第五章：利用生成式人工智能培养创造力：与Ronald Beghetto的对话

OECD：根据您自身的经验，您会如何鼓励教师和学习者探索这条更慢的路径？

Ron Beghetto：我越来越认识到，教育工作者和学生需要学会利用生成式人工智能进行构建，就像我当初一样。我认为这是最有效的方式。

关于人工智能素养，有很多说辞，这本身没问题，但它往往流于表面。“要合乎伦理地使用它，要警惕偏见”，等等。这些都没错，但除非你亲自尝试构建一些东西，否则你无法真正理解它。一个“氛围编程时刻”正在兴起，它让人们能够开始构建工具。但你需要明确的目标、预先的内容知识，以及对想要构建什么的感觉。

2024年秋季，我与博士生一起开设了一门课程，因此他们具有一定的领域专业知识。我们从一个简单的问题开始：“你能构建什么样的AI助手来支持你的职业目标？”我教他们使用这些工具为自己的工作、为其他教育工作者或学生构建东西的过程。我称之为“构建以学习，学习以创造”的方法。你先构建，然后开始看到你产品的优势和局限性。这个小组取得的成果令人惊叹——大多数学生之前从未构建过任何AI工具，也许有一个人稍微尝试过，但也就仅此而已。但由于他们有明确的目标，知道自己想要达成什么，他们构建的工具现在正被用于撰写论文或专业实践。

后来我想，为什么不向本科生和教师开放这个呢？所以，自2025年秋季以来，我一直开设两门课程：一门面向所有专业的本科生，一门面向研究生。我也一直为教师举办工作坊，展示如何以更有原则的方式使用这种方法——一种更慢的AI方法，即教AI以苏格拉底式的方式回应。实际上是近乎“令人厌烦”的苏格拉底式：总是提问、寻求背景、支持和维护人类的想法与能动性——永远不简单地给出直接答案，而是提出可能性：“如果你尝试这个会怎样？”或者“如果你尝试那个会怎样？”将想法的所有权保留给人类。

利用生成式人工智能培养创造力的原则和工具

OECD：教师如何才能最大限度地利用生成式人工智能来培养创造力——特别是当他们通常厌恶不确定性时？对于学生来说，这些原则是否有所不同？

Ron Beghetto：我认为对于教师和学生来说，这些原则本质上是相同的。我们主要与教师合作，因为他们的角色至关重要，特别是在与年幼的学生一起工作时。许多此类工具的服务条款中有最低年龄要求。你不应该简单地把学生丢给这些工具。教师需要参与这个过程，需要处于这个循环之中。

首先，教师必须对无法确切知道如何正确使用这些工具所带来不确定性感到舒适。许多教师一直在尝试，但许多人仍然不认为自己有创造力。包括教师在内的许多人，往往认为孩子比成人更有创造力。这种信念是有问题的。他们认为孩子更自由、更爱玩。但同样，他们将创造力与纯粹 originality 混为一谈了。是的，年轻人经常会有各种疯狂的想法。随着年龄增长，你会学习到世界的限制和现实。但是，再强调一遍，创造力是有约束的原创性：它必须适合任务并建立在知识的基础上。

教师实际上处于很好地指导创造力的位置，但他们需要正确理解创造力，并清楚为什么要使用生成式人工智能。因此，教师必须有明确的目的和目标，运用自己的经验和领域知识，并对不确定性和不同观点保持开放。

让我们看一些实际例子。有时候，你有一堂教了很多年的课，但它效果不太好。你想改变它，让它更有创造性，但你离它太近了，太熟悉了。一个简单的启发式方法是让熟悉的事物变得陌生。你在结构和不确定性、熟悉感和陌生感之间玩味张力。因为生成式人工智能工具是对话式的（它们可以与你进行有意义的对话），你可以说：“我不知道该怎么做；这是我的想法。”但你仍然保持控制：“这是我的目标；这是我的背景。”如果教师不愿意自己构建工具，他们至少需要学会如何以一种放慢过程的方式与AI互动。这意味着要有明确的目标，像对待同事一样push back，并提供详细的背景。例如：“这是我想要做的；这是我的材料；这是我期望互动发生的方式。”这是背景工程的一个方面，超越了提示工程。你可以对AI聊天机器人说：“分享可能性，而不是答案。用‘如果……会怎样’来开头，这样我就能记住这只是其中一种观点。”我认为这才是起点：教师示范这种谨慎的、反思性的使用。

其次，我认为教师在将这些工具介绍给学生之前需要有持续的使用体验。在我的课程中，我会展示我构建的工具的示例，但我告诉学生：“不要构建这些相同的工具；构建一些解决你发现的问题或需求的东西。”

对于学生来说，最大程度或最具创造性地使用面向学生的应用程序，依赖于类似的预防措施。大多数学生已经在使用AI，往往作为一种陪伴，包括社交和情感支持。它可能很有说服力，有时过于有说服力。例如，一个学生可能会想：“我喜欢写诗，但这东西写的诗比我能写的要好得多。我就让它帮我写吧。”我们不希望看到这种情况。或者：“这个建议听起来非常合理。”但你必须保持批判性。这只是一种声音。要获取其他观点，包括来自你信任的人类。所以，再强调一遍，以下原则适用：拥抱不确定性，以知识和明确的目标为基础，对不同观点保持开放，并对过程进行约束以使输出相关且可行。

OECD：给我们介绍一下您利用生成式人工智能构建的不同工具。

Ron Beghetto：在我的网站上，读者可以找到一些短视频，展示我利用生成式人工智能构建的一些机器人示例。我甚至让AI为这些视频配音，加上我自己的旁白。

我开发的一个工具是为AI可能性实验室（AI Possibility Lab）服务的。它是我在我的课程及其他场合使用的工具生态系统，面向学生、教师和教育领导者。我所有的AI解决方案都建立在一个简单的教学框架之上：第一，优先进行人与人之间的对话，以澄清你为什么想要使用AI。第二，如果你被卡住了，再转向生成式人工智能工具。可能性实验室有一个促进者代理，它知道并连接所有其他工具。你可以说：“这是我一直在努力解决的问题”或者“我甚至不知道如何思考这个问题。”促进者会询问背景并建议最合适的工具来使用。有一些工具可以帮助你意识到可能性（例如使用类比）；深入探索这些可能性（检验假设，考虑各种情境）；精炼可能性（思考意外后果）；以及规划和实施新的可能性（设定目标、监控进度、开发完整项目）。

另一个工具是“课程非规划机器人”（Lesson Unplanning Bot）。它帮助教师接管那些过度计划、预先确定的课程——那种你讨厌教的课程——并注入创意的生命力。它帮助你解构计划、引入结构化的不确定性、重塑课程。

还有另一个工具是“遗产项目机器人”（Legacy Project Bot）。它帮助学生开发有影响力的创意项目，影响他们的学校或社区，比如解决食物浪费问题或设计一个安全的课后活动空间。

这三个例子都基于我的工作和其他相关 scholarship。它们扎根于我对创造力的定义。重要的是，这三个工具都被设计为赋予并维护创造力，而不是将创造力交给机器。

OECD：让我们谈谈新兴的经验证据。有一些研究比较了允许使用生成式人工智能与否的创造力输出。其中一项研究表明，被允许使用生成式人工智能的个人输出（由人类评分者评判）通常更有创造力，但使用GenAI的人群中集体原创性却较低。您怎么看？

Ron Beghetto：我的直觉是，是的，这些工具可以增强创造力。我从经验中知道这一点。但你不能忘记用户的知识和经验。它们可以将经验较少的用户提升到一定水平。但如果没有更深入的知识，你有时确实会得到同质化的输出，而且多样性不如与高度熟练的创意合作者合作时那么多。我认为如果一个人已经有好的想法并且能够判断AI产生的内容——拒绝那些没有意义的，保留那些有意义的——他们肯定会更有创造力。也有证据表明，即使是专家有时也会 dismiss AI的有价值的贡献。或者反过来，观众有时会认为AI输出优于人类输出。证据仍在涌现，但同样的标准适用：不要太 dogmatic，否则你可能会 overlook something creative。以领域知识为基础，对不确定性保持开放，并展现灵活性。

OECD：那它们的准确性呢？

Ron Beghetto：人类也会 hallucinate。人类也会说不准确的话。创造力有时在“幻觉”上蓬勃发展，也许有一些值得追求的东西。但我不会完全依赖生成式人工智能工具来获取事实性答案。我用它们来支持新思维。人类必须进行事实核查和实证检验。

超越文本生成：多模态和通用人工智能

OECD：除了文本，您如何看待生成音乐、视频、图像的生成式人工智能工具？我们也可以用创意的方式使用它们吗？它们会取代人类创造力吗？

Ron Beghetto：同样，这取决于心态和取向。如果你以没有明确问题或目的的方式接近它们——“帮我做这个”——它们确实可以取代你的创造力。或者它们 simply 变得令人不知所措。这是你应该始终从项目或目标开始而不是简单地说“我有截止日期，请帮我做这个”的另一个原因。有时当然会发生那种情况。但理想情况下，你要抱着“我需要一些反馈或例子”的心态来接近它们。

我通常会使用不同的生成式人工智能工具：ChatGPT、Gemini、Claude，以及开源模型。每个都有略微不同的“个性”。我设定基本规则并提供背景。然后，我把它们当作一组同事来对待。我向每个工具展示同样的问题，分享我最初的想法，并比较不同的观点。如果一个说了什么有趣的东西，我可能会把它拿来并让另一个在此基础上构建。或者问：“找出这个想法的漏洞：它可能会如何失败？”也就是说，我认为最强大的用途是：作为一个不同观点的面板，始终由你掌控。是的，有时你会想添加音乐或视觉。但你必须仍然是决定何时以及为什么添加的人。

这些工具可以加速和增强你已经能够做的事情，并带你走得更远，就像与任何熟练的合作者合作一样。它们 hold 很多“知识”，所以可以加快学习速度。但你必须像对待人类来源一样核查一切。

我们绝对不应该将它们的使用限制在高等教育中。较年幼的学生已经在使用它们了。他们只需要学会以一种有原则和负责任的方式使用它们，检查、质疑和发展批判性思维。请记住，这正在快速发展。我们现在讨论的东西很快就会过时。这不像我一生中见过的任何其他学科或技术。加速度是前所未有的。

OECD：您对未来有什么看法？

Ron Beghetto：最大的威胁是教育中的意义危机。如果教育只是关于传递惰性内容让学生再现，机器会做得更好。如果学生成为 digital puppets——“帮我做这个”——而教师也外包他们的反馈，教育就失去了它的目的。这就是为什么哲学家一直说教育必须有意义的、经验性的、有目的的。否则，人们会说：“把惰性知识留给机器——我需要的时候再获取答案就行了。”

我认为我们正生活在一个重要时刻。我实际上相当乐观，但我们必须对风险保持诚实。这是一个非常不同的时刻，不仅仅是另一项新技术。将它视为工业中的生产力工具是一回事。但在教育中——这是关于学习的——这是完全不同的事情。当你是一个 digital puppet 时，你并没有真正在学习，这就是危机。教育长期以来进展缓慢，但也许这将加速一些急需的反思——关于教育是为了什么。

延伸阅读参考文献

[1] Beghetto, R., W. Ross, M. Karwowski, M., and V. P. Glăveanu (2025), “Partnering with AI for instrument development: Possibilities and pitfalls”, *New Ideas in Psychology*, Vol. 76, p. 101121, https://doi.org/10.1016/j.newideapsych.2024.101121.

[2] Beghetto, R. and F. Zamana (2025), “A Principled Approach to Human Creativity x AI in Education”, in *The Cyber-Creativity Process*, Springer Nature Switzerland, Cham, https://doi.org/10.1007/978-3-031-84535-2_3.

[3] Doshi, A. and O. Hauser (2024), “Generative AI enhances individual creativity but reduces the collective diversity of novel content”, *Science Advances*, Vol. 10/28, https://doi.org/10.1126/sciadv.adn5290.

[4] Katz-Buonincontro, J. and T. Kettler (eds.) (2025), *The Oxford Handbook of Creativity and Education*, Oxford University Press, https://doi.org/10.1093/oxfordhb/9780197698181.001.0001.

[5] Vincent-Lancrin, S., C. González-Sancho, M. Bouckaert, F. de Luca, M. Fernández-Barrerra, G. Jacotin, J. Urgel, and Q. Vidal (2019), *Fostering Students’ Creativity and Critical Thinking: What it Means in School*, Educational Research and Innovation, OECD Publishing, Paris, https://doi.org/10.1787/62212c37-en.