实验表明：用 AI 辅助写作、创作的时候要适度，不能太多也不能太少
- 用 AI 做创作到底该用多少，加拿大不列颠哥伦比亚大学的一项研究给了具体答案：存在一个甜区，用得太少和用得太多，作品的创意评分都会掉下来。
- 主实验找了约 150 人，帮一个学生想一个只有 10 美元启动资金的创业点子，分三组：只用 ChatGPT 一次、用四到六次、至少用九次。专家评委按新颖性、实用性和商业价值打分，中间那组平均分最高。换 319 人重做一遍，结果一样。
- 专业创意人士也是同一个形状：时装设计师、视觉艺术家、作家、动画师、技术从业者和网红填一份 1 到 7 分的问卷，再由各自的老板评估创意表现，自评 4 到 5 分的那批人表现最好。
- Huang 的假设是，AI 能提供跳出你自己经验的视角，这和团队往往比个人更有创造力是同一个道理；而作者补充了它的几个短板，大模型本质是统计工具，常给出一种「平均答案」，还可能削弱你自己的胜任感。
- 写这篇的专栏作家自己试了一遍，和 ChatGPT 来回几轮编出一个比他独自能写出的更精巧的情节，但他说过程里失去了突触竭力寻找新连接的那种乐趣，最后决定还是自己写。
他让 ChatGPT 编了个电影梗概
Mischa 的父母正在自家的乡间宅邸为女儿办订婚派对。她致祝酒词时，酒杯从手中滑落，杯柄里露出一样东西，一张微型记忆卡。这个发现牵出一桩埋了几十年的腐败丑闻，而丑闻牵涉的正是她自己的家族，逼她在正义和忠诚之间做选择。
写下这段的不是编剧。New Scientist 的专栏作家 David Robson 给 ChatGPT 出了一道创意写作题，题目是一句话：「她的脸僵住了，眼睛睁大，看着玻璃杯在地上摔碎。」他的目标是在三十分钟内做出一个短的剧情大纲。
他没有进军好莱坞的打算。他在测一项研究的结论。
为什么值得看：同一项研究里的三轮验证，约 150 人的实验、319 人的第二轮实验、面向专业创意从业者的问卷调查，都得到同一个倒 U 形结果：中等使用量的那批人表现最好。前两轮由人类专家评委按新颖性、实用性和商业价值打分，第三轮的创意表现则依据各自老板的评估。
三轮验证都指向中间那一档
做这项研究的是 Hsuan-Che Brad Huang，研究是他在加拿大不列颠哥伦比亚大学读博期间完成的，现在他任教于新加坡国立大学商学院。关于算法会不会取代人的脑力活，网上已经吵了很久；他想问的是另一件事，AI 能不能提升我们自己的创造力。
主实验用的是一道经典的创造力测试题：帮一个叫 Mike 的学生想一个即兴创业的点子，启动资金只有 10 美元。参与者要先想出多个方案，再给 Mike 写一封邮件，把最好的那个详细讲清楚。约 150 人参加。
三组人的差别只有一处，就是被建议的 AI 使用量。一组只用 ChatGPT 一次，一组用四到六次提示，还有一组至少用九次。对一个十五分钟的任务来说，九次是非常高的投入。三组人都用了 AI，差别只在被建议的用量。最后的成果交给人类专家评委，按新颖性、实用性和商业价值三个维度打分。
结果和 Huang 事先的预测完全一致，中间那组的平均分最高。为了确认这不是偶然，他又用 319 人做了第二个实验，得到同样的结果。
换成靠这个吃饭的人，形状没变
实验室里成立，真实工作中未必。所以他还做了第三件事，去问专业创意从业者，包括时装设计师、视觉艺术家、作家、动画师、技术从业者和网红。
问卷让他们对「我用人工智能完成我大部分工作职能」这类陈述打分，1 分是强烈不同意，7 分是强烈同意。创意表现的评价不由他们自己给，而是依据各自老板的评估。结果和前两轮实验对得上：自评落在 4 到 5 分那批人，创意表现最好。
Huang 为什么认为适度是关键
Huang 的假设建立在一个关于人的观察上：我们的创造力常常被自己的经验框住。每个人都带着一些假设，它们会把思路推向某一个固定方向，所以听到另一种看世界的方式往往管用。
有证据认为，这正是团队常常比个人更有创造力的原因。而 AI 可以扮演同一个角色，给你一个不在你经验范围内的视角。
接着作者在文中列出这项技术的几个短板。正是基于这些，Huang 推测适度才是关键。
提供你自己想不到的角度，把你从固有假设里拽出来。这也是为什么多个人一起想往往强过一个人闷头想。
- 大模型本质上是统计工具，常常给出一种「平均答案」，缺少人脑那种带着个人色彩的怪异之处
- 它常常把训练数据里的偏见和成见一并吸收进来
- 更麻烦的是，它可能削弱你自己的胜任感，让人生出一种无所谓的心态
金发姑娘区间。名字来自那则童话，小女孩闯进熊家试粥，第一碗太烫，第二碗太凉，第三碗刚好。用 AI 也一样，要找的是那个不冷不热的中间档。
他自己走了一遍，然后决定还是自己写
回到开头那个电影梗概。Robson 把自己的整个过程写了出来，几个来回下来，每一步谁在做主都很分明。
他自己的评价是，每一步 AI 都拓宽了他考虑的事件范围，这几乎肯定让他在有限的时间里想出了一个比独自完成更精巧的情节。
但他保留了三点。这三点咬人的时间不一样：一个在写的过程里，一个在交出去的那一刻，还有一个要往后好几年才看得出来。
第一点图里说完了。第二点值得多一句：他最近开始写短篇小说，让他着迷的正是那些意外冒出来的母题和主题，它们以某种方式连着他自己的经历和当下的情绪。用 AI 那一次，这条通道是关着的。
第三点他自己也不确定。宾夕法尼亚州卡内基梅隆大学的 Grace Liu 和同事做过一项研究，题目直译过来是《AI 辅助会降低坚持性，并损害独立完成的表现》，显示人会很快变得依赖 AI，在没有它的时候坚持性下降。这篇 2026 年 4 月提交，目前还是预印本，尚未通过同行评审正式发表。Robson 自己怀疑这未必是永久性的改变，但他不喜欢这个念头：自己可能正在为将来的懒惰思考埋下伏笔。对他来说，写作应该是一条持续往上走的学习曲线。
这不是要评判任何选择用 AI 创作的人。我相信很多人可以这么做而不损害自己的智力。但如果天才真的像那句名言所说，汗水多于灵感，我宁愿自己流这个汗。David Robson，专栏结语
用 AI 写东西：从「用得越多越好」→ 中间那一档才最好
加拿大不列颠哥伦比亚大学的一项研究，三轮验证都指向同一个甜区，一页带图讲完。
↓ 一页读完 · 有一张会动的图
用 AI 帮忙写东西、想点子，这几年吵的都是「它会不会取代人」。做这项研究的 Hsuan-Che Brad Huang 想问的是另一件事：AI 能不能让人自己变得更有创造力，以及，该用多少。
这个问题以前只有经验之谈，没有测出来的答案。
AI 能给你一些自己想不到的角度
✘ 没人说得清的
一次任务里到底该用它几次
凭感觉的两个极端都有人信：一种是「少用点，别被它带跑」，一种是「能用就多用，反正它更快」。哪种更对，此前没有实验数据。
研究测出来的结果是一个「甜区」：用得太少和用得太多，作品的创意评分都往下掉，中间那一档最高。研究者借童话里的说法管它叫金发姑娘区间（小女孩闯进熊家试粥，一碗太烫一碗太凉，第三碗刚好）。
用得越多 → 产出越好
要么「少碰为妙」，要么「多多益善」，反正是一条直线。
用 1 次 ↓ 用 4-6 次 ↑ 用 9+ 次 ↓
一条倒扣的 U。两头都掉，中间最高。
接下来的问题是：为什么多用反而更差？
主实验找了约 150 人，任务是替一个叫 Mike 的学生想一个创业点子，启动资金只有 10 美元，限时十五分钟。三组人干的活完全一样，唯一差别是被建议用多少次 ChatGPT。成果交给人类专家评委，按新颖性、实用性、商业价值打分。
一次实验说明不了什么。这项研究做了三轮，越往后越接近真实工作场景，结果没变。
写这篇专栏的作家 David Robson 自己照着试了一遍，用五个提示和 ChatGPT 编出一个电影梗概。他承认那个情节比自己单干时更精巧，但写完还是决定自己写，他说过程里没有了那种大脑竭力寻找新连接的乐趣。
让 AI 帮一下吧
别被它带跑
反正它快
视角没打开。
又掉了。
多用反而更差？
经历框住了
，就像多找个人一起想
那个角度没进来。
- × 它靠统计说话，给的常是「大多数人的那种答案」
- × 训练数据里的偏见一起端上来
- × 你会觉得成果不像自己做出来的，然后就无所谓了
补一个只有我知道的设定
留在自己手里
的那种乐子，没了
也别问到自己不在场。