学贯中西（9）：人机协同如何激发创新力

高焕堂

How human-machine collaboration sparks creativity

1前言：发挥完美的协同创造力

在上一期里，从GAN模型来说明人机协同创新的模式。其中最典型的是人类扮演创新者角色，而AI机器扮演鉴赏者（图1）。

于是本期将进一步探讨这种典型协同模式中，人类创新者与AI鉴赏者之间，两者智慧的互补与平衡之道，以期待发挥整体的最佳创造力。本文里，提出了两项平衡原则：

·慢想与快思的平衡;

·探索与直觉的平衡。

其实，这两项是一体的两面，综而言之，就是：“探索性慢想”与“直觉性快思”之间的平衡。当两者持续维持均衡时，AI可赋能人类去做创造性思考，激发人类潜在的创造力。

2认识专家直觉

专家直觉（Expert Intuition）是人们可以看出来眼前的情况与过去发生情况的某些相似点（即相似特征）。当一个人的专门知识愈深，就愈能看出似曾相似各种情况，而在一般的新手眼中，各个情况可能都是个别独立的情况。于是专家直觉带给人们鉴往知来、瞬间洞察的能力。换句话说，专家经验提供我们一种“直觉性的快思”，既不费时也不费力地展现出瞬间洞察力。

直觉会根据过去行得通、能奏效的方法，依据过往的经验来审视所创新的方法、手段和目标，所以称为“鉴往知来”的艺术，而其中的经验，并不一定指个人的经验，还可以包括所有人类的经验。尤其面对不完整信息时，可以尽量地从周围的信息中萃取洞察，来降低风险、提高创造的自信心。

由于直觉是瞬间出现的，而非有意识的思考所及，所以人们并不知觉自己如何做出直觉判断的，因而这种源自于经验的直觉思维（Heuristics）就具有了些许的神秘感和艺术感。

3以AlphaGO为例

兹回顾一下AI的发展史，自从1950年代，许多研究者就希望将人类的知识和思维逻辑植入到机器里，让机器像人一样地思考。当时就使用符号和逻辑里表示思考（Thinking）和表现出智慧（Intelligence），然而这个期望并没有成功。

后来，研究者另寻他途，转而采用“神经网络”（Neural Networks）来实现“机器学习”。AlphaGo就是这项新途径的代表。2016年，AlphaGo在围棋比赛方面击败了人类的世界冠军。AlphaGo的棋艺（智慧）是建立在人类的先验知识之上，基于人类大量的历史棋谱，迅速学习和归纳人类的棋艺经验，进而自我训练、不断精进而胜过了人类。换句话说，人类的先验知识（专家经验）提供给AlphaGo学习，让AlphaGo具有“直觉性快思”能力。

随着互联网的发展，网络大数据非常丰富，强力支撑机器的“直觉性快思”能力，而且已经远远超越人类的能力了。

4快节奏的年代，需要慢功夫

刚才说明了，一个人凭借他的专业经验，可以瞬间辨识出情境，首先浮现在他心头的直觉解决方法，经常会是正确的。它的重要用处之一，就是警告人们出了问题，即使还不知道问题在哪里，只要本能发出恐惧或忧虑的信号，就能提高警觉，因为早在意识知觉到达之前，直觉就已经感受到了，這就是人们对周遭事物的瞬间洞察力，它极为敏锐的。

然而，它常常会有偏见，因而会产生误判的情形，这是直觉的缺点。因此，随着人们生活的节奏愈来越快，也失去更多缓慢、沉思的空间，所以更需要慢想，来练就深度思考力、孕育更多创意。这通称为“慢想力”。

直觉性的快思，既不费时也不费力，不需耗费我们的注意力。然而，慢想力则需要耗用人们的注意力，去做深度思考。尤其，如今的数字年代，人们仰赖互联网互通信息，培养了快速反应的文化，这正逐渐啃食人们的专注力，大幅降低思考质量，阻碍慎密的创意发想。为了助长大跨度联想和原创思考，我们需要更丰富的慢想力。

5创意与实证

由于从容、专注和好奇心是想象与原创力的核心。就如同文学家艾默生曾说：每天都留一段“可以在小河边静静思考”的时间。那么，有想象些什么呢？著名作家Michael Gelb曾写了的一本书——“7 Brains：怎样拥有达芬奇的7种天才”，他在书中提到，达芬奇（Leonardo da Vinci）经常写下“务必彻彻底底想清楚（Think well to the end）』和『先考虑终点（Consider the end first）”。通俗的说，以终为始就是将未来真实的美好景象，作为当下创新的起点。

观想（Imaging）未来的目标，将激发人的大跨度联想力，把不同的东西重新做创意的链接和组合，创意会源源不绝而来。然而，并不是所有的创意都能从终点出发，寻觅到起点、设计出可行方法。所以要对创意进行分析、力求实证或是否证，来进行检验。所以这个步骤，就称为：创意的实证（图2）。

观想（Imaging）未来的目标，将激发人的大跨度联想力，把不同的东西重新做创意的链接和组合，创意会源源不绝而来。然而，并不是所有的创意都能从终点出发，寻覓到起点、设计出可行方法。所以要对创意进行分析、力求实证或是否证，来进行检验。所以这个步骤，就称为：创意的实证。

以上是第一阶段的心智创造部分：从终点出发，寻觅到起点、设计出方法，并基于现实来检验，进行对这项创意的实证或否证。逐渐创新与剪枝，而呈现出最终的全貌，以及关键性的实践要点，通称为：可实现计划（图3）。

接下来，就进入第二阶段的实体创造部份了（图4）。

通常由实践团队，基于第一阶段的成果，细心映射（Mapping）到现实条件，努力找出一条从愿景（即终点）映射到现实的一条连线（Mapping from vision to reality），让整个团队成员皆能依循这条线而顺利迈向终点，亦即实现梦想（即愿境），于是梦想成真了。

6创意：慢想+快学

刚才也提到了，培养慢想力能提升我们的深度思考习惯和能力，带来创新力。这过程会引导我们发现一些新事物，甚至所有人类都还不知道的事物（Unknown），继而努力去快速学习这些新事物（Know Unknown），然后與既有的知识整合起来，串成一条从起点通往目标的可行之路。例如，爱因斯坦在物理学上接受过训练，但为了阐明他的广义相对论，他自学了一个他未知的数学领域（Know Unknown），这一领域与他擅长的黎曼几何并没有什么明显关联。这称为：“慢想快学”模式，或称为“慢思快学”模式。

7实证：慢学+快思

由于专业知识和经验需要长时间的学习和积累，才能淬炼出直觉，来提供瞬间洞察力。学习时间长，但需要时则不假思索地快捷思考，既不费时也不费力。我们称为：“慢学快思”模式。一般而言，我们比较孰悉“慢学快思”模式。例如，宋朝苏东坡是非常有名的大人物，他的学问非常好，（那么）他的学问是怎么做的呢？他讲到要：“博观而约取、厚积而薄发”。需要很长的时间去学习（博观和厚积），学成了之后，即可展现快思了。例如，传统的科举考试，是在一两天的时间内，迅速表现出来。也就是俗语常说的：“十年寒窗无人问，一举成名天下知”。

这个模式的特性是：依赖归纳法（Induction），它强调积累过去的经验、归纳出一以贯之的道理。能有效培养人们成为特定行业的专家，拥有很好的专家直觉（Expert Intuition），以及鉴往知来的瞬间洞察力。

8快思与慢想的平衡

由于快思必须依赖长时间的学习，也就是快思需要搭配慢学。而慢想则要搭配快学，迅速探索和学习未知的新事物。于是，藉由“慢想快学”来观想、产生创意。并且透过“慢学快思”来进行实证、有效去芜存菁。两者持续均衡，让梦想成真。

在上一期里，曾经介绍过登山者与雪巴人的协同合作模式，也看到了两者之间的美好组合，能降低探索风险，激发探索者的自信心和创意潜能。而且两者在较量智慧的过程中，双方愈平衡互补，其效果愈好。反之，在成吉思汗与神鹰的偕同范例里，可以看到两者互补但是并不平衡，虽然救了成吉思汗的性命，却牺牲了神鹰。为了达到平衡，就需要知道如何学习来提升快思或慢想能力。慢想提供创想筑梦的空间，酝酿创意就如同筑建空中楼阁。快思提供去芜存菁的洞察力，映射到现实，就如同建造地基一样，只要让两者衔接起来，创意就不再是“空中楼阁”了（图5）。

就如同美国大文豪梭罗（即《瓦尔登湖》一书作者）所说的：如果你已经建好了空中楼阁，那么也无需毁弃它们，它们本来就应该在那里。

9擅用人机协同，提升人们创新力

AI技术专家李开复先生曾说：人类只剩下两件事情可以做——爱心和创新。AI的“快学快思”能力，已经技压了人类的“慢学快思”了。例如，在2016年的阿法狗（AlphaGo）。不需要十年寒窗，而只需要三个月，就能把所有人类的棋谱都学完了，具备了优越的围棋专家直觉。于是，人们就可以擅用AI的“快学快思”来赋能人类，激发人类的创新力（图6）。

综上所述，专家直觉大多源自于经验，大跨度的联想和探索却需要超越经验，又需要经验来协助去芜存菁。所以，慢想（探索）与快思（直觉）的平衡，最能激发源源不绝的创新力。专业知识和经验需要长时间的学习和积累，才能淬炼出直觉和洞察力，并力求两者平衡，以便做出更慎密的创意发想。