[摘 要]  “后创造力”强调的是在人的创造力之后或之外，还存在大量非人创造力。其概念化标志着对立于人类中心主义创新观的后人类中心主义创新观的滥觞。新的创造力样式的发现和新的概念及理论的诞生，对创造力哲学的创新研究既是挑战，又是机遇。只要坚持唯物辩证法，理清创造力概念的规范性问题与事实性问题及其关系，不仅可以促成后人类中心主义与人类中心主义创新观的互补融合，而且在面对后创造力概念的挑战时，还能推进创造力结构论、类型论、机制论和本质论的创新研究，进而为人工智能创造力建模和机器实现提供更为可靠的哲学理论基础。

[关键词]  后创造力 后人类中心主义 情境主义 创造力哲学

“后创造力”（post-creativity）是一个极富后现代哲学意味的概念，但对现当代创造力哲学的研究而言，它不仅具有颠覆性和挑战性，而且也是一种机遇。它挑战的是人类中心主义的创造力理论或创新观。这一创新观有两个要点：其一，创造力是人独有的、定义性的本质特征；其二，创造力是纯内在或封装于心灵之内的过程或能力，是只能诉诸心灵之内的东西才能解释的“窄”性质。这是该理论的内在主义原则。根据以“后创造力”概念为核心的后人类中心主义创新观，人以外的许多事物，如进化、DNA、生态系统等，因为它们所能完成的行为和结果符合关于人的创造力的两个标准——新颖性和有用性或有价值，所以可被称作创新。另外，后人类中心主义的情境主义创新观认为，创造力离不开心灵以外的情境性因素，甚至以它们为组成部分，因此创造力不是纯内在的过程，而是弥漫于主客体之间的“宽”性质和过程。这就是反内在主义的外在主义创新观。^[１]如果是这样，传统的创造力概念和创新观该何去何从？是彻底推翻抛弃，还是进行大刀阔斧的改造和重构？本文将在考察创造力样式、个例的本体论大发现以及后创造力概念的兴起发展的基础上，针对它们引发的问题特别是创造力哲学如何创新发展，作抛砖引玉的思考。

一、“后创造力”的概念化与数字时代的文化创新

所谓概念化，或概念转化、提炼，是指通过对一类对象的观察、思考而形成有内涵和外延的概念的概括过程。“后创造力”作为描述新发现实在的概念，也经历了这样的概念化过程，如有学者发现，生物系统、进化、软件、机器等实在，也能像人一样完成“创造力实践”或创新行为。^[２]为区别于人的创造力，他们便将其称作以计算创造力、物化创造力等形式表现出来的“后创造力”。斯蒂芬森说：“我们将对那些契合当下技术可行范畴的‘创造力实践’，赋予更多的理论认可。”^[３]根据这一概念化，创造力既是一组实践或结果，又是一种规范或一组价值，它们相互关联。这样的实践又会引发可被称作创新的新的实践。^[４]这样的概念化成果，是过去几十年进化论、生物科学和人工智能等领域迅猛发展的结晶。

20世纪50年代以降，心理学、人工智能和认知科学等领域在创造力研究领域的“爆炸式发展”，^[５]不仅推进和深化了对创造力的认知，更使我们迈入创造力本体论大发现的历史时期。其初步的成果是让我们看到了以前不敢想象的、多不胜数的创造力样式，以及人工智能领域所说的创造力原型实例。例如，我们不仅在人身上发现了诸如大写创造力、小写创造力、心理学创造力、历史学创造力、组合性创造力、探索性创造力和转型性创造力等创造力样式，在研究人以外的自然界的过程中也有大量新发现——进化、DNA、生态系统等也被发现有创造力。此外，人工智能的计算创造力研究表明，软件或机器已像人类一样，在物质和精神产品的创造过程中扮演着重要角色，不仅能与人合作完成创新过程，更表现出独立的创造力。

“后创造力”就是基于诸如此类大量创新样式的发现而创立的概念，它是“后人类中心主义的创造力”的缩写。需强调的是，过去的创造力概念存在人类中心主义的局限，即只承认人有创造力。后创造力概念认为，这人为扼杀了人以外客观存在的许多创造力样式，特别是计算系统所实现的创造力，因此陷入了人类中心主义的认知误区。另外，后创造力概念还有这样的内涵：由于人与非人物质不可分地纠缠在一起，且人类严重受其制约，因此，被称作人的创造力的过程一定是以这些非人物质为构成要素与实现条件的。“不存在纯而又纯的人的创造力”。^[６]所以，创造力的内在主义是站不住脚的。如果说传统的创造力理论只承认人有创造力，那么后创造力概念强调的是，人的创造力只是众多创造力样式中的一部分，除此之外还有很多其他样式，其中有些已被我们发现，有些还没有被发现。再者，创造力的样式还有开放性特征，即随着事物的变化发展，今后的宇宙还会派生出新的创新样式。可以说，人类和大自然都在创造创造力，发明发明，创新创新。基于上述观点，坚持后创造力概念的学者认为，正确的选择是抛弃人类中心主义的创造力理论，转向后人类中心主义的创造力理论，在承认非人创造力大量存在的基础上，对创造力哲学展开另起炉灶的研究。^[７]这当然是有争论的。不过可以肯定的是，后创造力概念的提出，其实是对过去的创造力概念的一种反动，它展现了一种根本有别于传统人类中心主义创新观的范式，可看作是一种后人类中心主义的创新观。这至少值得我们冷静、辩证地思考。其出现不管是合理还是不合理，所包含的新观点不管是对还是错，有一点是我们必须正视的，即由于后创造力概念的滥觞，创造力研究领域已发生且将继续发生巨大的变革。

新的相近概念的涌现，也从侧面反映了创造力研究的上述变化。例如，有这样一些相近的概念，它们从特定的角度反映了非人事物表现创造力的本体论事实和特点。这些概念是“计算创造力”“人工创造力”“物化创造力”“算法创造力”“数字创造力”等。“计算创造力”有二层含义：一是指由软件等计算系统所实现的创造力，这在许多人工智能专家看来是不争的事实；二是指人工智能中专门研究如何让计算系统表现创造力的研究部门。人工系统所实现的创造力还可被称作“人工创造力”，其最初的构想是让非人的物质也有创造力，因此也被称作“物化创造力”或“对象化创造力”。^[８]在“算法创造力”或“数字创造力”的概念视域下，数据被喻为“新的石油”，而对这类数据的开采靠的正是算法。但算法不像人们通常理解的那样，只是一套机械性指令，相反，它“已变得有创造力了”。^[９]

这里特别值得我们关注的，是“数字创造力”及其所催生的文化创新。^[１０]“数字创造力”这一概念尽管是新造的，但它所述说的现象、力量早已与我们须臾不离了。例如，我们用得最多、几乎时刻都离不开的手机，就是它的化身。但它指的究竟是什么？它的本质又是什么？事实上，只要说清它不是什么，就能明确它是什么。它不是创造力的支持工具，即不是帮人提高创造力的工具，也不是服务于多媒体产业的工具，而是凝结在数字工具之中的人类创造力，或者是依托人的创造力而由人工系统所表现的创造力，亦即计算创造力、算法创造力。

研究数字创造力，看似主要与机器打交道，目的是更好地制造机器、开发“制造文化”，其实不尽然。扎加罗等人认为，这种研究的目的主要是助力人类更好地实现自我，其核心的关切是满足人的自我表现的需要。在他们看来，将人的创造力凝结于人工系统之中，进而使人工系统同样有创造力，正是人类价值的最好实现方式。^[１１]之所以可作这样的理解，是因为数字创造力的相关研究重构了我们对创造力的理解。在扎加罗等人看来，过去对创造力的理解太狭隘了，忽视了众多的构成要素，如辅助人们实现和表现创造力的技术、工具和方法，包括钢笔、雕刻刀、话筒、锄头等，而当下最重要、最有创造力的工具无疑是计算机。这些工具的作用，不仅在帮助人实现创造力，更重要的是帮助人类表现自身、实现自我，进而推动创造更美好的社会。

基于后创造力的新的概念化阐释，创造力已不再仅仅是一种内在的心理现象，同时也成为一种社会、文化、人文现象。最明显的是，“创新”“原创”等都成了时髦的语词，在人类生活中几乎无处不在。在人们的认知中，它们被视为人类摆脱“黑暗时代”的大救星，是拯救人类的力量，因此平添了许多神秘色彩。数字创造力带来的新的社会文化创新的特征是，知识都汇聚于媒体之上，人通过数字媒体创作和表现自己，一场史无前例的文化创新正悄然发生。这场创新提供的是一种“声音”，通过它，任何人都可把自己创造的东西传递给其他任何人，将以往稀缺的发明创新走向大众化。这场文化创新的“风眼”是数字技术，依托数字技术，我们得以运用复杂的工具创造、丰富媒体内容，分享、讨论和传播思想情感。不仅如此，新的创造性技术正为下一波文化创新夯实“地基”，使我们有更好的条件去设计、创造未来的世界，而创造性技术就是这些条件，它们将激励和支持这些创造的开展。^[１２]

二、创造力的本体论发现与反内在主义的情境主义创造力理论

“后创造力”概念尽管会引来种种争论甚至否定性评价，但其创立不是故意猎奇或无病呻吟。如前所述，这一概念的提出既有历史的必然性，也有内在的学理根据。这主要表现在，它建立在大量的本体论发现的基础之上，遵循了这样的命名原则：无必要毋增实体，以及当出现了过去语词表述不了的实在时，就应该而且可以创立新的符号。例如，过去的人类中心主义的“创造力”概念表述不了大量非人创造力样式，于是“后人类中心主义的创造力”概念便产生了，其简称为“后创造力”。特别值得关注的是，在创立这一概念的过程中，在原来的观察创造力的认识论、心理学、价值论维度之外，新增了本体论维度，它强调从本体论角度看待创造力。这是有其合理性的，因为创造力作为现实中发挥作用的能力，具有不可思议的功能，如能催生此前不存在的事物。因此，创造的过程和结果一定有特定的本体论地位——它们作为能产生新存在的存在，可以通过特定过程引发世界的本体论变革，让原有事物中出现过去没有的东西，即能创造出大脑中的思想、概念等精神产物，或者能创造出新的设备、画作、音乐作品等物质成果。

带着这样的本体论眼光和观点观察创造力，便能在人以外的许多地方发现具有创造力特征的力量、过程和结果。它们尽管不是人完成的创造力，但符合通常的创造力标准，如这类力量形成的结果符合创造力的新颖性和有用性标准，因此可被界定为创造力。这样的创造力的本体论发现有很多，我们按照类别略作如下概述。

根据科兹维尔对进化的新理解，人类是进化创造的产物，特别是人类的创造力，它也根源于进化，因此，进化是更有原创能力的大师级创造力。它一直多产，设计了无数的令人惊叹的多样性和独创性的物种，如进化不仅塑造了让人相形见绌的“软件程序”——思维能力，而且在进化出生命之后将自己的记忆记录在DNA这一精巧的分子的化学结构之中，使它成了仿佛是有智能、有创造力的力量，进而成为此后进化的重要帮手。例如，DNA调控着生物进化中的每个细胞的构造细节，包括细胞的形态分化过程，以及由细胞经组织分化形成的各类器官。不仅如此，有创造力的进化还会表现出持续发展的态势：创造力一经进化产生出来便能不断发展，这是因为进化本身是进化和发展的。当然，进化的创造才能也有其局限性，如相比人类，它太慢了，因为它塑造人类智力和创造力花了太长的时间，而孕育生命的时间更长，可能长达数十亿年。^[１３]

根据创造力的本体论大发现，生态系统也有创造力。这一发现既为后人类中心主义的创造力理论提供了现实根据，也为人工智能专家构建计算创造力模型提供了灵感来源和理论支撑。从生态学视角看，任何物种必定内嵌于特定环境之中，与环境形成相辅相成的关系。生态系统是由能量流、营养层次、功能结构和因果关系所构成的有机整体，亦可被界定为有机体与它们的物理化学环境耦合而成的共同体。在这一系统内，物质和能量以开放的相互作用方式而连续流动着。此外，它还有自组织能力、扰动状态下的环境适应能力、自我修复能力，以及系统运行所需的冗余度。正因为有这样的结构和特征，生态系统本身成为了一种有创造力的实在。正如自我理论所阐释的，生态学意义的自我是嵌入生态环境中的自我，^[１４]同理，生态学意义的创造力就是嵌入生态环境中的创造力，或是由生态系统所表现的创造力。在人工智能的计算创造力研究中，存在一个试图建模生态系统创造力的研究方案。其倡导者认为，只要能更好地理解真实生态系统的功能机制和行为模式，就能为设计可创作艺术品的程序找到灵感。^[１５]

再看适应性创造力。它是一种相对生成性创造力而言的创造力。基于创造力与价值的不同关系，可将其分为生成性创造力和适应性创造力两类。生成性创造力指没有自觉价值追求的创造力，适应性创造力则相反。人工智能的任务就是探讨如何建模和实现这两种创造力。生成性创造力的模拟难度不高，但建构能够表现适应性创造力的系统则相对困难。林科拉等人认为，要在建构适应性创新系统上取得预想的成功，前提工作之一是研究自然界的创造性适应。其形式很多，其中一种是创造性的自适应。只有弄清其机制和本质，才有可能进一步探讨如何改进并创造新的技术，进而在软件层面实现这种自适应创造力。自适应系统强调的是，一个系统的创造力根源于自身的自适应性质；判断一个系统有无创造力，要看它有无自适应能力。要让系统具备这样的能力，设计者应放宽对适应行为的软约束，提供实现自适应系统的路径，以提升其灵活性。^[１６]

计算创造力是名副其实的人工创造力，即由人创造、最后由人工系统完成的创造力。从责任主体看，其载体是软件、机器之类的人工系统。其完成的方式有两种：一是由计算系统独立完成，二是由人机协同完成。后者涵盖创造力支持工具、人机协同创造力、群体创造力等多种样式。在许多专家看来，这类创造力尽管是模拟人类及非人的创造力而形成的，但一经形成便是客观存在的创造力形态，甚至成为创造力哲学研究抽象创造力本质必须依据的原型实例。^[１７]计算创造力已有大量成功案例，这里仅略述一个最具代表性的案例：AlphaFold预测蛋白质3D结构的科学创造力计算建模和机器实现。我们知道，生物体的所有功能几乎都与蛋白质有关。这些复杂的蛋白质分子由氨基酸链构成，其功能主要取决于自身的3D结构。但迄今为止，人类对蛋白质3D结构的理解仍十分有限。目前已知的氨基酸序列的蛋白质分子有1.8亿个，但其3D结构信息被真正解析清楚的还不到0.1%。因此，如何预测蛋白质的3D结构、揭示它的分子动力学机制，一直是困扰生物学界的难题。为攻克这一难题，许多计算创造力研究专家及团队纷纷献计献策。著名的DeepMind公司^[１８]开发了一种具备计算创造力的蛋白质结构预测AI系统——AlphaFold。2018年开发的第一代版本AlphaFold

1，即便尚处初于创阶段，其表现却已十分亮眼。例如，在同年的12月举办的第13次国际蛋白质结构预测竞赛（CASP）中，AlphaFold

1的研发团队就取得了总体排名第一的好成绩。该程序针对竞赛组织者认定的最困难的蛋白质结构，给出了最准确的预测结果。^[１９]即便是以人类创造力的评价标准衡量，这一预测结果也是货真价实的创新成果。

依据情境主义原则形成的宽创造力概念，既是后创造力的一种形式，也是挑战人类中心主义创造力理论内在主义原则的最有力工具。这里所说的情境主义是广义的，它既包括心灵哲学中的反个体主义或外在主义，也包括认知科学中的四E理论。这里的情境既包括社会构成，又包括自然因素，甚至包括生态构成。在创造力问题上，情境主义作为一种方法、范式，其强调的是，应该用内外结合的视角看待创造力，既要关注人的创造力，也要关注非人的创造力，特别是要看到那些被人类中心主义创造力理论内在主义原则所否定的宽创造力，进而看到创造力有超越内在心理过程的本质属性。根据情境主义，宽创造力一方面有内在心理的因素，另一方面也离不开身体、工具、外在行为、情境等外在因素。因此，这种创造力不同于只存在于心内的“窄”创造力，是具有名副其实的主体间性的“宽”创造力。^[２０]

情境主义的具体形式多样。根据其中的具身方案，创造力包括计算创造力，不可能凭空产生，而一定是一种兼具情境性与具身性的活动，且一定与社会、文化、个性和物理等情境密不可分。人工创新系统的建构同样如此，也应体现具身性。究其原因，这类系统既然是一种试图反映人的创造力的个性、社会和文化方面的计算模型，那么就应当遵循具身性原则。以情境主义为基础的具身方案，与以往方案的核心区别在于，其致力于建模的是情境性创造力。社会—延展方案在继承认知科学延展理论的基础上，进一步提出：审视创造力不仅要纳入延展性维度——例如，要看到手机、电脑等身体以外的工具因素，对创造力的生成和作用所产生的影响，甚至把它们看作创造力的内在构成——而且要承认社会因素在创造力发展过程中所起到的更为根本的作用。创新系统之所以有创造力，一是离不开其赖以运转的工具载体，二是离不开其赖以支撑的社会环境。这正是人的社会嵌入性的表现。^[２１]对创造力的全面理解，“需要明确价值是如何在社会系统中产生的”。^[２２]这两方面是艺术家完成他的创新的必要条件或必然构成。可以说，孤立的个体无从产生真正的创造力。在情境主义认知科学的理论脉络中，行然主义的观点更进一步，它不满足于承认具身性与环境因素对认知的作用，而是具体突出自主体行为对认知过程的决定性作用，即认为自主体的知觉体验及其所知觉的对象，均由其自身的行为所决定。行然主义有多种理论形态，如瓦雷拉等人主张，人有意识的自主作用和意义生成能力都离不开行为。而自创生行然主义认为，有机体本质上是自创性系统，具备应对环境的不确定性、变化性的适应性。所谓适应性，指的是系统根据环境变化调节自身状态及其与环境关系的创新能力。^[２３]其创新表现在，以不同于以前的方式反应熟悉的扰动，或对以前没碰到过的扰动作出反应。^[２４]

三、关于后创造力的创造力哲学创新研究的若干思考

面对后人类中心主义和情境主义创造力理论的蓬勃发展，我们只能在下述两个选项中作出选择：要么继续坚持人类中心主义立场，置“创造力本体论发现”所提供的事实于不顾，甚至直接否认后人类中心主义关于创造力的本体论发现；要么承认并尊重它们所发现的、被人类中心主义所遗忘的大量客观存在的创造力样式，进而在厘清两种理论关系的基础上，对过去的理论作出必要的修正和发展。

不管作何选择，我们都必须先思考这样一些前提性问题，即有创造力是否是人的本质特征或区分人与非人的根本标准？人是唯一有创造力的主体吗？研究创造力特别是人工智能建模创造力，只能以人的创造力为原型实例吗？要回答这些问题，则必须先回答创造力标准这一规范性问题。所谓规范性问题，是不同于事实性问题的一类问题，它指依据合理性原则和特定规范，从多种可能选项中作出选择、裁决的带有应然属性的问题。例如，为新生儿命名就是典型的规范性问题——取名时只需根据喜好等价值论因素想出可能的选项，然后依据同样的原则作出选择。这类问题并无既定事实可供参考，因此没有对错之分，只有好坏、是否合意之别。从语言学的造词原则看，通常当发现已有语词表述不了新对象或新“实在”时，人们才会去创立新词，或为旧词赋予新义。这一过程同样没有对错之分，只有合适与否之别。命名之初往往具有随意性，只有当它获得人们的普遍认可后，才会依据约定俗成的原则形成规范性约束。从词源学上说，“创造力”一词也有这样的规范性特征。例如，在古罗马文化中，为表述某一过程后出现新事物的现象，曾出现了两个词：“creare”和“facre”。后者义指“源自”，前者则是后来的“创造力”（creativity）等同源词的词根，指的是真正意义上的“创造”，即不用任何已有材料把某物造出来，如同地球上原本没有动物，动物的诞生就表明存在某种创造力将它创造出来了。由此可见，“创造力”在词源学上的核心意义是，从无中生成某物的力量。在西方神学家看来，词源意义上的创造力显然只有神才具有。诗人尽管有时被认为能完成创作，但其实只是把已有的要素加以重新组合。至于“工匠造桌椅”，这里的“造”用的是“construct”，这是一个功能术语，指的是用已有材料进行建造，而非严格意义上的“创造”。因此，西方文艺复兴以前，人们一般不认为人有创造力。所以，说人有创造力在当时被视作不可思议的事，因为真正的创造被视为神的特权。是故，早期创造力的相关表述多使用过去时态，特指神的创造行为。西方文艺复兴以后，创造力的标准逐渐放宽。例如，不仅传统意义上从无中生有的创造过程被称作创造力，而且使用已有材料造出不同于原材料的事物，如结构上发生变化或材料里出现了新的要素，也被认为是创新，进而演化出了相对宽泛的创造力评价标准与规范。

随着人文主义、理性主义的发展，以及心灵哲学对心灵的特殊性认识的深化，一种新的紧缩的规范应运而生。这种紧缩的规范认为，人的心灵或精神是世界最独特的存在，也是人之为人的标志性特征，而创造力是精神世界中最神奇、最独特的能力，似乎只有具备自主性、能动性、意识和意向性的精神自主体才能完成创新行为。根据这一规范，创造力不仅是人所独有的特质，更是区别人与非人的核心标志。其发展的结果，就是人类中心主义创新观的成型与主导地位的确立。

在现当代创造力的多学科特别是计算创造力的研究中，还出现了与上述两种规范相近、且更明确实用的两种创造力观察维度：一是强调从结果层面观察创造力，二是强调从过程层面观察创造力。根据第一个维度规范，只要某一过程或活动所产生的结果包含了此前所没有的东西，或产生了所用材料中所没有的东西，就可认为其有创造力，或可认为其成果属于创新成果。^[２５]相应地，判断一种能力或过程是否有创造力，或一项成果是否属于创新成果，关键在于其结果是否具兼具新颖性（此前没有出现过）和有用性（具备价值和意义）。据莫尔德考证，在创造力的新颖性标准（这是自发形成的天经地义的标准）之外，增加“有用”“有价值”这一判断标准，是英国新工党政治家在该词词源学上作出的贡献。^[２６]后来，这种有用性或价值的范围延伸至认识、文化、生活等一切领域。根据第二个维度规范，创造力作为一种力量，除了包含相应能力之外，还涵盖知识储备（包括以前获得的认知性知识）、自主作用、创造以前不存在事物的愿望，并且有能力把这些要素整合起来，形成一种能催生创新成果的复杂而独特的过程。这种创造力绝非被动的存在，而具有显著的主动性与自主性。

有了上述关于创造力标准、规范和词源学的系统梳理，我们就可对人类中心主义与后人类中心主义的理论争端作这样的消解：从事实的角度看，两种理论不存在什么冲突，没有谁对谁错的问题。就此而言，后人类中心主义对人类中心主义创造力理论的批判与否定，是缺乏力度的。即使赞成后人类中心主义观点，也必须承认人类中心主义创新观的合理性，因为根据后人类中心主义的创造力标准，“人有创造力”这一事实也是不能被否认的。如果说人类中心主义创新观存在问题，其症结并非在于它承认人有创造力（不管怎么说，这都是天经地义的客观事实），而在于它将这一事实绝对化了。从规范和语言运用的角度看，两种理论都有自己的合理性依据，即都具有合理性和可行性。但如前所述，从应用和实践的角度看，它们有好与坏、有利与不利之分，以及有好坏程度的差别。例如，尽管人类中心主义创造力理论也能用于指导人工智能的创造力建模，人类的创造力作为建模的原型实例，是最高级和最发达的创造力，以之为模型确实能帮助人工智能生成一种创造力，但若完全以人类中心主义创造力理论为基础，势必不利于人工智能在更广阔的领域、以更多样的形式实现高质量和高水平的发展。事实也印证了这一点：近20多年来，人工智能创造力的建模和机器实现研究之所以能发展迅猛、硕果累累，根本原因就是多数专家坚持的是后人类中心主义创造力理论。在具体的理论探讨和工程实践中，真正发挥指导作用的，正是进化论创造力理论、生态学创造力理论、情境主义创造力理论、具身性创造力理论、社会延展性创造力理论等后人类中心主义创造力理论。再者，根据关于情境主义的创造力理论特别是它的外在主义原则的理论和实践研究，坚持情境主义立场更有利于揭示创造力的机制，也更有利于在机器上建模和实现创造力。基于这些考量，我们认为，为了满足创造力理论研究和工程技术实践的需要，我们最好的选择是对人类中心主义和后人类中心主义的创新观进行辩证的改造和融合。一方面，吸收后人类中心主义从结果上观察创造力，进而拓展创造力外延的合理性；另一方面，也必须正视人类的创造力不仅是宇宙中无限多样创造力样式的重要形态，更是最发达、最高级、最聪明、最有智慧的表现，因而是最值得计算系统建模的创造力，也是最有利于人类文明发展的创造力。

还要看到的是，规范性问题尽管不同于事实性问题，但二者又不是绝对相互排斥的，因为在规范性问题得到解决后，我们不仅会面临事实性问题，而且必须进一步予以解决。例如，如果选择从结果维度观察创造力，那么就会碰到这样的事实性问题：在人和非人的世界中，究竟存在多少符合上述标准的创造力样式或个例。这样的人口普查式，或创造力本体论地理大发现式的研究，不仅势在必行，更是创造力哲学进一步研究创造力的类型论、结构论、运动论、动力学和本质论的前提条件。从这一标准或角度看，人类中心主义的创造力理论的确有片面性，应予以修正和发展，因为它有太多的本体论遗漏。例如，它不仅忽视了客观存在的非人创造力，罔顾人类创造力的多样性和可多样实现的特点，而且如果囿于原先狭隘的概念，那么会不利于人工智能计算创造力的建模和机器实现。即使仅就人的创造力的认知而言，过去的理论中也存在罔顾人类创造力的多样性和可多样实现的事实。所谓可多样实现，是指同一种创新样式（如通过类比完成的创新）可通过不同的过程和方式实现，进而表现为不同样式的创造力，这就像桌子既可用木材做成，也可用钢、玻璃等其他材料做成一样。根据结果观察维度，人类中心主义创造力还有另一种遗漏，即没有认识到人类的创造力不仅是一种心理现象、一种能力，更是一种社会文化现象。

纵观创造力概念的发展史，我们不难看到，创造力概念经历了不断放宽的过程：它最初是用来描述神的特点，即只能用于神，而不能用于人；随后慢慢放宽，延伸至半神、人，特别是艺术家、科学家、工程师、营销人员、高管，等等。^[２７]随着计算主义的诞生及由此引发的思想变革的深入，加之创造力的认知方案的提出，对这一范畴的使用范围进一步扩大，以至于包括博登在内的许多著名认知科学家认为，创造力是每个正常人都具备的能力，普遍存在于人的认识和行动的方方面面，即便在穿衣吃饭等日常场景中也都贯穿着创造力的运用。新的理解甚至认为，非人事物，如蚁群行为、金属的退火过程、大自然的进化、DNA的运作等，都包含着创造力。^[２８]

总之，在回应后人类中心主义创造力理论的挑战时，只要理清有关核心关系，辅以必要的界定，那么就可看到，它与人类中心主义不仅不存在本质冲突，反而对后续的理论深化和人工智能建模实践具有积极意义。这一结论的成立，关键在于双方在突出自身理论的发现时，摒弃绝对化思维，秉持辩证视角。就后人类中心主义而言，若要成为一种科学严谨的理论，不应从一个极端走向另一个极端，得出只有非人事物有创造力而人类没有创造力的结论；就人类中心主义而言，若要成为一种科学严谨的理论，就应该尊重语言的规范性原则，认可创造力不同释义的合理性、合法性和有效性，进而在强调人类创造力是最高级、最重要形式的基础上，承认非人事物具备特定意义上的创造力的可能性。如果是这样，两者就不存在根本的对立。这是因为后人类中心主义的创造力理论具有这样的内涵：创造力的研究除了要有以人为中心的研究倾向外，还应关注非人创造力、计算创造力等样式，以及在人工智能的创造力建模中要坚持以各种创造力为原型实例的多元主义。此外，人类中心主义的创造力理论可以这样重构：创造力尽管不是人类独有的特权，人以外的事物也可表现出创造力，但人的创造力是最高级、最复杂和最发达的样式。在此基础上，我们还可为人工智能计算创造力研究的发展补充一点：尽管计算创造力建模的原型实例多种多样，但由于人的创造力是最高级和最发达的，因此是最值得优先探索与建模的创造力样式。

如果坚持上述人类中心主义和后人类中心主义创新观的辩证融合观点，承认世界上的创造力的样式与个例具有多样性，那么创造力哲学就可通过进一步回答以下问题实现研究的创新：创造力有无统一的创造力？其内部构成与结构是什么？如果有统一的创造力，那么应该遵循什么样的路径和方法对其进行建构？以往对创造力的把握多依赖形象化的诗化语言，但这样的理解没法满足人工智能建模的实践需要。认知科学在探讨创造力的统一本质和具体标志时，提出了两种定义：一是研究性定义，认为创新是这样的过程，即首先碰到了研究上的问题，接着形成关于它们的猜想和假说，然后对之作出评估和测验，并在必要时加以修改完善，最后得出结论。二是艺术性定义，即通过发挥想象力，对所提出的方案、图表作出说明、论证。^[２９]除此之外，学界还提出了数学化、计算化等新方案。这类方案强调以原则上能支持计算实现的逻辑—数学语言描述创造性。布林斯乔德等人按此思路，试图构建精确化定义，以满足完全基于逻辑的创新的形式化机器实现要求。他们认为，要达成这一目标，不能闭门造车或仅凭形而上学的遐想，而应该到实验室的工作台上做实验研究。在他们看来，机器能表现创造力的最好事例是文学创作。于是他们以此为解剖个案，试图从中找到揭示创造力一般本质、内在机制及其机器实现路径的方法。他们的结论是，在机器表现创造力的过程中，关键在于关注它们“怎样”实现创造力，而不是传统研究中常追问的“是什么”。因为当某一系统生成或创作文学作品时，就等于回答了“是什么”的问题。根据他们的分析，创造力不外乎是一个特殊的映射过程，如将初始数据映射到后来新的人工产品之上。^[３０]

笔者认为，创新能力尽管有复杂的构成因素，不同领域的创新能力也有不同的形态，其构成和内在机制更是千差万别，但个性之中也有共性。而要揭示这样的共性，第一，要坚持原型实例的多样性原则，即既不能拘泥于人类中心主义创造力理论，也不能坚持片面的后人类中心主义观点，而应以更加开放和包容的视野看待创造力；同时，既要看到人类和非人类的多种多样的创造力样式、个例，也要看到创造力的可多样实现性、本身的开放性和可发展性，特别是要看到非人的自然界中也存在创新的原型实例。就人工智能的研究而言，新的探索尽管仍重视对人类能力的解剖和建模，但在建模人的创新能力的同时，没有必要完全照搬人类实现创新的过程和机制。一方面，人类创新能力所依托的某些结构、条件和做法，是机器永远无法模仿的；另一方面，有些东西也没有必要模仿，如人长着眼睛、有文化特性，这些就是机器无需具备的要素。第二，为避免已有方案的片面性，应扩展考察创造力研究的空间和维度，这就是说，创造力研究所依托的样本，应如里奇所说的那样，是“能激发灵感的集合”。^[３１]其考察维度至少应有三个层面：个体与群体的维度、新媒体与旧媒体的维度、传承传统和开发工艺技术的维度。第三，在上述原则的基础上，按照从个别到一般的认识论路线，以科学的态度和方法尽可能全面地搜集创造力的一切样本，然后通过抽象概括，形成关于创造力的统一的、一般的本质结论。对此，笔者的初步看法是，这样的创造力具有如下本质特点，即在初始状态向作为创新结果的输出状态转化的过程中，存在一种跳跃、质变或转型，伴随连续性的中断与状态修改行为。正是这中间的爆发过程，催生了那些出其不意、令人惊诧的创新成果。^[３２]

如果我们正视创造力的多样性，及其构成要素的复杂性、建模原型实例的多样性（不只人这一范例，进化、DNA等自然现象也有值得解剖的范例，甚至机器本身也在创造这样的范例），以及内在运作条件和机制的多样性，那么我们就能认识到“计算机有无创造力”这一问题的不合理性。因为该问题的提出，是以对创新的简单化、沙文主义式理解为前提的，对其肯定或否定的回答，均具有同等的效力。就此而言，对人类中心主义与后人类中心主义创新观的整合性研究，以及对后创造力的进一步掘进性研究，既有不可多得的人工智能哲学意义，也有深远的创造力哲学意义。

注释

^[１]高新民、李佳佳：《人工智能创造力建模的非人类中心主义走向及其创新观意义》，《社会科学战线》2024年第12期。

^[２]高新民、严国红：《创造力计算实现的“工程—数字方案”及其哲学问题》，《科学技术哲学研究》2025年第6期。

^[３] J. Stephensen,“Post-Creativity and AI: Reverse-Engineering Our Conceptual Landscapes of Creativity”, F. A. Cardoso, P. Machado, T. Veale, et al., eds., Proceedings of the Eleventh International Conference on Computational Creativity, Portugal: University of Coimbra, 2020, p.331.

^[４] J. Stephensen,“Post-Creativity and AI: Reverse-Engineering Our Conceptual Landscapes of Creativity”, F. A. Cardoso, P. Machado, T. Veale, et al., eds., Proceedings of the Eleventh International Conference on Computational Creativity, pp.326-331.

^[５] R. Blackwell, “Scientific Discovery: The Search for New Categories”, New Ideas Psychology, vol.1, no.2, 1983, pp.111-115.

^[６] J. Stephensen,“Post-Creativity and AI: Reverse-Engineering Our Conceptual Landscapes of Creativity”, F. A. Cardoso, P. Machado, T. Veale, et al., eds., Proceedings of the Eleventh International Conference on Computational Creativity, p.331.

^[７]高新民、李佳佳：《人工智能创造力建模的非人类中心主义走向及其创新观意义》，《社会科学战线》2024年第12期。

^[８] J. Stephensen,“Post-Creativity and AI: Reverse-Engineering Our Conceptual Landscapes of Creativity”, F. A. Cardoso, P. Machado, T. Veale et al., eds., Proceedings of the Eleventh International Conference on Computational Creativity, pp.328-331.

^[９] O. Mould, Against Creativity, London: Verso, 2018, pp.56-57.

^[１０] N. Zagalo, P. Branco, eds., Creativity in the Digital Age, London: Springer-Verlag, 2015, p.vi.

^[１１] N. Zagalo, P. Branco, eds., Creativity in the Digital Age, p.vi.

^[１２] N. Zagalo, P. Branco, “The Creative Revolution That Is

Changing the World”, N. Zagalo, P. Branco, eds., Creativity in the Digital Age, p.7.

^[１３] R. Kurzweil, The Age of Spiritual Machines: When Computers Exceed Human Intelligence, New York: Penguin Books Inc., 1999, ch.2.

^[１４] S. Gallagher, A. J. Marcel, “The Self in Contextualized Action”, S. Gallagher, et al., eds., Models of the Self, Thorverton: Imprint Academic, 1999, p.289.

^[１５] J. McCormack,“Creative Ecosystems”, J. P. McCormack, M.d’Inverno, eds., Computers and Creativity, Berlin: Spninge-Verlag, 2012, pp.45-47.

^[１６] S. Linkola, N. Mäkitalo, T. Männisto, “On the Inherent Greativity of Self-Adaptive Systems”, F. A. Cardoso, P. Machado, T. Veale, et al., eds., Proceedings of the Eleventh International Conference on Computational Creativity, p.362.

^[１７] Cf. J. P. McCormack, M. d’Inverno, eds., Computers and Creativity, Berlin: Spninge-Verlag, 2012, pp.1-25; M. Maher, “Computational and

Collective Creativity: Who’s Being Creative?”, M. Maher, K. Hammond, A. Pease, et al., eds., Proceedings of the Third Intentional Conference on Computational Creativity, Dublin: University College Dublin, 2012, pp.67-71.

^[１８]该企业位于英国伦敦，是Google旗下的AI高科技公司，由人工智能程序师兼神经科学家戴密斯·哈萨比斯（D. Hassabis）等人联合创立。

^[１９] J. Jumper, R. Evans, A. Pritzel, et al., “Highly Accurate Protein Structure Prediction with AlphaFold”, Nature, 2021, vol.596, no.7873, pp.583-589.

^[２０]高新民、张舟：《化解人工智能“创造力缺失难题”的情境主义尝试》，《江汉论坛》2025年第2期。 ^[２１]高新民、张舟：《化解人工智能“创造力缺失难题”的情境主义尝试》，《江汉论坛》2025年第2期。

^[２２] O. Bown, “Generative, Adaptive Creativity: A Unitied Approach to Creativity in Nature, Humans and Machines”, J. P. McCormack, M. d’Inverno, eds., Computers and Creativity, Berlin: Spninge-Verlag, 2012, pp.355-366.

^[２３] C. Gucelsberger, C. Salge, S. Colten, “Addressing the ‘Why’ in Computational Creativity: A Non-Anthropocentric Minimal Modal of Intentional Creative Agency”, A. Goel, A. Jordanous, A. Pease, eds., Proceedings of the Eighth International Conference on Computational Creativity, Georgia: Georgia Institute of Technology, 2017, p.132.

^[２４] C. Gucelsberger, C. Salge, S. Colten, “Addressing the ‘Why’ in Computational Creativity: A Non-Anthropocentric Minimal Modal of Intentional Creative Agency”, A. Goel, A. Jordanous, A. Pease, eds., Proceedings of the Eighth International Conference on Computational Creativity, pp.132-133.

^[２５] M. Runco, R. Albert, “Creativity Researcl A Historical View”, J. Kaufman, R. Sternberg, eds., The Cambridge Handbook of Creativity, Cambridge: Cambridge University Press, 2010, pp.5-9.

^[２６] O. Mould, Against Creativity, London: Verso, 2018, p.10.

^[２７] W. Tatarkiewicz, A History of Six Ideas, An Essays in Aesthetics, Warsan: PWN Polish Scientific Publishers, 1980, ch.1-2.

^[２８] B. Bentley, “Is Evolution Creative? ”, B. Bentley, D. Corne, eds., Creative Evolutionary Systems, San Mateo: Morgan Kaufmaann, 2002, pp.55-62.

^[２９] E. Torrance, “The Nature of Creativity as Manifest in Its Testing”, J. Sternberg, ed., The Nature of Creativity: Comtemporary Psychological Perspectives, Cambridge: Cambridge University Press, 1988, pp.72-89.

^[３０] S. Bringsjord, D. Ferrucci, Artifical Intelligence and Literary Creativity, Inside the Mind of BRUTUS, A Story Telling Machine, New Jersey: Lawrence Erlbaum Associates, Publishers, 2000, p.161.

^[３１] G. Ritchie, “Some Empirical Criteria for Attributing Creativity to a Computer Program”, Minds and Machines, vol.17, no.1, 2007, pp.67-99.

^[３２]参见高新民：《创造力的计算建模、机器实现及其认知哲学意义》，《上海师范大学学报（哲学社会科学版）》2022年第1期。

原载于《学术研究》2026年第2期