近年来，人工智能领域涌现出了不少让人工系统表现创造力的研究，而且势头强劲、形势喜人，各种有创造力的软件和机器人如雨后春笋般涌现。与此同时，人工智能基础理论研究领域出现了一个新概念——“计算创造力”（Computational Creativity）。它有两个指称，一是指由计算系统所表现的创造力，二是指探索如何让计算系统表现创造力、融理论研究和工程技术探讨于一体的人工智能研究领域。计算创造力研究尽管主要是建构能表现创造力的软件，但其向前推进的每一步都蕴含着哲学问题。麦格雷戈（S. McGregor）等人在堪称研究纲领的文章《计算创造力：哲学的方案与关于哲学的方案》中指出，计算创造力作为人工智能的一个研究领域，既是一种开发人工智能创造力、以哲学为基础的研究方案，也是有助于解决许多哲学问题的计算方案。这也从一个侧面说明了哲学在计算创造力研究中的基础地位。但遗憾的是，由于计算创造力是一个年幼的人工智能研究分支领域，目前只是原则性地意识到哲学对其建设和发展的重要性，尚缺乏具体、扎实和有深度的研究。比如，计算创造力建构中会牵涉哪些紧要的、基础性的哲学问题，怎样作出有利于计算创造力发展的解答，怎样用哲学的原则、成果和方法来为计算创造力筑基铺路，怎样从哲学角度为计算创造力的方向选择把脉——这些问题都缺乏必要的研究。本文试图对计算创造力研究中的若干重要哲学问题作出探讨。 

　　 一、原型实例：创造力计算建模的范例问题  

　　 在用人工智能技术建模和表现或实现创造力时，必然会面临带有哲学性质的前提性问题：在研究如何让人工或计算系统表现创造力时，研究人员是否需要以已有的创造力为原型实例？如果需要，应该选择什么样的原型实例？是否应像过去的人工智能那样，以实现、超越人类的包括创造力在内的智能为原型实例？质言之，是否只应以人类的创造力为人工建模创造力的原型实例？对于第一个问题，大多数人给出的是肯定的回答，占主导地位的观点是，创造力只为人类所独有，世界上只能找到这个原型实例，因此以人工方式建模和实现创造力只能以此为模板。在笔者看来，人类的创造力又不外这样一种认知能力，即由求新意识、技能、知识、自主作用、生新、识新、评价等因素集合在一起而突现出的类似于生产力的力量。从本体论上说，人类的创造力不仅能够产生有用性和新颖性，而且能够让世界的存在格局发生相应变化。 

　　新的研究发现，人类以外的大量自然事物和过程（如进化等）也有创造力。基于这样的发现，新的观点认为，创造力建模的原型实例不应局限于人类创造力。显然，尽管这些问题及回答多是从人工智能的工程技术角度提出，但不可避免地进入了哲学的创新观研究领域（如探索创造力的起源、样式、类型、机制和本质特点等一般性问题），并进入了哲学的原型实例多样论与唯一论、人类中心主义创新观和非人类中心主义创新观争论的漩涡。若不解决此类问题，计算创造力研究就不可能真正实现建模和表现创造力。

　　 强调人的创造力是唯一原型实例的观点似乎被广泛认同，而且很多计算创造力研究事实上也是基于此展开的。剖析、研究人的创造力，探讨如何让机器建模，即使不是创造力计算研究的唯一出路和方向，也有理由说是目前阶段乃至未来较长时间内最重要、最值得去做的工作。当然，问题的复杂性在于，科学家、作曲家、诗人、画家、舞蹈家等在各自领域所用的创造力是不一样的，不仅表现形式千差万别，而且过程、机制、方法和结果也大相径庭。比如，爱因斯坦的创造力便不同于弗洛伊德的创造力，也不同于贝多芬的创造力。正是出于这一点，计算创造力的具体建模被划分为不同领域，如科学创造力的建模、艺术创造力的建模、语言创造力的建模、烹饪创造力的建模、游戏创造力的建模等。尽管这里也存在创造力建模的原型实例多样论，但由于其坚持人类中心主义创新观，坚持只有人类的创造力是建模的唯一榜样，因此不同于基于非人类中心主义创新观的原型实例多样论。 

　　 随着创新观的发展特别是非人类中心主义创新观的诞生和崛起，一种新的关于计算创造力建模的原型实例多样论应运而生，其基本原则是，“没有义务把人类心智作为努力模仿的原型”。不同于认为只有人类才有创新能力的人类中心主义的创新观，非人类中心主义的创新观认为，创造力不是人类独有的能力，人类以外的无穷无尽的事物也可以表现出符合创造力通常标准（即有用性和新颖性）的创造力。它们是自然过程，容易被分析，并适合为计算机模拟和实现。根据物理学的研究，引力具有多种多样且巨大的创造力，如“创造”了地球的整体外观和诸星球间的关系、格局；进化、自然选择的创造力更多、更大，如“创造”了千姿百态的动物和有创造力的人类。本领域极为活跃和多产的多林（A. Dorin）等人开宗明义地指出：“自然界尤其是进化过程都有创造力。” 拉图尔（B. Latour）通过对社会存在的创造力的研究提出：社会复合体作为行动者网络也有自主作用，也能完成以前没有出现过的行为，甚至也可看作有创造力的智能体(agent)。 

　　 尽管计算创造力研究强调原型实例多样论，但不否认对人类创造力的解析和建模，至少主流观点是这样看的。还有观点认为，在以人类创造力为原型实例建模创造力时，没有必要完全照搬人类实现创新的过程和机制。这是因为，人类表现创造力、完成创新任务的某些构件、结构、条件和做法是机器永远无法模仿的，有些构件、过程和机制也没有必要模仿。多样论除了像上面所说的那样强调自然事物、生物系统和社会集合体有创造力之外，还有这样的观点，即认为软件、机器不仅有创造力，而且有人类创造力无法比拟的特点，因此在建构哲学的更一般的创新观时，这类创造力应成为解剖和研究创造力的原型实例。比如，许多人工系统所完成的设计、所创造的产品，是人类凭借自身创造力无法完成的。近年来，不少基于具身认知方案建构的软件系统能够“独自”创立自己的“反直觉”设计逻辑，甚至在许多方面超越了人类的设计水平。一些设计方案可由计算机完成，而人类设计师则望尘莫及。 

　　新的问题是，如果创造力计算建模的原型实例是多样的，那么能否从多样的创造力样式中抽象出共同的样式进而加以建模？创造力样式除了多的一面外，是否还有统一的可能性？是否有领域通用的创造力？所谓领域通用是指适用于一切领域的创造力，不管在哪一专门领域进行创新，用的都是同一种创造力；其对立面是领域专门性，强调一个领域所用的创造力不同于其他领域的创造力。我们认为，现实表现出的创造力的确往往具有特殊性、专门性，但只要是符合创造力标准的行为就一定有其通用性、共性，如求新、生新、识新等共性化内容。

　　 从具体实现的技术层面来看，创造力之所以具有通用性，是因为背后存在共同的实现机制。该机制是可以认识的，特别是可以形式化、自然化，甚至可以通过数学语言将它们描述为数学结构，如集合结构、代数结构和拓扑结构。就现有计算创造力研究而言，尽管只有有限的技术条件让计算系统表现专门的创造力，但有理由相信，以后的机器能像人一样表现通用的创造力。这是因为，能否建构或创造通用的创造力，取决于能否创造像人类心灵一样具有通用性的人工心灵。尽管现在尚没有具有通用智能特点的人工智能，但像人类心灵一样的人工心灵事实上已经在人工智能领域出现。而人类通用创造力的培养、发展和研究，也能让我们看到通用计算创造力建模的希望。比如，教育学中使儿童在一个领域培养出的创新能力推广到另一个领域。这表明，人的通用创造力事实上是可以培养和发展的。既然如此，今后也可通过一定的方式使软件在一个领域得到的创造力推广到其他领域，进而不断提升其通用性。只要多方面、多途径、多角度地研究创造力，努力把握通用创造力所依赖的条件，并让计算系统具备这些条件，就可以逐渐过渡到对通用创造力的建模。 

　　基于上述认识，我们认为，计算创造力理论在解决原型实例问题时，应坚持“两条腿走路”的原则。一方面，要尊重创造力的专门性、特殊性、个别性特点，根据任务的实际需要，在人类和非人类不同形式的创造力原型实例中选择最适合完成任务的创造力样式，在具体解剖的基础上建构模型，探讨实现的技术方式。另一方面，要在创造力多样性的基础上探讨它们的共同机制和规律。

　　 创造力的原型实例多样论值得坚持和发展——这样说对计算创造力和哲学的创造力研究都是适用的。就计算创造力研究而言，一方面，在建模最值得建模的人类创造力这一大类原型实例时，也要看到人类创造力样式的多样性及开放性特点，如未来随着人类能力的发展或许还会派生出新的创造力样式；另一方面，在建模非人类的创造力时，应排除人类中心主义创新观的惯性影响，同时防止从一个极端走向另一个极端，即不因非人类中心主义创新观的合理性而否认人类创造力的客观存在和在计算建模中的重要地位。在推进建模工程时，可以根据人工智能研究的需要，基于原型实例的多样性、发展性，选择合适的原型实例。就创造力哲学的发展而言，按照从个别到一般原则和全面认识一类对象本质的方法论要求，关注和认识到的个别越多，就越能避免犯以偏概全的错误，越有利于逼近类本质——既然如此，在认识创造力的一般本质、建模科学的创新观的过程中，应努力在创造力原型实例多样论的指导下，尽可能多地发现创造力的样式，包括把计算机表现的创造力也作为原型实例，并通过大量代表性个例研究形成逼近真实的结论。反过来，以这样的创新观指导人工智能的创造力建模，能够最大程度保证计算创造力的健康发展。 

　　 二、创造力的祛魅、还原说明与独立性问题  

　　人工智能要在计算机上实现创造力，会面临一些前提性问题：创造力本身究竟是什么？有无不同于思维等认知能力的独立的创造力？它本身的结构、本质和秘密能否向人类认知开放？这里既有创新观的问题，也有关于创造力的认识论问题。此类问题对于计算创造力研究之所以具有前提性，是因为若根据传统的浪漫主义和神秘主义的创新观，计算建模和让机器实现创造力是没有任何可能性的。博登（M. A. Boden）对这类传统观点的概括是，创造力本身是一种谜或神秘现象，甚或是一种悖论。这大概是人工智能先前一直不敢触碰创造力的一个原因，当然也是计算创造力研究必须突破的一道屏障。

　　计算创造力要真正实现它的建模和超越人类创造力的理想，就要像尚克（R. C. Schank）等人所说的那样，“让创造力进入人工智能研究的中心”，而要如此，当务之急是祛魅，即消除笼罩在创造力之上的神秘性，“把创造力从认知高不可攀的神坛上拉下来”，使其回归为自然界的一种客观存在的、能被人认识的过程或力量。这样的祛魅工作已有很多，也有一些成效。正因如此，计算创造力的理论研究和实践开发才得以迈出艰难而关键的一步。已有祛魅工作最有影响的方案就是基于认知科学的认知方案，据此，“创造力不是少数人独有的，而就源于相当简单的心理过程，因此它一点也不神秘，就依存于现实的当然有点复杂的心理结构。创新过程不是正常推理之上的不可企及的东西，而就是它的核心”。

　　 不难看出，创造力在认知方案中之所以不神秘，就是因为创造力依赖于我们平常的认知能力，如思维、想象等。它们以一定的方式集合在一起，就会有创新现象的发生。显然，这是一种用基本的认知能力说明创造力的还原论方案，其具体表现方式大致有以下几种。（1）认知心理学的认知方案认为，没有独立的创造力，它是由其他心理过程所完成的过程，如低阶的更新能力和工作记忆能力，高阶的发散性思维、类比等能力，都是让创造力表现出来的因素或条件。其中的最小阻力路径模型认为，创新的过程先是在所关注的领域提取专门、基本层次的范例，然后将它们的属性投射到新的思想之中，并在不放弃具体信息的同时尽可能多地利用抽象层次上的信息。（2）根据认知神经科学的还原说明，创造力的发挥是由分布式皮层网络决定的，其现实显现不取决于单个的大脑区域，创造力的神经基础随任务需求及其形式的变化而变化，多数创新任务的完成都离不开默认网络和执行控制网络之间的动态耦合。（3）联结主义的还原说明主要是用计算术语或神经科学术语说明常见的创新过程及结构，试图建构有充分神经科学根据的创造力理论，以便为创新的机器建模和实现作准备。根据联结主义的观点，创造力没有神秘性，可由任何物理系统实现，因为创造力离不开思维，而思维实即节点的激活。如果有关节点之间出现了以前没有发生过的联结模式，这些联结足以唤醒系统用非特异性激活来撞击大脑皮层，那么如此联结的系统就会表现出异常的发散性思维。有这样的思维，就有创造力的突现。 

　　 在消解创造力之上笼罩的神秘性方面，创造力的认知方案的确功不可没，因为所谓神秘性、谜团往往是相对于人类已有的认知而言的。过去没有认识清楚的东西就是谜，就充满神秘性，如古人认为雷电是神秘莫测的力量，随着物理学的发展，它就被祛魅了，进而回归正常自然现象的地位。创造力也莫不如此，即使是其中最具认知封闭性、被视为心智奇迹的灵感、顿悟之类的现象，只要人类认知有办法走进去，它的神秘性就会慢慢消散，可能不过是作为解决问题的奇特方式不同于标准的分析问题的方式。若要解决的问题易于用语言表达，这类问题往往可以用直接的、逻辑的方式加以解决。实验表明，当被试面对可以用逻辑方式解决的问题时，他们就会用语言来描述和报告解决问题所遵循的循序渐进的步骤。而适合于用灵感等方法解决的问题则不同，被试不大可能用逻辑的论证来解决问题。在这种情况下，解决问题的过程就会表现出“不可言说”的特点。尽管如此，借助灵感解决问题的过程同样是由生物的大脑完成的，里面仍是可为科学说明的自然过程，如有关信息以特定方法被编码和加工的过程。 

　　 应看到的是，创造力的认知主义说明同样是不完满的，同样值得向前推进。其表现是，它有简单化、以偏概全的问题。比如，有重要认知突破的创新事件，除了依赖于内在的认知资源外，还离不开其条件、根源，即个人的经历、领域的需要和社会的压力等。生活、学习和研究中的问题常常是创新的源泉，这尤其表现在艺术和人文社会科学等领域的创新之中，当然，自然科学领域有时也有这样的情况。物理学家普朗克、海森堡和贝特等都声称，激发他们对原子运动探索的诱因是，他们在看到高山和天空时所体验到的兴奋。领域的需要对问题的提出更为重要，因为通过对领域前沿的接触和探讨会发现该领域需要怎样的发展，认识到应怎样推进。在这个过程中会引出许多可能带来认知突破的问题。比如，在艺术和科学中都有这样的事实，即创新的灵感由已有研究、认知存在的问题所激发。环境的压力主要指创新人才的生活经历，以及专家群体的争论、协作、相互影响所形成的氛围。这样的氛围、环境也是新的问题和思想形成的重要源泉。正是因为创新离不开人以外的因素，情境主义思潮才得以在创造力哲学和计算创造力中大行其道。 

　　 最重要的是，已有祛魅中的认知方案将创新观的这样一个重要问题尖锐地摆到了人们面前，即把创造力归结为、还原为基本的诸认知能力是否将创造力空无化？除思维、想象等能力外，人类心智中是否还有独立的创造力？这既是还原论引出的创造力哲学问题，同时也是创造力计算建模的前提性问题：如果没有独立存在的创造力，创造力计算建模从何谈起？以人类的创造力为例，它尽管有其专门性、个体性特点，但各种创造力作为一种现实的能力也有其相对独立的自身性相和既有模糊性又有界限性的边界，即有其共性。就其自身性相而言，现实表现出来的创造力是多种力量共同作用所成就的一种存在样式。在特定意义上，它是由好奇、求新意识、生新和识新的过程等因素集合在一起的力量。从潜在性看，创造力是一种能力。从现实表现看，创造力是多种要素组成的系统的属性。从展现过程看，创造力是这样一个有序的过程，即先是有对认知中的问题、不足、缺陷等的敏感和认识，然后是探索解决方案、作出猜想、形成假说，最后是在检验的基础上作出修改和完善，直至拿出最终成果予以交流。非人类的创造力（如进化等的创造力）也是如此，具有相对独立的本体论地位，作为一种适应性的力量有其相对的独立性、不可还原性和共通性。 

　　 三、计算机建模和实现创造力的可能性机理问题  

　　 让计算机实现创造力，还面临机器与创造力的关系这一前提性、基础性问题，即计算机实现创造力的可能性与合法性问题。当前，一些人持怀疑论立场，认为创造力是人类心智独有的本性，是最能体现人性、人的本质特点的特质；而计算机只是机器，只能遵照人类编写的程序按部就班地运行，完全不具备创造力发挥作用时所需的意向性、跳跃性、越轨性和自主作用——两者完全没有可比性。还有观点认为，人工智能只有有限的应对情境的能力，因此根本不可能“想出”能够应对那些没有先例的情况的办法，如不可能想象人工系统能形成以前没有出现过的思想、点子。珀雷拉（F. C. Pereira）对此进行了概括：“当问题在探索空间中没有找到令人满意的解决方案时，人工智能系统充其量只会返回该探索空间中存在的最成功的结果之上。”即使它表现出了所谓的创新，那也应归功于程序员。具言之，计算创造力的怀疑论责难可概括为四大难题：计算主义能否帮助我们理解创造力？计算机能否做只有用创造力才能做的事情？计算机能否认识创造力？计算机本身是否真的有创造力？ 

　　 对此，很多人持反怀疑论立场。博登对怀疑论的反击最为有力，对于怀疑论者经常纠缠的自主性、意向性、意识、价值观和情感这些属于人的创造力的基本特征，她质问道，计算机真的不能表现这些特征吗？在她看来，这里应区别对待，并且应澄清问题——上面的问题其实涉及两个问题：它们的每一个真的是人的创造力的关键特征吗？真的不能为计算机所拥有吗？她的基本观点是，它们的确是创造力的典型特征，但在讨论机器能否表现这些特征时，要具体情况具体分析，并且应作一些适当的限制。以意向性为例，它有时的确是思想的本质属性，但有些艺术作品则不是通过有意向的行为实现，如20世纪20年代超现实主义的许多诗歌和绘画。情感与创造力的关系也是这样，有的创新过程必然包含情感过程，但心理学上创新观念的产生有时则没有涉及任何具体情感，因此不是所有情绪都对创造力有用，只有那些有意识的情绪（如伤心、凄凉、失落）才是如此。 

　　珀雷拉对博登的观点提出了反对意见，认为计算机无法模拟发散思维、异类混搭等创新过程，因为难以将它们形式化或作出形式说明，即使能够形式化，在建模时也需要其他认知能力（如意识、直觉等）的帮助，而这些则是计算机无法实现的。珀雷拉认为，建立这样的模型是有其可能性的，它具有一定程度的发散性，基于此模型，计算机能够用多领域知识库完成推理，最终通过从其他知识领域转化知识完成问题求解，即完成创新。他设计了名为Divago的人工创新系统，并以此说明，这一系统表现发散、异类混搭等创新行为，是因为它符合以认知为中心的模型，是根据认知科学、心理学、哲学和人工智能所规定的创造力而建立起来的，加上“它有适当的构架，有充分的相关性和整合机制，因此经验证明它能生成有用和新颖的结果”，而有用和新颖恰恰是创造力的标准。

　　 必须承认的是，尽管坚持计算创造力纲领的人工智能专家在创造力的机器建模和实现的理论研究、工程学实践上已做了大量工作，且成就卓著，但围绕计算机能否表现创造力的争论并未终止。这是很正常的，并且这对有关认识的发展和工程实践也是有益的。我们认为，计算创造力的怀疑论与反怀疑论的争论是一个“一言难尽”（即不是简单的是与非、肯定或否定回答就能了结）的问题。其原因在于，里面隐藏、牵涉的问题极其复杂，既有工程技术问题，又有哲学问题。在某种意义上，里面的前提性的、令人一筹莫展的问题主要是哲学问题，其中最突出的哲学问题就是创造力哲学一直在争论的一些问题，如创造力是否为人类独有的能力？创造力的标准是什么？如果坚持认为创造力主要以内在的自主、灵感、直觉、发散性思维等为标志，不能像图灵主义所说的那样可以根据行为、效果去判断，那么当然会得出非人类的机器不可能实现创造力的结论。但如果坚持创造力的原型实例多样论，即承认非人类的进化过程、生态系统等也有创造力，同时以图灵测试为评价有无创造力的标准，那么就会得出相反的结论。 

　　 要真正解决上述问题，关键是看到并正确对待里面的规范性问题和事实性问题及其关系。所谓规范性问题是指“创造力”的语词或命名问题。用什么名称去表述一个对象，纯粹是在相关可能选项中完成挑选的问题，完全属于“应当”问题，不是事实问题。由之所决定，能指与所指之间的关系就具有任意性。创造力研究中的规范性问题是指，人们创立或使用“创造力”这个词究竟要指称什么对象，这是一个像命名一样的规范性问题。创造力的命名和赋义由于有应然性、规范性特点，因此便有千差万别的创造力理解。创造力的事实性问题指的是，一旦“创造力”一词的外延、指称范围通过普特南等人所说的“命名式”被确定以后，所指范围内的个例有多少，具有什么共性，有什么机制和作用，从中可以抽象出什么本质规定性就是一个事实问题。过去的争论（包括怀疑论与反怀疑论之争）之所以越争论越糊涂，是因为没有把这两个问题区分开来，在不同的规范或外延下讨论创造力的本质。正确的程序是，先讨论创造力的定义和标准之类的规范性问题，然后再来探讨事实性问题。比如，有这样一种进路，即在理解和规定创造力时只关注有用性和新颖性标准，而不固执地强调创新非要有人的内在过程，然后再据此回答计算机能否完成符合这两个标准的行为这一事实性问题。根据目前计算创造力的实际工作可以发现，计算机不仅事实上能够完成符合上述标准的行为，而且大量的软件系统的表现非常出色。比如，会下围棋的人工智能系统之所以能够打败人类世界冠军，往往是因为它们下出了人类没有想到的创新步骤。因此，很多从事计算创造力研究的专家就能够面对怀疑论的挑战而理直气壮地做自己的研究。如果以人类创造力中的某一类创造力（如爱因斯坦等人的创造力）为原型实例，并将其创造力规定为既有外在标志又有内在的灵感、顿悟等特点的过程，那么就现有技术条件而言，让计算机实现这样的创造力的确没有可能。但如果以进化、生物系统、生态系统的创造力以及人类的组合性和探索性创造力为标准，那么怀疑论就被证伪了，因为计算创造力研究在建模这类创造力时已取得了巨大的成就，事实上已让计算机表现出了符合这类标准的创造力。 

　　 基于上述分析可以得出的结论是，面对计算创造力中的怀疑论与反怀疑论之争，首先，要厘清创造力的规范性问题与事实性问题的界限，通过规范性分析，选择计算建模的创造力的样式和范围，然后在里面推进对所选择的创造力的事实性探讨，把握其机制和实现条件，进而建模能为机器实现的模型。这样就能排除怀疑论的干扰，将计算创造力研究引向通畅、高质量的发展轨道。其次，由于人工智能的创造力计算建模和机器实现研究既是一项理论探讨工程，也是一种实践探讨、工程学事业，并且后一方面更为根本和关键，因此既可以“双管齐下”，也可以将重点放在对实践的探讨和关注上，甚至可以在非人类中心主义和情境主义的指导下，在解剖具体的创造力形式的基础上，做一些具体、细小的人工机器实现创造力的工作。再次，没有必要再纠缠创造力计算建模、机器实现是否可能这一问题。最后，应坚持原型实例多样论，重视对非人类的创造力的建模。这是一个没有怀疑论干扰、极有前途的广阔研究领域，同时该领域又不轻视对人类的创造力的建模。在这里，建模其外在行为表现与效果已没有太大障碍，不会受怀疑论的威胁，而建模内在的特别是那些高级复杂的创新形式尽管有一些障碍，但只要加强对包括创造力在内的心智现象的自然主义研究，不断推进对它们的自然化、计算化工程，未来则有希望找到更好的计算建模和机器实现的出路。 

　　 结语  

　　 计算创造力研究是名副其实的跨学科事业，要想如人们所期望的那样快速、高质量向前发展，除了必须有科学技术领域的攻关之外，还离不开哲学领域的清理地基性、筑基性研究。质言之，计算创造力研究既是解决如何让创造力实现于计算机之上的工程技术方案，也是解决这些问题的哲学方案。这是由计算创造力这一人工智能分支的独特研究对象——创造力——所决定的。创造力是多学科的研究对象，但由于交织着大量复杂的语言哲学、心智哲学、社会文化哲学、形而上学等领域的问题，若没有哲学在基础层次展开的研究，其本质、机制揭示以及计算建模便可能犯方向性错误，更不必说在人工智能中建构科学的计算创造力分支。对于其中的诸如创造力建模的原型实例问题、计算机实现创造力的可能性问题、创新观中的人类中心主义与反人类中心主义的争论问题等基础性和前提性问题，若不给予必要的回答，科学的计算创造力研究就难以真正起步。 

　　公允地说，人工智能建模创造力的原型实例尽管主要是人类的创造力，但非人类（如进化）的创造力，由于其机制和过程清晰明了，因此可以且值得建模。就此而言，传统的人类中心主义的创新观存在其片面性。关于本领域的其他前提性哲学问题，我们的看法是，由于创造力在有复杂难解一面的同时，也有能够被自然化和计算化的一面，即具有计算和认知的本质，因此有被计算建模和实现于计算机之上的可能性和现实性。只要进一步探讨“活算法”如何内嵌自主性和灵活性等创造力的本质特性，就有可能让计算创造力的理论基础及创新观研究迈上新的台阶，并解决创造力工程实现中的一些重要哲学问题。

　　〔本文注释内容略〕

原文责任编辑：莫斌 崔晋