Overview

• 人間とLLM（大規模言語モデル）の両方に、ランダムで関係ない分野からのアイデアを組み合わせさせる『クロスドメインマッピング』という手法を試してみました。
• 人間の創造性はこの手法で確実に向上しましたが、LLMは元々創造的で、同じ手法の効果が限定的だったという興味深い違いが見つかりました。

AIが創造的なタスクに使われることが増えている中で、『人間とAIって同じ創造性のブースト方法が効くの？』という素朴な疑問があります。この研究は、実際に両者を同じ条件で比較してみることで、見た目は同じでも中身が違うかもしれない、というAIと人間の本質的な違いを浮き彫りにします。

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

• 心理学の研究では『関係ない分野からランダムにアイデアを拝借する』ことが人間の創造性を高める手法として知られています。でもLLMにも本当に効くのか、そもそも同じメカニズムで動いているのかは、まだ誰も確かめていませんでした。
• これまでの研究は人間とLLMを別々に調べることが多かったのですが、同じ条件下で直接比較することで、本当の違いが見えてくるはずです。
• 創造的なAIツールをもっとうまく使いこなすには、人間とAIのどこが違うのかを理解することが不可欠だと考えたからです。

Method

人間のボランティアとChatGPTなどのLLMに、日常的な製品（バックパック、テレビなど）を改良する新しいアイデアを出させました。一部には『関係ない物体からアイデアをもらう』という指示を、別の一部には『ユーザーの困っていることを解決する』という指示を与えて、どちらがより創造的なアイデアを生むか比べました。

• 人間の参加者と複数のLLMモデルを使用し、10種類の日常製品を対象に実験を実施しました。
• 『タコ』『サボテン』『GPS』など、ランダムに選ばれた全く関係ない物体の性質を、バックパックやテレビなどの製品にどう応用できるか考えさせました。
• 生成されたアイデアを『独創性』の視点から評価し、『クロスドメインマッピング』の指示と『ユーザーニーズ』の指示でのパフォーマンスを直接比較しました。

Results

人間はランダムなアイデア源からのインスピレーションでぐんと創造的になるのに対し、LLMは元々それくらい創造的で、同じ手法の効果がほぼ見られませんでした。

• 人間の参加者は『クロスドメインマッピング』の指示を受けると、明らかに独創的なアイデアを多く生み出すようになり、統計的に有意な改善が見られました。
• 一方、LLMは平均的には人間より独創的なアイデアを生成していますが、『クロスドメインマッピング』による有意な改善は観察されませんでした。
• しかし興味深いことに、人間とLLMの両方で『アイデア源が対象物と遠い関係にあるほど』効果が大きくなることがわかりました。つまり、遠い分野からのアイデアほど創造性が刺激される共通点も見つかっています。

Further Thoughts

• AIの創造支援ツールを設計する際には『人間と同じやり方では効かない』という認識が大切です。LLMの創造性は既にかなり高いので、別のアプローチが必要かもしれません。
• デザインやマーケティングなど、人間の創造性が求められる仕事では、『意外な組み合わせ』というシンプルな工夫がまだまだ強力だとわかりました。
• 今後は『どうすればLLMの創造性をもっと引き出せるのか』『人間とLLMの創造プロセスは本当に違うのか』といった深い調査が必要です。また、より多くの種類のタスクや、より新しいLLMモデルでも同じ傾向が見られるのか確認することが課題です。

Links

• alphaXiv
• arXiv
• PDF