摘要将结果描述为一种类似社会困境的动态：个人借助工具可能更好，集体产生的新内容范围却可能收窄。这里把分析单位从一位作者扩展到许多作者共同构成的内容环境。p.1及讨论 ↗
但研究观察的是一次在线实验中的作品集合，没有追踪整个文化市场多年变化。是否会出现长期收窄，还涉及专业创作者如何回应、读者偏好、模型变化、出版选择及新的创作策略。不能把作者提出的担忧写成已经测得的历史趋势。
这篇论文也没有允许写作者自由定制提示或与系统持续来回讨论。它说明一种受控的点子提供方式可能带来趋同，不足以证明所有协作方式、所有模型和所有专业作者都会如此。p.6 ↗
不过，这个边界并不使结果无关紧要。恰恰因为实验安排清楚，我们可以问：换成先独立提出点子、要求寻找不同方向、加入不同来源材料，能否保留单篇收益，同时减少集合趋同？这些是可以比较的后续问题。
09 · 与设计思维和学习研究对读
第7篇Dorst讨论框架形成与框架创造，关心人如何重新理解问题、价值与解决方向。这篇短故事实验则在相对固定的主题和任务里测作品评分。更高的新颖性，不等于作者重新设定了问题。相关精读 ↗
把两篇连起来，能够提出更精确的创作观察：AI帮助人完成既定要求，还是帮助他发现要求本身值得改变？前者可以由产出评价检验，后者需要追踪目标、约束和判断如何变化。
第17篇关于AI护栏与学习的研究，则提醒我们不要将更好的当前作品直接算作能力增长。如果希望在教学中使用故事点子，还需要观察学生之后能否独立构思，而不只是这次写得更顺。相关精读 ↗
这些联系属于编辑对照，不意味着论文使用相同的创造力或学习量表。对话的价值在于补出新的研究问题，而不是把不同研究的指标拼成一个统一分数。
10 · 一个同时看个人与集体的创作试验
以下是编辑设想。组织一组写作者完成相同类型任务，可以比较直接获得AI点子、先独立构思再获得AI点子，以及不使用AI三种安排。事先确定评价标准，并让独立评价者不知道条件。
评价每篇作品时，记录新颖性、可发展性与具体质量问题；评价整个作品集合时，再看主题、叙事结构和文本表示的相似程度。不同相似度方法可能捕捉不同特征，最好不要只用一个数字承担全部多样性判断。
同时保存起点与修改过程。作者保留了哪些自己的想法，拒绝了哪些AI建议，何时改变方向？这些材料有助于判断趋同发生在生成起点、筛选还是后续润色，而不只是看最后作品长得像不像。
如果目标还包括学习，可以加一个之后独立完成的新任务。产出改善、集合多样性和独立能力是三条评价线，可能给出不同答案。事先分开它们，才不会在看到结果后随意切换成功标准。
这篇论文让“好作品”之外多了一层视野。我们既可以承认工具对某个作者的帮助，也可以继续关心：当许多人都得到同一种帮助时，整个内容世界还有多少不同的出发点。
作品集合的比较还应问“哪些差异值得保留”。词汇不同可能只是表面变化，人物处境、价值冲突或问题理解的差异则可能更重要。计算相似度可以帮助发现整体模式，人工分析可以进一步解释模式对应什么内容。两种方法配合，才能避免把一个数学距离直接等同于文化丰富度。
对一个内容团队而言，可以先比较同主题、相近篇幅的一组作品，看看大家是否反复从相同的开头、转折和结论出发，再回到生成过程寻找原因。目的不是要求每篇刻意与众不同，而是让质量改进与表达差异都进入讨论。工具帮助人跨过空白页之后，是否还留下继续偏离共同起点的空间，值得被认真保留为一个问题。
原文与版本
Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10, eadn5290.
本文采用9页正式版，页码对应PDF页序。核对正文任务、样本、评分增幅、调用情况、DAT异质性、相似度分析及正文报告的归属评价探索结果；独立补充材料中的实现细节及附表未逐项复核，未重跑数据。开篇类比与教学、创作试验建议为编辑延伸。
更新于2026-10-18 · v1.0 · 正式版。