1   前言：發揮完美的協同創造力

在上一期里，從 GAN 模型來說明人機協同創新的模式。其中最典型的是人類扮演創新者角色，而 AI 機器扮演鑒賞者(圖 1)。

圖1

于是本期將進一步探討這種典型協同模式中，人類創新者與 AI 鑒賞者之間，兩者智慧的互補與平衡之道，以期待發揮整體的最佳創造力。本文里，提出了兩項平衡原則：

●   慢想與快思的平衡；

●   探索與直覺的平衡。

其實，這兩項是一體的兩面，綜而言之，就是：“探索性慢想”與“直覺性快思”之間的平衡。當兩者持續維持均衡時，AI 可賦能人類去做創造性思考，激發人類潛在的創造力。

2   認識專家直覺

專家直覺 (Expert Intuition) 是人們可以看出來眼前的情況與過去發生情況的某些相似點 ( 即相似特征 )。當一個人的專門知識愈深，就愈能看出似曾相似各種情況，而在一般的新手眼中，各個情況可能都是個別獨立的情況。于是專家直覺帶給人們鑒往知來、瞬間洞察的能力。換句話說，專家經驗提供我們一種“直覺性的快思”，既不費時也不費力地展現出瞬間洞察力。

直覺會根據過去行得通、能奏效的方法，依據過往的經驗來審視所創新的方法、手段和目標，所以稱為“鑒往知來”的藝術，而其中的經驗，并不一定指個人的經驗，還可以包括所有人類的經驗。尤其面對不完整信息時，可以盡量地從周圍的信息中萃取洞察，來降低風險、提高創造的自信心。

由于直覺是瞬間出現的，而非有意識的思考所及，所以人們并不知覺自己如何做出直覺判斷的，因而這種源自于經驗的直覺思維 (Heuristics) 就具有了些許的神秘感和藝術感。

3   以AlphaGO為例

茲回顧一下 AI 的發展史，自從 1950 年代，許多研究者就希望將人類的知識和思維邏輯植入到機器里，讓機器像人一樣地思考。當時就使用符號和邏輯里表示思考 (Thinking) 和表現出智慧 (Intelligence)，然而這個期望并沒有成功。

后來，研究者另尋他途，轉而采用“神經網絡”(Neural Networks) 來實現“機器學習”。AlphaGo 就是這項新途徑的代表。2016 年，AlphaGo 在圍棋比賽方面擊敗了人類的世界冠軍。AlphaGo 的棋藝 ( 智慧 ) 是建立在人類的先驗知識之上，基于人類大量的歷史棋譜，迅速學習和歸納人類的棋藝經驗，進而自我訓練、不斷精進而勝過了人類。換句話說，人類的先驗知識 ( 專家經驗 ) 提供給 AlphaGo 學習，讓 AlphaGo 具有“直覺性快思”能力。

隨著互聯網的發展，網絡大數據非常豐富，強力支撐機器的“直覺性快思”能力，而且已經遠遠超越人類的能力了。

4   快節奏的年代，需要慢功夫

剛才說明了，一個人憑借他的專業經驗，可以瞬間辨識出情境，首先浮現在他心頭的直覺解決方法，經常會是正確的。它的重要用處之一，就是警告人們出了問題，即使還不知道問題在哪里，只要本能發出恐懼或憂慮的信號，就能提高警覺，因為早在意識知覺到達之前，直覺就已經感受到了，這就是人們對周遭事物的瞬間洞察力，它極為敏銳的。

然而，它常常會有偏見，因而會產生誤判的情形，這是直覺的缺點。因此，隨著人們生活的節奏愈來越快，也失去更多緩慢、沉思的空間，所以更需要慢想，來練就深度思考力、孕育更多創意。這通稱為“慢想力”。

直覺性的快思，既不費時也不費力，不需耗費我們的注意力。然而，慢想力則需要耗用人們的注意力，去做深度思考。尤其，如今的數字年代，人們仰賴互聯網互通信息，培養了快速反應的文化，這正逐漸啃食人們的專注力，大幅降低思考質量，阻礙慎密的創意發想。為了助長大跨度聯想和原創思考，我們需要更豐富的慢想力。

5 創意與實證

由于從容、專注和好奇心是想象與原創力的核心。就如同文學家艾默生曾說：每天都留一段“可以在小河邊靜靜思考”的時間。那么，有想象些什么呢 ? 著名作家 Michael Gelb 曾寫了的一本書——“7 Brains: 怎樣擁有達芬奇的7種天才”，他在書中提到，達芬奇 (Leonardo da Vinci) 經常寫下“務必徹徹底底想清楚 (Think well to the end)』和『先考慮終點 (Consider the end first)”。通俗的說，以終為始就是將未來真實的美好景象，作為當下創新的起點。

觀想 (Imaging) 未來的目標，將激發人的大跨度聯想力，把不同的東西重新做創意的鏈接和組合，創意會源源不絕而來。然而，并不是所有的創意都能從終點出發，尋覓到起點、設計出可行方法。所以要對創意進行分析、力求實證或是否證，來進行檢驗。所以這個步驟，就稱為：創意的實證 ( 圖 2)。

圖2

觀想 (Imaging) 未來的目標，將激發人的大跨度聯想力，把不同的東西重新做創意的鏈接和組合，創意會源源不絕而來。然而，并不是所有的創意都能從終點出發，尋覓到起點、設計出可行方法。所以要對創意進行分析、力求實證或是否證，來進行檢驗。所以這個步驟，就稱為：創意的實證。

以上是第一階段的心智創造部分：從終點出發，尋覓到起點、設計出方法，并基于現實來檢驗，進行對這項創意的實證或否證。逐漸創新與剪枝，而呈現出最終的全貌，以及關鍵性的實踐要點，通稱為：可實現計劃 ( 圖 3)。

圖3

接下來，就進入第二階段的實體創造部份了 ( 圖 4)。

圖4

通常由實踐團隊，基于第一階段的成果，細心映射 (Mapping) 到現實條件，努力找出一條從愿景 ( 即終點 ) 映射到現實的一條連線 (Mapping from vision to reality)，讓整個團隊成員皆能依循這條線而順利邁向終點，亦即實現夢想 ( 即愿境 )，于是夢想成真了。

6   創意：慢想+快學

剛才也提到了，培養慢想力能提升我們的深度思考習慣和能力，帶來創新力。這過程會引導我們發現一些新事物，甚至所有人類都還不知道的事物 (Unknown)，繼而努力去快速學習這些新事物 (Know Unknown)，然后與既有的知識整合起來，串成一條從起點通往目標的可行之路。例如，愛因斯坦在物理學上接受過訓練，但為了闡明他的廣義相對論，他自學了一個他未知的數學領域 (Know Unknown)，這一領域與他擅長的黎曼幾何并沒有什么明顯關聯。這稱為：“慢想快學”模式，或稱為“慢思快學”模式。

7   實證：慢學+快思

由于專業知識和經驗需要長時間的學習和積累，才能淬煉出直覺，來提供瞬間洞察力。學習時間長，但需要時則不假思索地快捷思考，既不費時也不費力。我們稱為：“慢學快思”模式。一般而言，我們比較孰悉“慢學快思”模式。例如，宋朝蘇東坡是非常有名的大人物，他的學問非常好，( 那么 ) 他的學問是怎么做的呢 ? 他講到要：“博觀而約取、厚積而薄發”。需要很長的時間去學習 ( 博觀和厚積 )，學成了之后，即可展現快思了。例如，傳統的科舉考試，是在一兩天的時間內，迅速表 現出來。也就是俗語常說的：“十年寒窗無人問，一舉成名天下知”。

這個模式的特性是：依賴歸納法 (Induction)，它強調積累過去的經驗、歸納出一以貫之的道理。能有效培養人們成為特定行業的專家，擁有很好的專家直覺 (Expert Intuition)，以及鑒往知來的瞬間洞察力。

8   快思與慢想的平衡

由于快思必須依賴長時間的學習，也就是快思需要搭配慢學。而慢想則要搭配快學，迅速探索和學習未知的新事物。于是，藉由“慢想快學”來觀想、產生創意。并且透過“慢學快思”來進行實證、有效去蕪存菁。兩者持續均衡，讓夢想成真。

在上一期里，曾經介紹過登山者與雪巴人的協同合作模式，也看到了兩者之間的美好組合，能降低探索風險，激發探索者的自信心和創意潛能。而且兩者在較量智慧的過程中，雙方愈平衡互補，其效果愈好。反之，在成吉思汗與神鷹的偕同范例里，可以看到兩者互補但是并不平衡，雖然救了成吉思汗的性命，卻犧牲了神鷹。為了達到平衡，就需要知道如何學習來提升快思或慢想能力。慢想提供創想筑夢的空間，醞釀創意就如同筑建空中樓閣。快思提供去蕪存菁的洞察力，映射到現實，就如同建造地基一樣，只要讓兩者銜接起來，創意就不再是“空中樓閣”了 ( 圖 5)。

圖5

就如同美國大文豪梭羅 ( 即《瓦爾登湖》一書作者 ) 所說的：如果你已經建好了空中樓閣，那么也無需毀棄它們，它們本來就應該在那里。

9 擅用人機協同，提升人們創新力

AI 技術專家李開復先生曾說：人類只剩下兩件事情可以做——愛心和創新。AI 的“快學快思”能力，已經技壓了人類的“慢學快思”了。例如，在 2016 年的阿法狗 (AlphaGo)。不需要十年寒窗，而只需要三個月，就能把所有人類的棋譜都學完了，具備了優越的圍棋專家直覺。于是，人們就可以擅用 AI 的“快學快思”來賦能人類，激發人類的創新力 ( 圖 6)。

圖6

綜上所述，專家直覺大多源自于經驗，大跨度的聯想和探索卻需要超越經驗，又需要經驗來協助去蕪存菁。所以，慢想 ( 探索 ) 與快思 ( 直覺 ) 的平衡，最能激發源源不絕的創新力。專業知識和經驗需要長時間的學習和積累，才能淬煉出直覺和洞察力，并力求兩者平衡，以便做出更慎密的創意發想。

(注:本文轉載自《電子產品世界》2022年7月期)