AI创造力的三重境界

在刚刚结束的2025达沃斯论坛后，1月24日Google DeepMind的CEO、诺贝尔奖得主Demis Hassabis再次接受了长达一小时的深度专访。在这次对话中，Demis Hassabis 首次系统性地阐述了他对AI创造力的深度思考，并提出了一个三层次的创造力模型。

“第37手”：AI创造力的启示

让我们从一个经典案例说起。在2016年轰动全球的 AlphaGo 对战李世石的比赛中，第三局的第37手成为了AI创造力的一个标志性时刻。正如 Hassabis 在采访中回忆：”它不仅在与李世石对战时以4:1取胜，还下出了前所未见的新招式。”这个历史性时刻引发了他对AI创造力本质的深入思考。

AI创造力的三重境界

基于多年的研究经验，Hass abis 将AI的创造力明确划分为三个层次：

第一层：插值式创造

“最基础、最平凡的级别是插值（interpolation），也就是把你见过的东西做某种平均或混合。”Hassabis 用生成猫的图片来举例：”如果我让系统’生成一张新的猫的图片’，它从看过的一百万张猫图里得出一个综合结果——从理论上讲，这张图确实是一个新猫图，因为具体和训练集中某张猫图不完全一样，但这只是机械地做了某种’平均’，不太具有真正的创造性。”

第二层：外插式创新

更高一层的创造力表现为”外插”（extrapolation）。AlphaGo 就展现了这种能力：”它看过所有人类下的棋谱，又自己下了几百万盘自我对弈，就能想出人类从没见过的新策略，颠覆了人类几千年的围棋经验。”Hassabis 认为这种超越训练集界限的能力”已经相当珍贵，这是真正的创造性。”

第三层：原创式发明

最高层次是完全的原创发明（invention）。Hassabis 用设计新游戏来解释这一层次：”比方说，我可以跟系统描述一个抽象目标——’设计一款只需五分钟就能学会规则，但却要一辈子乃至几辈子才能真正精通的游戏，美感与深度兼具，包含某种神秘的宇宙奥义，而且两小时之内就能下完一局。’这其实是围棋的一种高度概括。系统若能发明出跟围棋一样优雅、美妙而且近乎完美的游戏——那才是我们说的人类那种发明创造力。”

当前AI创造力的瓶颈

为什么现在的大语言模型还无法达到 AlphaGo 那样的创造性水平？Hassabis 解释说：”好，比方说 AlphaGo 或 AlphaZero，如果你仅仅使用它的’模型部分’，不叠加搜索（search）和推理（reasoning）机制，那么你就只是让模型根据棋盘形势给你一个最有可能的好招式，这当然可以下得不错，可能达到专业水平或特级大师水平，但绝对不会是世界冠军水准，更不会出现那些谁都没见过的招。”他强调，真正的创新突破需要”搜索”能力：”要做到这一点，你就需要搜索这件事，让AI能跳到自己认知范围之外的地方，也就是超越现有已总结的知识，去发掘’知识树’更深处的分支。正是在那个过程中，你才能得到那些惊艳的想法。”

走向真正的创造力

Hassabis 认为实现第三层次的创造力还面临着重大挑战：”我们并不知道如何向系统准确描述这样的目标——它的目标函数过于抽象、模糊。我们不知道是不是应该让模型拥有更高层次、更抽象的思考模块，或者是不是其实还缺少了一种人类独有的智力元素。不过，他对未来保持谨慎乐观：”也许只是需要我们在系统里加入更多抽象层级，或者换种思路：也可能需要全新的技术。我们会同时去尝试这两条路。”

这个框架不仅帮助我们理解了AI创造力的本质和局限，也为未来的发展指明了方向。在通往真正创造力的道路上，AI还有很长的路要走，但方向已经越来越清晰。