AI సృజనాత్మకత మితంగా వాడినప్పుడే అత్యుత్తమంగా పనిచేస్తుంది, అధ్యయనం సూచిస్తోంది

AI సృజనాత్మకతకు సహాయపడగలదు, కానీ ఒక పరిమితి వరకు మాత్రమే

సృజనాత్మక పనుల విషయంలో కృత్రిమ మేధస్సును తరచుగా తీవ్రతలలోనే వర్ణిస్తారు. ఒక దృక్కోణంలో, అది అల్గోరిథమిక్ సగటులుగా అసలితనాన్ని చదును చేసే ముప్పుగా కనిపిస్తుంది. మరో దృక్కోణంలో, ప్రజలు తమంతట తాముగా చేరుకోలేని ఆలోచనలను వెలికితీయగల శక్తివంతమైన భాగస్వామిగా కనిపిస్తుంది. New Scientist లోని ఒక నివేదిక మరింత సమతుల్యమైన నిర్ధారణను సూచిస్తోంది: ప్రజలు ఆ సాధనంపై ఎంతగా ఆధారపడుతున్నారన్నదానిపై ఆధారపడి, ఈ రెండు అభిప్రాయాలు కొంతవరకు నిజమవుతాయి.

ఈ వ్యాసం కెనడాలోని University of British Columbia లో తన PhD సమయంలో Hsuan-Che Brad Huang చేసిన పరిశోధనపై కేంద్రీకృతమైంది. ప్రధాన కనుగొనడం సూటిగా ఉంది. AIని మితంగా ఉపయోగించినప్పుడు ప్రజలు అత్యంత సృజనాత్మక ఆలోచనలను ఉత్పత్తి చేసినట్టు కనిపించింది; దాన్ని పూర్తిగా నివారించినప్పుడో, లేక అధికంగా దానిపై ఆధారపడ్డప్పుడో కాదు. ఈ ఫలితం రచయితలు, డిజైనర్లు, మార్కెటర్లు, పరిశోధకులు మరియు ఇతర జ్ఞాన కార్యకర్తలకు ఒక ఆచరణాత్మక మధ్యమార్గం ఉందని సూచిస్తోంది, ఎందుకంటే వారు ఇప్పుడు generative AI తమ రోజువారీ ప్రక్రియలో ఎక్కడ సరిపోతుందో అర్థం చేసుకోవడానికి ప్రయత్నిస్తున్నారు.

ఆ మధ్యమార్గం ముఖ్యమైనది, ఎందుకంటే సృజనాత్మక పని కేవలం అవుట్‌పుట్ పరిమాణం గురించే కాదు. అది ఆశ్చర్యం, తీర్పు, స్వామ్యభావం, మరియు పరిచయమైన నమూనాలను దాటి నెట్టగల సామర్థ్యంపై కూడా ఆధారపడి ఉంటుంది. ప్రక్రియలో AI అతిగా ప్రబలితే, ఉత్పాదకత పెరుగుతున్నట్టుగా కనిపించినా ఆ గుణాలు బలహీనపడవచ్చని నివేదిక సూచిస్తోంది.

AI వినియోగానికి ఒక “గోల్డీలాక్స్” జోన్

New Scientist ఈ కనుగొనడాన్ని సృజనాత్మక AI వినియోగానికి ఒక “గోల్డీలాక్స్” జోన్‌గా పేర్కొంటోంది. ప్రాక్టికల్‌గా దీని అర్థం, AIని చిన్నగా లేదా ఎంపికచేసి ఉపయోగించడం కొత్త ప్రేరణలను, ప్రత్యామ్నాయ ఫ్రేమింగ్‌లను, లేదా అనూహ్యమైన కలయికలను అందించగలదు, ఇవి వ్యక్తిని అలవాటైన ఆలోచనల్ని దాటి వెళ్లేందుకు సహాయపడతాయి. కానీ సాధనమే ఎక్కువగా విషయాన్ని అందించడం ప్రారంభించినప్పుడు, అది సృజనాత్మక ప్రక్రియను విస్తరించడానికి బదులు సంకుచితం చేయడం మొదలుపెట్టవచ్చు.

ఈ నిర్ధారణ సృజనాత్మకత ఎలా పనిచేస్తుందన్న విస్తృత సిద్ధాంతానికి సరిపోతుంది. మానవ ఆలోచన అనుభవం, ఊహలు, అలవాట్ల ద్వారా రూపుదిద్దుకుంటుంది. ఈ పరిమితులు ఉపయోగకరంగా ఉండొచ్చు, ఎందుకంటే నిపుణత ప్రజలకు నాణ్యతను, నిర్మాణాన్ని గుర్తించడంలో సహాయపడుతుంది. కానీ అదే పరిమితులు మనుషులను పరిచయమైన మార్గాల్లో చిక్కుకునేలా కూడా చేయగలవు. సహోద్యోగి, బృందం, లేదా సాధనం నుండి వచ్చే బాహ్య దృక్కోణం విలువ ఏమిటంటే, అది వ్యక్తి ఒంటరిగా సృష్టించని ఆలోచనలను పరిగణలోకి తీసుకునేలా అతనిని లేదా ఆమెను కదిలించగలదు.

ఆ అర్థంలో, AI ఊహాశక్తికి ప్రత్యామ్నాయం కంటే దృక్కోణాన్ని మార్చే ఒక యంత్రాంగంలా పనిచేయగలదు. అది కథా దిశలను, భావనాత్మక అనుసంధానాలను, లేదా థీమాటిక్ కోణాలను సూచించి, దినచర్య ఆలోచనను భంగం చేయగలదు. ఈ లాభం అత్యంత బలంగా ఉండేది, మానవ వినియోగదారు యథార్థ నిర్ణయాధికారి గా కొనసాగినప్పుడే, యంత్రం సృష్టించిన ఎంపికల మధ్య పాసివ్‌గా ఎన్నుకునే వ్యక్తిగా మారనప్పుడు అని నివేదిక వాదిస్తోంది.

అతి ఎక్కువ AI ఎందుకు సృజనాత్మక నాణ్యతను తగ్గించగలదు

అదే నివేదిక సృజనాత్మక సందర్భాలలో large language models పరిమితులనూ వివరిస్తోంది. ఈ వ్యవస్థలు శిక్షణ డేటాలోని నమూనాల ఆధారంగా సంభావ్య ప్రతిస్పందనలను సృష్టించే గణాంక సాధనాలు. అందువల్ల అవి ఆలోచనా స్ఫూర్తి కోసం ఉపయోగకరంగా ఉంటాయి, కానీ అవి పరిచయమైన, మిళితమైన, లేదా సగటు లాగా కనిపించే ఫలితాల వైపు మొగ్గు చూపుతాయి. అవి సాధారణ నిర్మాణాలను సమర్థంగా అనుకరించగలవు, కానీ గుర్తుండిపోయే సృజనాత్మక పనితో ప్రజలు అనుసంధానించే అసాధారణ, వ్యక్తిగత, లేదా లోతైన విశిష్టమైన ఎగువ దూకుడును నమ్మకంగా ఉత్పత్తి చేయలేవు.

ఒక మానసిక వ్యయం కూడా ఉంది. New Scientist వ్యాసం ప్రకారం, అధిక AI వినియోగం వ్యక్తి సామర్థ్యం మరియు స్వామ్యభావనను దెబ్బతీయగలదు. పని చాలా భాగం ముందే ఆకారమిచ్చినట్టు వస్తే, ఫలితంతో తాను తక్కువగా అనుసంధానమై ఉన్నట్టు వినియోగదారునికి అనిపించవచ్చు మరియు దాన్ని ఇంకా ముందుకు నడిపే ఉత్సాహం కూడా తగ్గవచ్చు. ఇది ఒక రకమైన సృజనాత్మక నిష్క్రియతను కలిగించవచ్చు: వ్యక్తి అన్వేషించడం ఆపి, కూర్చేయడం మొదలుపెడతాడు.

ఈ తేడా ముఖ్యమైనది, ఎందుకంటే అనేక ప్రారంభ AI workflowలు లోతు కంటే వేగాన్నే పురస్కరిస్తాయి. ఒక మోడల్‌తో కొన్ని సెకన్లలో పది ఆలోచనలు తయారు చేయించడం సమర్థంగా అనిపిస్తుంది. కానీ ఆ ఆలోచనలు ఆరంభ బిందువుగా కాకుండా ఒక పైకప్పుగా మారితే, ప్రక్రియ నిశ్శబ్దంగా ప్రయోగాలను వదిలేయవచ్చు. New Scientist హైలైట్ చేసిన పరిశోధన ప్రకారం, అతిగా ఆధారపడటం కేవలం తాత్విక ఆందోళన మాత్రమే కాదు. అది ప్రజలు మెరుగుపరచాలని చూస్తున్న అసలితనాన్ని నేరుగా బలహీనపరచవచ్చు.

ఆ ఆలోచనను ఆచరణలో పరీక్షించడం

ఈ విషయాన్ని స్పష్టంగా చూపించడానికి వ్యాసం ఒక సాధారణ రచనా వ్యాయామాన్ని ఉపయోగిస్తోంది. New Scientist కాలమిస్టు David Robson, ఒక పగిలిన వైన్ గ్లాస్ మరియు ఒక దాచిన మెమరీ కార్డ్ గురించి ఉన్న ప్రాంప్ట్ ఆధారంగా సినిమా కాన్సెప్ట్‌లను ChatGPTని అడిగారు. ఆయన చెప్పిన విధంగా, ఫలితం విశేషం కాకుండా కేవలం ఉపయోగకరంగా మాత్రమే ఉంది. ఇదే పాఠంలో ఒక భాగం. అడ్డంకి తొలగించడానికి AI ఉపయోగపడగలదు, కానీ ఉపయోగకరతను సృజనాత్మక అధికారం తో గందరగోళపరచకూడదు.

ఆచరణాత్మకంగా తీసుకోవాల్సిన విషయం ఏమిటంటే, సృజనాత్మక కార్మికులు generative tools ను పూర్తిగా దూరంగా పెట్టాలి అన్నది కాదు. వాటిని పెద్ద ప్రక్రియలో జాగ్రత్తగా చేర్చుకోవాలి అన్నదే. ఒక రచయిత AIని ఊహించని కోణాలను సృష్టించడానికి ఉపయోగించి, తర్వాత కథనాన్ని స్వతంత్రంగా అభివృద్ధి చేయవచ్చు. ఒక product team తమ domain expertise ద్వారా మూల్యాంకనం చేసే ముందు ప్రత్యామ్నాయ ఫ్రేమింగ్‌లను వెలికితీయడానికి దాన్ని ఉపయోగించవచ్చు. ఒక డిజైనర్ తుది కాన్సెప్ట్‌పై నియంత్రణను నిలుపుకుంటూ, ఊహలను సవాలు చేయడానికి దాన్ని ఉపయోగించవచ్చు.

ఈ విధానాలన్నింటిలో ఒకే సూత్రం ఉంది: AI ప్రేరణను అందిస్తుంది, తుది తీర్పును కాదు. ఏమి ఆసక్తికరమో, ఏమి వ్యుత్పన్నమో, ఏమి ప్రేక్షకులకు సరిపోతుందో, మరియు ఏమి విస్మరించాల్సిందో నిర్ణయించే బాధ్యత మనిషిదే.

ఇప్పటి సృజనాత్మక పనికి దీని అర్థం ఏమిటి

AI మరియు సృజనాత్మకత చుట్టూ ఉన్న చర్చ ప్రతి రంగానికి ఒకే సమాధానాన్ని ఊహించుకుంటుంది, కానీ New Scientist నివేదిక మరింత సూక్ష్మమైన వాస్తవాన్ని సూచిస్తోంది. వేర్వేరు పనులకు వేర్వేరు పరిమితులు ఉండవచ్చు. బ్రెయిన్‌స్టార్మింగ్‌కు తుది డ్రాఫ్టింగ్ కంటే ఎక్కువ మోడల్ పరస్పర చర్య ఉపయోగపడవచ్చు. ప్రారంభ ఆలోచనా దశ సాధారణ సూచనలను ఎక్కువగా సహించగలదు, కానీ బ్రాండ్ పని, కల్పిత రచన, లేదా పరిశోధనా కమ్యూనికేషన్‌లో స్వరం మరియు ఖచ్చితత్వం ఎక్కువ ప్రాధాన్యం కలిగి ఉంటాయి.

అయినా, విస్తృత అర్థం స్పష్టం. సృజనాత్మక పనుల కోసం AIని స్వీకరించే సంస్థలు, సాధనం ఎంత శ్రమను గ్రహించగలదన్నదానిపై మాత్రమే విజయాన్ని కొలవకూడదు. వర్క్‌ఫ్లోలు మానవ ఏజెన్సీ, కుతూహలం, మరియు స్వామ్యభావాన్ని కాపాడుతున్నాయా లేదా అన్నదాన్ని కూడా పరిగణించాలి. లక్ష్యం కేవలం వేగవంతమైన టెక్స్ట్ కాకుండా మెరుగైన ఆలోచనలు అయితే, మితత్వం ఒక రాజీ కాకుండా ఒక లక్షణంగా మారవచ్చు.

• ఎంపికచేసిన AI వినియోగం అలవాటైన ఆలోచనా నమూనాలను చెరిపేయడంలో సహాయపడగలదు.
• అతిగా ఆధారపడటం పనిని సగటు ఫలితాలు మరియు బలహీనమైన స్వామ్యభావం వైపుకు నెట్టవచ్చు.
• మనుషులు సూచనలు మరియు దృక్కోణం కోసం AIని ఉపయోగించి, తర్వాత పనిని తామే ఆకారమిచ్చినప్పుడు అత్యుత్తమ ఫలితాలు రావచ్చు.

ఆ సమతుల్యత ఈ పరిశోధన నుండి వచ్చే అత్యంత స్థిరమైన పాఠంగా నిలవవచ్చు. ప్రశ్న AIకి సృజనాత్మక పనిలో స్థానం ఉందా లేదా అన్నది కాదు. ప్రశ్న అది సౌలభ్యం వల్ల సృజనాత్మక పనిని విలువైనదిగా 만드는 మానవ సామర్థ్యాలను ఖాళీ చేయకుండా ఎలా ఉపయోగించాలన్నదే.

ఈ వ్యాసం New Scientist నివేదికపై ఆధారపడి ఉంది. మూల వ్యాసాన్ని చదవండి.