生成式 AI 最常被说成提效工具。长文摘要、邮件起草，它确实快。可创意这件事不只看快不快。认知科学家做了一个对照：一个人和另一个人一起想点子，跟一个人和 ChatGPT 一起想，哪边更有创意。
小编没有参与这项实验。下面是按公开研究用自己的话重写的，原文发在 The Conversation，采用知识共享许可。
字多，不等于点子新
研究创意时，常用一种叫发散思维的测法。说白了，就是拿一件很普通的东西，比如一块砖、一本书，让您尽量想它还能干什么。评分看两头：数量多不多，以及这些用法像不像别人也会想到的。
大语言模型很会把数量做大。另一项测试让 12 个聊天机器人回答成千上万的事实问题，答案往往比人写的长很多，真正的答案大约只占 42%。剩下的多是重复、背景铺垫，或者跑题。
208 个人，一半找人，一半找模型
研究者把 208 名参与者随机分成两组，做同一件事：给普通物品想用法。一组是两个人轮流说，一组是一个人加 ChatGPT。
| 对比 | 人和 ChatGPT | 两个人 |
|---|---|---|
| 回答长度 | 更长 | 更短 |
| 点子的创意 | 整体更挤、更像 | 更散，也更不一样 |
| 做久了之后 | 点子容易往中间靠 | 彼此拉开的距离更大 |
单看一条，模型也能很巧。比如把书当隔音材料。问题是，同一个主意会在很多次对话里再次出现。您自己看，会觉得新鲜；大家都用同一套模型，点子就挤在一起。按 2026 年 11 月的公开榜单，具体该用哪一款，小编写在大模型怎么选里。
为什么会越来越像
大语言模型干的是预测下一个最像的词。训练材料差不多，ChatGPT、Claude、Gemini 写出来的句子节奏就会像。两个随机的人则不一样，各自的经历模型没吃进去。
研究者用语义距离来量这件事。简单讲，就是两个概念离得有多远。和人合作越久，这个距离越容易拉开。和聊天机器人合作越久，点子越容易往中间靠。创意项目往往很长。有研究说，一个新产品从点子到交付，平均大约 27 个月，更新的可能要 54 个月。短短一轮头脑风暴，看不出这个差距。
别的研究也指向同一个方向。反复让 AI 画图，画面会越来越淡，像电梯里的背景音乐。让 AI 帮一个人写故事，这一篇可能比他过去的作品更巧；把所有人的 AI 文章放在一起，却更像。
给模型套人设，也补不上真人
有人试过人设提示。就是先告诉模型：请你假装成某一类人再回答。比如一位在印度教书的男教授，或者一位 58 岁的女性建筑公司创始人。这样做，点子会多一点。但整体范围仍然不如真人写作者。聊天机器人不擅长假装成一个有经历的人。
先找人，再开聊天框
- 要的是速度和初稿，模型好用。
- 要的是不一样的点子，先和一个真人说一轮。
- 项目要做很久时，别一直让同一个模型当唯一的合作者。
人回得比模型慢，也没那么面面俱到。但他们的经历模型并没有。小编的用法是：方向先和人定，再让模型帮忙整理、扩写。把顺序倒过来，容易从第一句话就走进大家都像的那条路。如果您想看期刊怎么分点子是人想的还是模型想的，可以读IdeaLens怎么看点子而不是用词。想先看「智能」这个词为什么不好用，可以读五位研究者的分歧：AI里的那个“I”，五位研究者各自怎么理解。想先弄清“智能”这个词有多含糊，可以看AI里的那个“I”。