Liu, Qiawen Ella, Marina Dubova, Henry Conklin, Takumi Harada, and Thomas L. Griffiths. 2026. "Serendipity by Design: Evaluating the Impact of Cross-domain Mappings on Human and LLM Creativity." arXiv preprint arXiv:2603.19087.
Serendipity by Design: Evaluating the Impact of Cross-domain Mappings on Human and LLM Creativity
Qiawen Ella Liu, Marina Dubova, Henry Conklin, Takumi Harada, Thomas L. Griffiths
@June 18, 2024 9:30 PM (GMT+2)
Overview
- 人間とLLMが『遠く離いた分野から着想を得る』という創造性向上の手法にどう反応するかを比較実験で調べました。
- 人間は遠い分野からの類推で創造的になりますが、LLMは平均的に既に創造的で、この手法による大きな効果が見られませんでした。
AIが人間と同じ形で創造的になるのか、それとも全く違う方法で創造性を発揮するのかは、AI設計において重要な問いです。この研究は、古典的な創造性ブーストテクニック（ランダムな遠い分野からの類推）を人間とLLMの両方に試し、その反応の違いを丹念に調べることで、創造性という能力の本質に迫ります。
Abstract
Are large language models (LLMs) creative in the same way humans are, and can the same interventions increase creativity in both? We evaluate a promising but largely untested intervention for creativity: forcing creators to draw an analogy from a random, remote source domain (''cross-domain mapping''). Human participants and LLMs generated novel features for ten daily products (e.g., backpack, TV) under two prompts: (i) cross-domain mapping, which required translating a property from a randomly assigned source (e.g., octopus, cactus, GPS), and (ii) user-need, which required proposing innovations targeting unmet user needs. We show that humans reliably benefit from randomly assigned cross-domain mappings, while LLMs, on average, generate more original ideas than humans and do not show a statistically significant effect of cross-domain mappings. However, in both systems, the impact of cross-domain mapping increases when the inspiration source becomes more semantically distant from the target. Our results highlight both the role of remote association in creative ideation and systematic differences in how humans and LLMs respond to the same intervention for creativity.
Motivation
- 大規模言語モデルは人間的な創造性を持っているのか、また人間と同じ刺激で創造性が高まるのかは明らかになっていません。
- 『遠い分野から類推を引き出す』ことが創造性を高めるというアイデアは古くからありますが、これをAIと人間で同時に検証した研究がほぼないのが現状です。
- 人間とAIの創造プロセスの共通点と違いを理解することで、より効果的なクリエイティブツール設計につながる可能性があります。
Method
研究チームは人間の参加者とLLMの両方に、日常製品（バックパック、テレビなど）に対して新しい機能を考えるタスクを与えました。2つの異なるプロンプト条件を用意し、一方は『ランダムに割り当てられた遠い分野（タコ、サボテンなど）から着想を得よ』という類推を強制し、もう一方は『未充足のユーザーニーズに対応せよ』という指示を与えて、どちらがより独創的なアイデアを生むかを比較しました。
- 人間参加者と複数のLLMモデルが、10種類の日常製品それぞれについて新機能アイデアを生成するタスクに取り組みました。
- 生成されたアイデアの創造性・独創性を評価者が採点し、また着想源との意味的距離（どれだけ関連性のない分野か）を測定しました。
- クロスドメインマッピング条件とユーザーニーズ条件の2つの指示方法による効果を、人間とLLMそれぞれで統計的に比較しました。
Results
人間はランダムな遠い分野からの類推で確実に創造的になりますが、LLMは平均的には既に人間より独創的で、同じ類推の手法による有意な改善は見られませんでした。
- 人間はクロスドメインマッピング条件でユーザーニーズ条件よりも統計的に有意に独創的なアイデアを生成しました。
- LLMは全体的に人間より独創的なアイデアを平均で生成していたため、この手法による改善効果が統計的に有意ではありませんでした。
- 人間とLLMの両者において、着想源が対象製品との意味的距離が大きいほど、クロスドメインマッピングの効果が顕著に増加しました。
Further Thoughts
- AIシステムの創造性向上には、人間向けの手法がそのまま有効とは限らず、AIに特化したアプローチが必要な可能性があります。
- 創造的な仕事で人間とAIが協働する際、異なる刺激や条件が双方に異なる効果をもたらす点を考慮した設計が重要になります。
- 今後は、LLMが既に高い創造性を持つメカニズムを深掘りしたり、人間の創造性をさらに高める条件を探ったりすることで、より強力なコラボレーションツールが実現できるでしょう。