近年来，以GPT、DeepSeek为代表的大语言模型如雨后春笋般纷纷涌现，并在诗歌、绘画、故事生成等创造性领域展现出惊人成就，其创造力问题已成为当前人工智能研究难以回避的焦点。大语言模型已能够产生持续的创造性行为表现和输出结果，但它主要基于深度学习、数据训练、参数优化、函数逼近、概率抽样等图灵主义的工程学方法，并将目标定位于人工智能系统的行为表现。考虑到人工智能创造力的实现不仅涉及具体工程技术路线的选择，而且与人类心智图景中的创造力概念图式密切相关，所以从哲学角度重新审视大语言模型创造力是推进这一领域健康发展的可靠进路。

创造力是人类智能的重要组成部分，是一种“无中生有”的特殊认知能力，甚至可以说是“人类心智的奇迹”“体现人之为人的本质”。因此，要想真正解码大语言模型的创造力，还需从认知哲学视角对其创造性行为表现及其输出结果展开具体的剖析工作。这正如博登（Margaret A. Boden）所说，“机器是否具有真正的创造力并不是一个科学问题，而是一个哲学问题”。她认为，创造力主要是一种“提出新颖的、令人惊奇的和有价值的想法或作品的能力”。可以说，新颖性、惊奇性与价值是创造力的本质属性和判定标准。

根据新颖性特征，博登划分出两种形式的创造力，即心理创造力（P-创造力）与历史创造力（H-创造力）。心理创造力是指提出一个令人惊奇的、有价值的想法，而这个想法对提出这个想法的人来说是全新的。历史创造力指的是人类历史上第一次出现的新想法或新观念。从新颖性标准看，就其行为表现与输出结果而言，大语言模型既可能产生对特定个体而言具有认知突破意义的心理创造力，也可能在统计语言学层面实现人类知识体系未曾记录的排列组合，从而潜在满足历史创造力的判定条件。

根据惊奇性标准，博登划分出三种类型的创造力概念，即组合式创造力、探索式创造力与转型式创造力。组合式创造力是将熟悉的想法进行陌生的组合，探索式创造力意指在相同的概念空间中进行搜索从而产生新的观念或想法，转型式创造力则意味着改变或打破现有的概念空间从而产生颠覆性、革命性的输出结果。从惊奇性标准看，大语言模型可以说是产生组合式和探索式创造力的绝佳系统。但目前的大语言模型并未涉及打破或改变规则的行为能力，其输出结果只是一种根据提示词来产生的概率分布，所以并不具备转型式创造力。

从价值性标准来看，价值不仅是指效用、性能和吸引力，而且与输出结果的质量及其社会接受度有关。大语言模型的输出结果已经对人类社会很多方面产生了重要影响并且其质量也已得到人们的认可，因此可以说大语言模型生成的人工制品是具有价值的。

客观地说，当前的大语言模型确实表现出一定的创造性行为，其输出结果具有一定的创造性特征，甚至实现了组合式创造力与探索式创造力。但需要指出的是，大语言模型并不能实现具有颠覆性、变革性特征的转型式创造力，这与人类心智能够轻易打破旧有的思维风格从而开辟新的概念空间是有显著差距的。大语言模型表现出的组合式创造力与探索式创造力，只是图灵主义意义上的“模仿游戏”，并未真正触及人类创造力所依托的意向性根基与具身化认知架构。如果从认知哲学的视角来审视大语言模型，那么其创造力的真正实现至少面临以下难题。

一是大语言模型面临“意向性缺失难题”。意向性是人类创造力的核心要素之一。即使大语言模型的创造性行为和结果看似具有一定的意向性，但这是以无意识或盲目的方式实现的，它的“意图”和“目的”本质上只是单层前馈网络的链式推理，也并未形成丹尼特（Daniel Dennett）所说的“意向立场”（intentional stance）所需的反事实推理能力。此外，人类的创造过程还包含着自我评价的维度，而这种自我评价本质上是一种意向性的自我觉知，即对自身创造性活动的审视与反思。显然，目前的大语言模型并不具备真正意向性基础上的自我觉知或自我反思能力。

二是大语言模型面临“意义接地难题”。尽管大语言模型能够生成高质量的创造性输出结果，但以深度学习技术为基础的大语言模型只能学习词与词之间的关系，这与人类将语词与外部世界关联起来是迥然不同的。换言之，大语言模型在交流中缺乏意义的接地，因而依然无法逃离塞尔（John R. Searl）在“中文屋论证”中对人工智能的批判，即大语言模型并不能真正理解句法背后的语义，本质上只是一种“句法机”。

三是大语言模型的创造力图式深陷内在论泥潭。从认知哲学的角度看，创造力的产生过程并不局限于大脑内部，而是大脑—身体—环境的动态耦合过程，所以对创造力的理解应坚持外在主义的创造力概念图式。大语言模型的创造力只是图灵主义或功能主义意义上的行为表现，并未突破人类创造力固有的具身性与延展性特征。人类创造力的涌现始终与具身性实践紧密相连，而大语言模型封闭的参数系统既缺乏身体图式的感知运动基础，又无法获得环境实时交互的认知涌现，其创造性输出只是统计模型在符号空间的自我指涉。这种脱离具身情境的“内在论创造力”即便能通过图灵测试，也仍与人类在现象世界中的创造性实践存在本体论上的差异。

综上所述，目前大语言模型并不具备真正的创造力，最多只能视为对人类创造力的工具性模拟。大语言模型展现的所谓“创造力”实质是超大规模参数空间中的统计涌现现象，这种基于模式识别的伪创造性虽然能够产生符合创造力判准的新颖输出，却始终缺乏意向性、意义建构能力以及与现象世界的本体论关联。未来的人工智能创造力研究应突破单纯的行为主义范式，在认知架构层面探索具身化、社会化的新型模型，这既需要工程技术的范式革新，更离不开同哲学与认知科学的深度对话。只有系统真正获得“在世存在”的认知基础，人工智能创造力的哲学追问才可能开启新的解答维度。

（本文系国家社科基金青年项目“计算创造力及其哲学问题”（23CZX055）阶段性成果）

（作者系长沙学院马克思主义学院教授；安徽大学中国哲学与安徽思想家研究中心研究员）

• 来源：《中国社会科学报》2025年4月28日第3123期

• 作者：简小烜 束海波