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
- ランダムな分野から着想を得させることで、人間とAI両方の創造性がどう変わるかを実験で調べました。
- 人間は遠い分野からの着想で創造性が上がりますが、大規模言語モデルはそもそも創造的で、この手法の効果が限定的であることがわかりました。
創造性を高めるための工夫として、関連性の低い分野から無理やり発想を取り入れさせる方法が有効とされていますが、実際に効果があるのか、そしてAIにも同じ効果があるのかは明確ではありませんでした。この研究は、人間とAIの創造的な思考プロセスがどう異なるのかを直接比較することで、創造性向上技法の普遍性と限界を明らかにしています。
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
- 「遠い分野からの類推を強制する」という創造性向上の手法が、本当に有効なのかはこれまで詳しく検証されていません。
- 大規模言語モデルは人間の創造的思考と同じプロセスで創造性を発揮しているのか、それとも異なるのかが不明でした。
- 同じ介入手法（遠い分野からの着想を強制すること）が、人間とAIの両方に同じように効くのかを確かめたかったからです。
Method
バックパックやテレビなど10種類の日用品について、人間参加者と複数の大規模言語モデルに新しい機能を考えさせました。一つはランダムに選ばれた異なる分野（タコやサボテン、GPS装置など）から着想を得る条件で、もう一つはユーザーの未充足なニーズを考える条件で、両者の創造性を比較しています。
- 人間参加者と複数の大規模言語モデル（GPT-3.5など）が参加し、10種類の日用品それぞれについて新機能を提案しました。
- 生成された提案の独創性と有用性を、独立した評価者が定量的に測定し、スコア化しました。
- クロスドメイン（遠い分野からの着想）条件とユーザーニーズ条件の2つの促し方を比較し、各システムへの影響の大きさを統計的に検証しました。
Results
人間の創造性はランダムな遠い分野からの着想で確実に向上しますが、AIはもともと創造的で、この手法の効果が統計的に有意ではありませんでした。
- 人間参加者はクロスドメイン条件でユーザーニーズ条件よりも統計的に有意に創造的な提案を生み出しました。
- 大規模言語モデルは人間よりも平均的にはより独創的なアイデアを生成しましたが、クロスドメイン条件とユーザーニーズ条件の間に統計的に有意な差がありませんでした。
- 人間とAI両方において、着想源が目標物とより意味的に遠いほど、クロスドメイン着想の効果は強くなることが確認されました。
Further Thoughts
- AIが提供する創造支援ツールを設計する際に、人間とAIの創造的思考メカニズムが異なることを考慮する必要があります。人間に有効な手法がそのままAIに適用できるとは限りません。
- クリエイティブワークにおいて、人間とAIのそれぞれの強みを活かした協働が重要になります。AIの創造性の高さと人間の遠い類推能力を組み合わせることで、より革新的なアイデアが生まれる可能性があります。
- この研究は小規模なデータセット（10製品）で検証されているため、より多くの製品や分野での検証が必要です。また、どうして人間とAIで類推効果に差が生まれるのかという深い理解も今後の課題です。