这篇文章探讨了人工智能与人类创造力之间长达数十年的关系。从1943年军方希望用ENIAC计算机预测未来开始，文章揭示了几个关键转折：首先，王牌飞行员的成功证明了创造力的不可预测性，挑战了纯逻辑计算；其次，心理学家将创造力分解为可计算的发散思维与聚合思维，催生了生成式AI；然而，最终发现这种逻辑训练反而削弱了实战创新能力。结论是，真正的创造力源于计算机无法模拟的叙事性思维，强调了在AI时代，人类独特的、基于行动和故事的创造力仍然是无法被替代的核心优势。
计算机预测未来的最初梦想
1943年，美国军方启动了一个计划，旨在更快地创造未来。这个计划的核心是 ENIAC（电子数值积分计算机），世界上第一台电子通用计算机。当时的未来学家认为，这台机器是人脑的替代品，甚至能够终结时间。
通过将宇宙万物简化为数字和运动的电子表格，AI 能够根据今天的测量数据计算出明天。人们曾梦想，从市场、选举到战争，一切全球事件的结果都可以在瞬间被预知。
然而，就在同一年，军方对未来的数字化征服被一个意想不到的因素打乱了：人类的创造力。
第一次转折：无法计算的人类创造力
二战王牌飞行员 Gabby Gabreski 的战绩引起了军方的注意。他击落了28架敌机，是战绩最好的美国飞行员。军方想知道他为何如此出色。
最初的假设是，他只是更擅长遵守命令，像机器人一样执行飞行手册中的指令。但深入研究后发现，事实恰恰相反。
- 严格遵守规则的飞行员更容易被击落，因为他们的行为模式是可预测的。
- 顶尖的王牌飞行员，无论是盟军还是德军，都通过出其不意、富有想象力的方式取得胜利。
这一发现似乎给 ENIAC 的计划判了死刑。如果未来是由打破规则、富有创造力的个体塑造的，那么依赖纯逻辑编程的计算机就无法预测未来。
第二次转折：创造力可以被计算吗？
在AI看似陷入困境时，心理学家 J.P. Guilford 提出了一个新观点。他告诉军方，他可以将飞行员的创造力提炼成计算协议。他的研究最终得出了一个结论：人类的创造力是两种逻辑过程的产物。
- 发散思维 (Divergent Thinking): 这是一个随机过程，在不同类别之间进行任意的混合搭配，是企业头脑风暴的基础。
- 聚合思维 (Convergent Thinking): 这是一个概率过程，用于识别随机联想中的模式，如同在头脑风暴后投票选出最可行的想法。
这两个过程共同构成了构思 (ideation)，即设计思维的引擎。当计算机自动化这些过程时，就产生了生成式AI。随着计算机算力的发展，ChatGPT、Gemini 等工具的出现，似乎终于实现了军方在二战时的设想。
第三次转折：逻辑训练的意外失败
故事并未就此结束。在21世纪初，美国陆军特种作战部队发现了一个令人不安的事实。他们曾严格训练其最精锐的士兵进行发散思维和聚合思维，结果却发现：
这些士兵的实战创造力下降了。他们的战术缺乏想象力，策略效果不佳，在快速变化的环境中也更加脆弱。
这表明，基于逻辑的“构思”过程并不能完全解释或复制真正的创造力。
创造力的真正来源：叙事性思维
为了解释这一挫折，军方与作者的实验室合作研究发现，人类创造力是由一种独特的机械过程驱动的，这种过程对动物神经元来说很自然，但任何已知的电子晶体管都无法实现。
这个过程是叙事性的，而非逻辑性的。它依赖于“在行动中思考”（像神经突触一样），而不是“在方程中思考”（像计算机一样）。
一个例子是人类大脑识别“卓越信息”的能力。根据陆军手册的定义，卓越信息是“源于非凡事件、未被发现的机会或新威胁的特定且至关重要的信息”。识别这种信息需要主动性 (initiative)。
主动性无法被编程，它不是简单的模式识别，也无法通过随机组合实现。它可以通过基于叙事的练习来培养，例如：
- 像计算机一样思考： 列出你认为有创造力的人。这只是基于关键词的快速记忆搜索。
- 像小说家一样思考： 回忆或发现清单上每个人以其独特方式展现创造力的具体故事。
- 延伸故事： 将这个故事延伸到未来，想象每个人可能会如何应对你预见到的挑战或机遇。
结论：人类创造力仍是未来
也许有一天，工程师能造出可以完成这种练习的人工大脑，但这将不再是传统意义上的计算机。
在那之前，战胜竞争对手的最佳机会是吸取美国陆军的教训：计算机AI只具备部分的智能。无论AI如何发展，人类的创造力仍然是未来。