设计的意外收获：评估跨领域映射对人类和大语言模型创造力的影响

大语言模型 (LLM) 是否具有与人类相同的创造力，相同的干预措施能否提高两者的创造力？我们评估了一种有前途但基本上未经测试的创造力干预措施：迫使创作者从随机的远程源域中进行类比（“跨域映射”）。人类参与者和大语言模型在两个提示下为十种日常产品（例如背包、电视）生成了新颖的特征：（i）跨域映射，这需要从随机分配的来源（例如章鱼、仙人掌、GPS）转换属性，以及（ii）用户需求，这需要针对未满足的用户需求提出创新。我们表明，人类可靠地受益于随机分配的跨域映射，而大语言模型平均比人类产生更多原创想法，并且没有显示出跨域映射的统计显着效果。然而，在这两个系统中，当灵感源在语义上距离目标更远时，跨域映射的影响就会增加。我们的结果强调了远程关联在创意构思中的作用，以及人类和大语言模型对相同创造力干预的反应的系统差异。