软件工程就是将系统化的、严格约束的、可量化的方法应用于软件的开发◆■■■■、运行和维护等工程技术研究和实践的过程★◆★◆。在计算创造力研究中，软件工程既是其主要驱力■■，也可说是其主要工作，例如在所从事的应用领域（绘画、游戏、科学发现等）研究、设计★■、编写有创造力的软件◆◆★★。用哲学术语说，它是名副其实的◆■■■◆◆“牛鼻子”，因为不管为创造力做多少祛魅◆★★★、计算化和模型建构工作◆■■★◆■，最终都要通过软件来落实和实现。

　　计算创造力基础理论建设的又一工程是化解怀疑论的质疑★◆◆★，即计算机和创造力风马牛不相及，因为创造力是人类心灵的奇迹，是最能体现人的本质特点的东西，而计算机是按程序运行的，所做的事情都是程序员安排好了的事情，其特点是被编程■◆◆★。被编程是自主性的对立面，而自主性是创造力的必然特征。计算机即使能表现所谓的创造力，也只应归功于程序员◆★★★◆。程序中的指令、规则决定了计算机的所有可能表现，这些是没法超越的。

　　人工智能（以下简称AI）的创造力建模和机器实现研究一跃成为热门话题，各种有创造力的软件层出不穷，其突出成就体现为会写学术论文和能打败世界围棋冠军的软件★★◆■★◆，能创作小说、绘画之类作品的多层次人工系统等。基础理论研究也成就卓著■■◆◆■，诞生了足以填补AI空白的新生事物——“计算创造力”。它有两个指称，一是指由人工系统所实现的创造力或AI创造力；二是指专门研究如何让人工系统表现创造力的、融理论探讨与工程实践于一体的AI分支领域■★★。

　　AI让计算机实现创造力，就是把人类或非人类的创造力当作样板或“原型实例◆■★◆◆■”来建模★★。而要如此◆★，当然得优先回答前提性心灵－认知哲学问题，如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◆★★◆◆、本质和秘密是否能向人类认知开放？麻烦在于◆■★★，传统的创新观即使不是全部■◆◆，至少也有一部分是计算创造力研究的拦路虎，如根据传统的浪漫主义和神秘主义的创新观，创造力本身是一种谜或神秘性，甚或是一种悖论。即使世上有创造力发生★◆◆■，那也是缪斯诸神独有的品质。

　　由于AI建模和实现创造力如何可能既是一个理论问题■◆■■★■，又是一个实践问题，且后一方面更根本、更关键■◆■★，因此，我们既可双管齐下，同时从理论和实践上探讨人工系统表现创造力如何可能问题，又可将重点放在工程实践的攻关之上◆■★■★■。事实上◆■，AI采取了边讨论边实践的策略，并把重点放在如何设计有更大创新能力的人工系统之上，已取得了大量举世瞩目的成果■■◆■★◆，如前述的会撰写创新性论文和创作文艺作品的软件，能对最难预测的蛋白质结构作出远超人类科学家的最准确预测的AlphaFold等。既然如此★★，现在似乎没有必要再在创造力是否可能这一问题上浪费人类的宝贵精力◆◆★★■。事实上■★，计算创造力研究已然有这样的前进方式◆■◆◆★◆，即抛开“是否可能”等宏大理论问题，而在解剖具体的创造力形式的基础上，做一些具体、细小的让人工系统实现创造力的工作。

　　创造力之所以不神秘，之所以能为机器建模◆◆★■，从内在方面说，就是因为它依赖的是我们平常的认知能力，如思维、想象◆★■◆◆、联想■★■★★、类比等◆★◆。它们以一定的方式集合在一起，就有创新现象的突现。用科学的语言说，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与默认模式网络和执行控制网络的动态耦合有关★■■★。默认模式网络的激活反映的是来自长期记忆的想法或信息的自发生成，而执行控制网络的激活反映的是约束思维完成特定目标任务的过程★◆。因此创造力是自然现象，可以得到计算建模和机器实现◆◆★。就创造力最倚重的发散性思维而言◆◆◆★■，它们由节点的激活所构成★★◆★■。如果这些节点非常固定地连接起来了，那么它们就表现为常规的心理现象★◆■★■。人有发散性思维，不外是出现了微弱的、间接的连接★◆★，进而唤醒系统用非特异性激活来撞击大脑皮层◆★■◆。结果人的精神生活中就表现出常见的灵光乍现之类的现象★◆◆★■。

　　让机器实现创造力，对创造力作出计算化也是必要条件。所谓计算化◆■，就是为概念提供操作定义，或把创造力翻译成能在人工系统上实现的属性，用计算术语重新表述创造力及其构成，揭示它所具有的形式或符号转化的本质特点。计算化也可理解为用计算术语对有关概念作形式化处理。形式化的方式多种多样■◆★，如代数形式化、逻辑形式化等。为满足形式化的要求，已诞生了像代数符号学这样的研究。它试图从逻辑上将符号、符号系统及其映射的结构形式化。随着计算创造力探讨的深入，已诞生了许多有理论根据和实用价值的创造力计算化方案，如认知方案、程序方案、情境主义方案、计算主义方案等★★。根据计算主义方案，将创造力计算化，就是要用概念空间、启发式★■◆◆★、搜索等计算术语去说明创造力，去重构创造力观念，例如将创新能力的诸组成、诸机制形式化于机器之中。只有做了这样的工作■◆◆★■，机器才能实现这些形式化或其中的一部分，进而完成创新任务。

　　就最具认知封闭性、被视为心智奇迹的灵感★★◆★★、顿悟之类而言■■◆◆，只要人类认知有办法走进去，它的神秘性就会慢慢消散◆■■。它的所谓神秘不过是作为解决问题的方式不同于标准的分析问题的方式。后一类方式的特点在于，承认所要解决的问题易于用语言表达出来，这类问题可用直接的★◆、逻辑的方式来加以解决。实验证明，当被试面对能用逻辑方式解决的问题时，他们就会用语言来报告他们解决问题的循序渐进的步骤。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，这样的借助灵感解决问题的过程同样是由生物的大脑完成的，里面不会有超自然的力量，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。

　　应承认，刚开始由于人们对软件的本质和作用持这样的理解，即设计软件不过就是编写代码和算法，因此计算创造力中出现的软件多数成了实现目的的手段。如果认识和实践停留在这个水平◆■，那么计算创造力的创造创造力的理想就无法变成现实。基于从创新软件的角度对软件工程的认真反思和研究，人们对目标作了这样的调整，即让软件生成的代码和算法同时成为一种创新成果，让软件成为有创造力的软件生成器，它的一个作用是向世界提出问题，而不仅仅是解决问题。要如此，就要改变方法论。基于这样的认知，计算创造力编程中的代码就不像在别的地方那样只是一种工具，而是能像科学或艺术中的成果或过程一样■■◆★，即这样的代码也有自己的生命，可以被研究◆★■■★、修改，可应用于不可预见的领域中，可受到文化的推崇■■★，等等◆★。按照这样的理念去设计和研制软件■◆★★◆，就不仅是在从事工程技术工作，而同时是在进行具有哲学意义的创造力探讨★★■■，其表现是■◆◆，这里一定会重思创造力的本质等哲学问题。根据新的研究，创造力的作用不只在于解决问题，更重要的是向世界提出问题，或将世界问题化。所谓问题化是指，所生成的代码暴露了这样的机会★◆■★◆◆，即要么有助于通过问题解决更好地理解世界，如暴露一种意外的异常或关于数据集的假设，要么将代码应用于变化之中以改变世界。

　　作者：高新民（国家社科基金重大项目■◆■■“东西方心灵哲学及其比较研究”首席专家■■★◆◆、2024年度《国家哲学社会科学成果文库》入选者、华中师范大学哲学系教授）

　　但只要作与时俱进的研究，就会发现，上述认知是基于对程序狭隘而陈旧的理解而形成的。根据对程序的新研究■◆◆■，上述看法的问题在于没有看到程序包含规则本身的变化，即程序中包含规定怎么变化的规则，能被嵌入随情境变化而变化的“活算法”甚或有创造力的算法◆★■◆■■。再者★◆■★，程序被内嵌了能学习的算法，会对来自环境的没有预料到的输入作出反应。重要的是，它还包含遗传算法■◆◆★■■，这种算法能对程序面向任务的规则作出随机更改。这些变化类似于促成生物进化的点突变和交叉。许多进化程序还包含适应度函数★★★，它能从每个新一代任务程序的成员中挑选出最好的成员，作为下一轮随机按规则变化的◆■★◆■“父母■◆■■◆”■★★★。没有适应度函数时★■■■，这样的选择由人来做■■，而有了这样的函数■★◆◆◆◆，机器就可以“自己”做了。这意味着，机器由于程序概念的变革而有了特定意义的自主性和创造力■★■★，也能生成符合人类创造力两个标准（即新颖性和有用性）的输出◆◆★■◆。以进化编程为例■■★，它可以导致初步的转型性人工智能，即让机器有转型性创造力■★★，如有的程序生成的图像完全不同于原来的图像，即是新的和有用的图像◆★。之所以如此，是因为遗传算法不仅允许单一的被编程的指令内的点突变，如改变一个数字，而且允许整个图像生成程序的连续和分层的嵌套■★★★◆◆。

　　要让计算系统真的有创造力，首先应弄清人类创造力中的真实性，如说他们真的有创造力是什么意思★■★■◆◆？创造力的真实性的标准、表现是什么？人的创造力之所以是真实的★■◆★，除了真的是由人的目的、动机、力量决定并可随时予以调节之外，它还镶嵌■■★★、渗透在人类文化之中■◆，与之融为一体，既受文化的制约◆■■◆◆■、影响■◆★◆，又服务于文化。“真实性”的范围还可扩大到生活的诸多方面◆★◆◆■■，如对自己经验、经历的描述是不是真的。再者，要让人工创新系统有真实的创造力◆★★■◆◆，出路之一无疑是研究人的创造力具有真实性的根源和条件。只要解析，就能发现人及其创造力之所以真实，是因为人及其创造力有★◆“接地”（grounding）的特点，即生活于、具体化于他们的世界中，如海德格尔所说，人是在世存在◆★★。反观计算系统◆◆★■◆，它的创造力之所以不真实，是因为它不接地，没有生活基础。因此要解决真实性问题，关键是解决计算创造力软件的★★◆“接地★★★■■”问题，即应在设计真的有创造力的软件时◆■◆■◆，让它有自己的生活世界★■◆，让它嵌入★◆■■、具体化于它的世界之中。其实，计算创造力研究专家已在着手解决这一问题◆★◆■，■★“情境主义计算创造力■◆◆■★”构想就是其积极成果★■★■★。当然，要解决真实性缺失问题，具体的工程技术研究也是其必要条件。这里关键是解决如何自动生成代码的问题◆★。要实现这一愿景■◆，必须坚持两个原则：第一◆◆★★★，应将世界问题化；第二★■■★◆，创建程序应被看作是有自己权利的工作★★★■，而不只是达到目的的手段■★◆★■◆。通过这种方式★■◆◆，代码自动生成就可为最前沿的计算创造力技术提供一个合适的试验场地◆■◆。在这里，对话性生成技术的作用也很重要★◆★，因为只有通过它★★■◆◆，才能让用户相信所生成的代码产品是有用的，进而解决有关的哲学问题，如计算系统如何可能具有自主性、意向性等★★★。

　　开创有中国气派的计算创造力AI分支，除了要全面深入研究国外计算创造力建设的成功经验、完成“补课任务■★◆◆◆”之外★■■◆◆，还应弯道超车，直接切入其前沿阵地，着力研究前提性■◆★★★◆、前瞻性基础理论问题，聚焦其中的心灵－认知哲学问题★■◆◆■，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、软件工程的“接地★■■■◆”与“真实性缺失难题★★◆■★■”等★★■★◆。

　　冷静反思已有的计算创造力软件和编程研究工作★■，哲学家和一些关注基础理论工作的AI专家都承认★◆，已有的模拟了各种智能现象的软件都有“真实性缺失（lack）难题”。这一问题其实是塞尔等人所说的◆◆◆◆■“意向性缺失难题”在计算创造力建模中的表现。只要考察就会发现，人类所表现的创造力有两种情况★■◆◆★◆：一是系统真实地实现了创造力■■，如该系统要么是创新的真正合作者，要么是能独立创新的自主体■◆★★；二是被评价为■■★◆◆、被解释为有创造力◆◆■◆，即有表面上的创造力★◆★★★◆。按照关于创造力的内在主义的观点◆■，已有的有创造力的软件只是被评价为有创造力■★■，而非真的有创造力，此即真实创造力的缺失问题。

　　要清除创造力计算建模的上述屏障，无疑要设法让创造力进入AI科学基础研究的中心，为之祛魅★■■■，消除其神秘性，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的过程或力量。世界上的所谓神秘性◆■★■、谜团都是相对于人已有的认知而言的。过去没有认识清楚的东西就是谜■★，就充满神秘性，如天上的打雷在科学不发达的时代就被认为是神秘莫测的力量，随着物理学的发展，它被祛魅了，进而回归它本来的自然现象的地位。创造力也是如此。

　　软件工程的关键工作是编程◆★★■■，因为计算机表现创造力是通过程序实现的■◆★。具言之，要让机器表现创造力，除了要研究创造力、让其计算化以便实现于程序之外，还要探讨程序的承受能力问题★★，如程序与创造力是何关系，能否实现创造力，能实现到何种程度，等等。正是看到这一点，许多计算创造力研究专家便践行这样的工程学进路，即先研究程序的承受能力和本质■★◆■★★，再据此对创造力作计算化说明，解决具体的工程实现问题。