DOI: https://doi.org/10.1371/journal.pone.0340449
PMID: https://pubmed.ncbi.nlm.nih.gov/41499598
تاريخ النشر: 2026-01-07
المؤلف: Kazuki Komura وآخرون
الموضوع الرئيسي: ابتكارات البرمجيات مفتوحة المصدر
نظرة عامة
تبحث هذه الدراسة في الاستراتيجية المثلى للذكاء الاصطناعي (AI) في التعاون الإبداعي مع البشر، وتحديدًا ما إذا كان يجب على الذكاء الاصطناعي التركيز على تعميق الأفكار الحالية (الاستغلال) أو تنويع المفاهيم الإبداعية (الاستكشاف). أجريت الدراسة مع 148 مشاركًا في تجربة محكومة تركزت على أساليب العصف الذهني لزيادة مبيعات المقاهي، وقارنت البحث بين استراتيجيتين للذكاء الاصطناعي بناءً على إطار عمل مارس للاستكشاف والاستغلال. تكشف النتائج أن استراتيجية التعميق تعزز بشكل كبير من ثقة البشر واعتماد الأفكار مقارنةً بنهج التنويع. أظهر المشاركون تفضيلًا لسلوك الذكاء الاصطناعي القابل للتنبؤ في حالة التعميق، مما سهل التعاون الأكثر فعالية.
تشير النتائج إلى أن استراتيجية التعميق لم تحسن الثقة فحسب، بل زادت أيضًا من معدل اختيار الأفكار التي تم إنشاؤها بواسطة الذكاء الاصطناعي، مع ميزة ملحوظة تبلغ 2.36 نقطة مئوية مقارنةً بحالة التحكم العشوائي. علاوة على ذلك، اعترف 61.5% من المشاركين باستراتيجية التعميق، مما يبرز أهمية الوضوح في التفاعلات التعاونية. أكدت تحليل الانحدار اللوجستي ذو التأثيرات المختلطة أن الأفكار المتوافقة بشكل وثيق مع المفاهيم الحالية كانت أكثر احتمالًا للاختيار، مما يتحدى النظريات التقليدية للعصف الذهني. تسلط هذه البحث الضوء على الإمكانية لأنظمة الذكاء الاصطناعي لتعزيز الثقة والقبول من خلال التعاون الداعم، مما يقترح طرقًا للدراسات المستقبلية لتطوير أنظمة ذكاء اصطناعي قابلة للتكيف مصممة لتناسب التفضيلات الفردية والشراكات الإبداعية طويلة الأمد.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الإمكانية التحويلية للذكاء الاصطناعي (AI)، وخاصة نماذج اللغة الكبيرة (LLMs)، في تعزيز الإبداع البشري من خلال الشراكات التعاونية. تؤكد على التحول من التفاعلات الإبداعية التقليدية بين البشر إلى نموذج حيث يعمل الذكاء الاصطناعي كشريك متساوٍ في العملية الإبداعية. يشير المؤلفون إلى أنه بينما استكشفت الدراسات الحالية دمج الذكاء الاصطناعي في المهام الإبداعية، فإن الكثير من البحث قد ركز على نهج أحادي الاتجاه يعتمد على الأدوات، مما ترك تطوير نماذج تعاونية ثنائية الاتجاه كأحد التحديات الكبيرة.
تناقش الورقة العوامل الحاسمة التي تؤثر على التعاون الفعال بين البشر والذكاء الاصطناعي، مثل تخصيص الأدوار، وتوقيت التفاعل، وبناء الثقة. تطرح سؤالًا أساسيًا بشأن دور الذكاء الاصطناعي في التعاون الإبداعي: ما إذا كان يجب إعطاء الأولوية لـ “تعميق” الأفكار الحالية أو “تنويع” الفكر. يتم استكشاف ذلك من خلال تجربة تجريبية تتضمن استراتيجيتين لتوليد الأفكار بناءً على نظرية معضلة الاستكشاف والاستغلال لمارس. تهدف الدراسة إلى تقييم كيفية تأثير هذه الاستراتيجيات على ثقة البشر في الذكاء الاصطناعي واحتمالية اعتماد الأفكار. من خلال استخدام نظام واجهة مستخدم قائم على الشبكة وتحليل استجابات 148 مشاركًا، تسعى البحث إلى تقديم إرشادات تجريبية لتصميم تفاعلات فعالة بين البشر والذكاء الاصطناعي، مما يدعم تحولًا نحو نموذج تعاوني في الإبداع والابتكار.
طرق البحث
حصل بروتوكول البحث على موافقة أخلاقية من لجنة الأخلاقيات في المعهد الوطني للمعلومات وامتثل للإرشادات التي وضعتها الهيئات الحكومية المعنية بشأن الموضوعات البشرية. تم الحصول على موافقة مستنيرة من المشاركين عبر نموذج عبر الإنترنت، مما يضمن أنهم فهموا غرض الدراسة وإجراءاتها.
تضمن التصميم التجريبي عدة مراحل: إحاطة مسبقة، جلسة ممارسة، الجلسة الرئيسية للعصف الذهني، مرحلة تقييم الأفكار، واستبيان بعد الجلسة. تم إحاطة المشاركين أولاً من خلال تعليمات فيديو تفصيلية حول تشغيل النظام وتقديم أمثلة لوضع الأفكار بشكل فعال على الشبكة. بعد ذلك، سمحت جلسة الممارسة للمشاركين بالتعرف على الواجهة في بيئة داعمة، كما تم التأكيد في نظرية إدموندسون للسلامة النفسية. تضمنت الجلسة الرئيسية نشاطًا للعصف الذهني لمدة 15 دقيقة يركز على استراتيجيات لزيادة المبيعات لمقهى في المدينة، حيث تناوب المشاركون والذكاء الاصطناعي في توليد ما يصل إلى 40 فكرة. لتقليل التحيز، تم تقييم الأفكار بشكل مستقل عن مواقعها على الشبكة، واختار المشاركون الأفكار التي كانوا يعتبرونها قابلة للاعتماد. أخيرًا، تم تقييم تصورات المشاركين حول سلوك الذكاء الاصطناعي، وثقتهم في الذكاء الاصطناعي، وتجربتهم التعاونية العامة، مستندين إلى الأبحاث المعروفة في الثقة والإبداع.
النتائج
تكشف نتائج الدراسة عن نتائج مهمة من استبيان Godspeed (GQS) وتحليل اختيار الأفكار من قبل الذكاء الاصطناعي عبر ثلاث حالات تجريبية. في تقييم GQS، أظهر بُعد الأمان المدرك اتجاهًا هامشيًا (F(2, 145) = 3.06، p = 0.050، $\eta^2 = 0.041$)، حيث سجلت الحالة الرأسية أعلى نتيجة (M = 3.93، SD = 0.73) مقارنةً بالحالة الأفقية (M = 3.64، SD = 0.65) والحالة العشوائية (M = 3.61، SD = 0.77)؛ ومع ذلك، لم تكشف التحليلات اللاحقة عن اختلافات زوجية هامة. لم تُظهر الأبعاد الأخرى—التجسيد، الحيوية، القابلية للإعجاب، والذكاء المدرك—أي اختلافات هامة.
فيما يتعلق باختيار الأفكار من قبل الذكاء الاصطناعي، تفوقت الحالة الرأسية مرة أخرى على الآخرين، بمتوسط 6.98 فكرة مختارة، وهو أعلى بكثير من الحالة الأفقية (5.22) والحالة العشوائية (6.20). تم دعم ذلك من خلال اختبار Kruskal-Wallis H (H(2) = 6.71، p = 0.035) مما يشير إلى اختلافات هامة مع حجم تأثير صغير إلى متوسط ($\eta^2 = 0.033$). أظهر نموذج الانحدار اللوجستي ذو التأثيرات المختلطة الذي يحلل 5,848 فكرة من 148 مشاركًا أداءً تمييزيًا جيدًا (AUC = 0.799). تضمنت النتائج الرئيسية تأثيرًا إيجابيًا معتدلًا للتشابه المتوسط مع أفكار أخرى (OR = 1.37، p < 0.001)، وتأثيرات موضعية هامة (موضع أعلى: OR = 0.716؛ أبعد إلى اليسار: OR = 0.664)، وتأثيرًا إيجابيًا متواضعًا لطول المحتوى (OR = 1.17، p < 0.001). كانت معظم تفاعلات الموضع والمحتوى غير هامة، مما يعزز تفسير التأثيرات الرئيسية.
المناقشة
في قسم المناقشة من الورقة البحثية، يستكشف المؤلفون ديناميات الإبداع الجماعي، مؤكدين الفوائد المحتملة للجهود التعاونية مقارنةً بالتحديات العملية مثل “أثر التثبيت”. يشيرون إلى معضلة الاستكشاف والاستغلال لمارس، التي تسلط الضوء على الحاجة إلى تحقيق توازن بين استكشاف أفكار جديدة واستغلال المعرفة الحالية. تقترح الدراسة استراتيجيتين: استراتيجية انتشار تعزز توليد أفكار متنوعة (استكشاف) واستراتيجية تعميق تركز على تحسين المفاهيم الحالية (استغلال). يجادل المؤلفون بأن تحقيق توازن ديناميكي بين هذه الاستراتيجيات أمر حاسم للإبداع المستدام، وهو مفهوم مدعوم من قبل النظريات الحالية في أبحاث الإبداع.
تناقش الورقة أيضًا دور الذكاء الاصطناعي في تعزيز الإبداع التعاوني، وخاصة من خلال استخدام نماذج اللغة الكبيرة (LLMs). تفترض تحولًا نحو نموذج المشاركة المشتركة حيث يعمل الذكاء الاصطناعي كشريك متساوٍ في العملية الإبداعية، مما يعزز التكامل المعرفي. يبرز المؤلفون أهمية الثقة وقابلية الاستخدام في التعاون مع الذكاء الاصطناعي، مشيرين إلى أن المستخدمين غالبًا ما يواجهون صعوبة في الثقة بالأفكار التي تم إنشاؤها بواسطة الذكاء الاصطناعي. يؤكدون على الحاجة إلى الشفافية وعملية التكيف المتبادل بين البشر والذكاء الاصطناعي لبناء الثقة بشكل فعال. تهدف الدراسة إلى التحقيق تجريبيًا في تأثيرات استراتيجيات الاستكشاف والاستغلال للذكاء الاصطناعي على ثقة البشر واعتماد الأفكار، معالجة فجوة كبيرة في الأدبيات بشأن المعايير اللازمة للتبديل الديناميكي بين هذه الاستراتيجيات في الإعدادات التعاونية.
القيود
تقدم الدراسة عدة قيود تؤثر على صحة وعمومية نتائجها. أولاً، كان التصميم التجريبي مقيدًا بجلسة قصيرة واحدة، مما أهمل ديناميات التعاون طويل الأمد بين الذكاء الاصطناعي والبشر، حيث قد تتطور الثقة وفعالية الاستراتيجية بمرور الوقت. يثير التركيز على مجال محدد—”زيادة مبيعات المقاهي”—مخاوف بشأن قابلية تطبيق الاستراتيجيات على مهام إبداعية أخرى، مثل حل المشكلات التقنية أو المساعي الفنية، نظرًا للطبيعة المحددة للمجال للإبداع. بالإضافة إلى ذلك، كانت تقييمات الأفكار المختارة تفتقر إلى تقييم الخبراء، والاعتماد على “قابلية الاختيار من قبل البشر” كمقياس رئيسي قد لا يعكس بدقة الإبداع الحقيقي أو القيمة الابتكارية على المدى الطويل. لم تؤخذ العوامل الثقافية في الاعتبار أيضًا، حيث أجريت الدراسة حصريًا مع مشاركين يابانيين، مما يبرز الحاجة إلى التحقق عبر الثقافات.
تشمل القيود التقنية الاعتماد على قدرات GPT-4.1، التي قد لا تمثل تطورات الذكاء الاصطناعي المستقبلية. أدت القيود البصرية للإعداد التجريبي إلى إدخال تحيزات موضعية، على الرغم من أنه تم التحكم فيها في التحليل. على الرغم من التأثيرات الكبيرة المستندة إلى المحتوى، لم يكن التأثير العام لاستراتيجيات الذكاء الاصطناعي على اعتماد الأفكار موحدًا بشكل كبير. لم يأخذ تنفيذ استراتيجية الذكاء الاصطناعي القائم على القواعد في الاعتبار التعديلات التكيفية التي قد تحدث في السيناريوهات الواقعية. يجب أن تركز الأبحاث المستقبلية على تطوير أنظمة استراتيجية قابلة للتكيف، واستكشاف العمليات المعرفية من خلال تقييمات شاملة، وتقييم القيمة الإبداعية طويلة الأمد للأفكار. بالإضافة إلى ذلك، يُوصى بالتحقيق في ديناميات الثقة في التعاون المطول، والتحقق عبر مهام إبداعية متنوعة، وتأسيس إطار نظري للتعاون بين البشر والذكاء الاصطناعي. على الرغم من هذه القيود، تسهم الدراسة في تقديم رؤى قيمة حول تصميم التفاعل للتعاون الإبداعي بين البشر والذكاء الاصطناعي.
DOI: https://doi.org/10.1371/journal.pone.0340449
PMID: https://pubmed.ncbi.nlm.nih.gov/41499598
Publication Date: 2026-01-07
Author(s): Kazuki Komura et al.
Primary Topic: Open Source Software Innovations
Overview
This study investigates the optimal strategy for artificial intelligence (AI) in creative collaboration with humans, specifically whether AI should focus on deepening existing ideas (exploitation) or diversifying creative concepts (exploration). Conducted with 148 participants in a controlled experiment centered on brainstorming methods to increase café sales, the research compared two AI strategies based on March’s exploration-exploitation framework. The findings reveal that the deepening strategy significantly enhances human trust and idea adoption compared to the diversification approach. Participants demonstrated a preference for the predictable behavior of the AI in the deepening condition, which facilitated more effective collaboration.
The results indicate that the deepening strategy not only improved trust but also increased the selection rate of AI-generated ideas, with a notable 2.36 percentage point advantage over a random control condition. Furthermore, 61.5% of participants recognized the deepening strategy, underscoring the importance of clarity in collaborative interactions. Mixed-effects logistic regression analysis confirmed that ideas closely aligned with existing concepts were more likely to be selected, challenging traditional brainstorming theories. This research highlights the potential for AI systems to foster trust and acceptance through supportive collaboration, suggesting avenues for future studies to develop adaptive AI systems tailored to individual preferences and long-term creative partnerships.
Introduction
The introduction of this research paper highlights the transformative potential of artificial intelligence (AI), particularly Large Language Models (LLMs), in enhancing human creativity through collaborative partnerships. It emphasizes the shift from traditional human-to-human creative interactions to a model where AI acts as an equal partner in the creative process. The authors note that while existing studies have explored the integration of AI in creative tasks, much of the research has focused on a one-way tool-based approach, leaving the development of bidirectional collaborative models as a significant challenge.
The paper addresses the critical factors influencing effective human-AI collaboration, such as role allocation, interaction timing, and trust-building. It poses a fundamental question regarding AI’s role in creative collaboration: whether to prioritize “deepening” existing ideas or “diversifying” thought. This is explored through an empirical experiment involving two idea-generation strategies based on March’s exploration-exploitation dilemma theory. The study aims to assess how these strategies affect human trust in AI and the likelihood of idea adoption. By employing a grid-based UI system and analyzing the responses of 148 participants, the research seeks to provide empirical guidelines for designing effective human-AI interactions, thereby supporting a paradigm shift towards a collaborative model in creativity and innovation.
Methods
The research protocol received ethical approval from the National Institute of Informatics Ethics Committee and adhered to the guidelines set forth by relevant governmental bodies regarding human subjects. Informed consent was obtained from participants via an online form, ensuring they understood the study’s purpose and procedures.
The experimental design involved several stages: a pre-briefing, a practice session, the main brainstorming session, an idea evaluation phase, and a post-session questionnaire. Participants were first briefed through video instructions that detailed the operation of the system and provided examples for effectively placing ideas on a grid. Following this, a practice session allowed participants to familiarize themselves with the interface in a supportive environment, as emphasized in Edmondson’s theory of psychological safety. The main session consisted of a 15-minute brainstorming activity focused on strategies to increase sales for a city café, where participants and an AI alternated in generating up to 40 ideas. To mitigate bias, the evaluation of ideas was conducted independently of their grid positions, and participants selected ideas they would consider adopting. Finally, a questionnaire assessed participants’ perceptions of the AI’s behavior, their trust in the AI, and the overall collaborative experience, drawing on established research in trust and creativity.
Results
The results of the study reveal significant findings from the Godspeed Questionnaire (GQS) and the analysis of AI idea selection across three experimental conditions. In the GQS evaluation, the dimension of Perceived Safety exhibited a marginally significant trend (F(2, 145) = 3.06, p = 0.050, $\eta^2 = 0.041$), with the Vertical condition scoring highest (M = 3.93, SD = 0.73) compared to the Horizontal (M = 3.64, SD = 0.65) and Random (M = 3.61, SD = 0.77) conditions; however, post-hoc analysis did not reveal significant pairwise differences. The other dimensions—Anthropomorphism, Animacy, Likeability, and Perceived Intelligence—showed no significant differences.
In terms of AI idea selection, the Vertical condition again outperformed the others, with an average of 6.98 selected ideas, significantly higher than the Horizontal condition (5.22) and the Random condition (6.20). This was supported by a Kruskal-Wallis H-test (H(2) = 6.71, p = 0.035) indicating significant differences with a small to medium effect size ($\eta^2 = 0.033$). A mixed-effects logistic regression model analyzing 5,848 ideas from 148 participants demonstrated good discriminative performance (AUC = 0.799). Key findings included a moderate positive effect of average similarity to other ideas (OR = 1.37, p < 0.001), significant positional effects (higher position: OR = 0.716; further left: OR = 0.664), and a modest positive effect of content length (OR = 1.17, p < 0.001). Most position-content interactions were non-significant, reinforcing the interpretation of the main effects.
Discussion
In the discussion section of the research paper, the authors explore the dynamics of group creativity, emphasizing the potential benefits of collaborative efforts contrasted with practical challenges such as the “fixation effect.” They reference March’s exploration-exploitation dilemma, which highlights the need for a balance between exploring new ideas and exploiting existing knowledge. The study proposes two strategies: a diffusion strategy that promotes diverse idea generation (exploration) and a deepening strategy that focuses on refining existing concepts (exploitation). The authors argue that achieving a dynamic balance between these strategies is crucial for sustained creativity, a concept supported by existing theories in creativity research.
The paper further discusses the role of AI in enhancing collaborative creativity, particularly through the use of Large Language Models (LLMs). It posits a shift towards a co-creation paradigm where AI acts as an equal partner in the creative process, thereby fostering cognitive complementarity. The authors highlight the importance of trust and usability in AI collaboration, noting that users often struggle to trust AI-generated ideas. They emphasize the need for transparency and a mutual adaptation process between humans and AI to build trust effectively. The study aims to empirically investigate the effects of AI’s exploration and exploitation strategies on human trust and idea adoption, addressing a significant gap in the literature regarding the criteria for dynamically switching between these strategies in collaborative settings.
Limitations
The study presents several limitations that impact the validity and generalizability of its findings. Firstly, the experimental design was constrained to a single short session, neglecting the dynamics of long-term AI-human collaboration, where trust and strategy effectiveness may evolve over time. The focus on a specific domain—”increasing cafe sales”—raises concerns about the applicability of the strategies to other creative tasks, such as technical problem-solving or artistic endeavors, given the domain-specific nature of creativity. Additionally, the evaluation of selected ideas lacked expert assessment, and the reliance on “selectability by humans” as a primary metric may not accurately reflect true creativity or long-term innovation value. Cultural factors were also not considered, as the study was conducted exclusively with Japanese participants, highlighting the need for cross-cultural validation.
Technical limitations include the reliance on the capabilities of GPT-4.1, which may not represent future AI developments. The visual constraints of the experimental setup introduced positional biases, although these were controlled for in the analysis. Despite significant content-based effects, the overall impact of AI strategies on idea adoption was not uniformly significant. The study’s rule-based AI strategy implementation did not account for adaptive adjustments that may occur in real-world scenarios. Future research should focus on developing adaptive strategy systems, exploring cognitive processes through comprehensive evaluations, and assessing the long-term creative value of ideas. Additionally, investigations into trust dynamics in prolonged collaborations, validation across diverse creative tasks, and the establishment of a theoretical framework for human-AI collaboration are recommended. Despite these limitations, the study contributes valuable insights into interaction design for human-AI creative collaboration.