Kreativität gilt als der entscheidende Antrieb für die menschliche Entwicklung und Kultur. Denn erst sie ermöglicht es uns, Neues zu erschaffen und innovative Lösungen zu finden. Durch kreatives Denken erkennen wir neue Zusammenhänge, denken „Out of the Box“ und lösen Probleme mithilfe von kreativen Geistesblitzen. Diese Fähigkeiten helfen uns dabei, Schwierigkeiten zu überwinden, zu improvisieren und uns an veränderte Bedingungen anzupassen. Gerade heute sind kreative Ideen in Forschung und Technik wichtiger denn je, denn ohne sie lassen sich die großen Fragen unserer Zeit vermutlich nicht lösen. Inzwischen haben sich die Voraussetzungen jedoch fundamental geändert: Neue Ideen entstehen längst nicht mehr im stillen Kämmerlein oder durch rein menschliche Denkprozesse: Die Fortschritte in der künstlichen Intelligenz und insbesondere bei Großen Sprachmodellen (LLM) wie ChatGPT, Gemini oder Claude ermöglichen es uns heute, auch KI-Systeme in unsere kreativen Prozesse mit einzubeziehen.
22 KI-Modelle und 100 Menschen im Test
Doch welche Folgen hat der Einsatz von KI für unsere Kreativität? „Viele Studien haben bereits gezeigt, dass große KI-Modelle wie ChatGPT menschliche Testpersonen in standardisierten Tests der Kreativität sogar übertreffen“, berichten Emily Wenger von der Duke University in den USA und Yoed Kenett vom Israel Institute of Technology in Haifa. Dies gilt sowohl für Tests der divergenten Kreativität, bei der es beispielsweise um ausgefallene Einsatzmöglichkeiten für Objekte geht, als auch für die kreative Assoziation – Lösungen durch das Erschließen von Zusammenhängen. Aber auch in der künstlerischen Kreativität scheinen KI-Modelle hilfreich. So zeigte eine Studie, dass Autoren kreativere Geschichten entwickelten, wenn sie GPT-4 zu Hilfe nahmen. Sie ergab allerdings auch: „Die von verschiedenen Personen mithilfe von KI geschriebenen Geschichten waren einander ähnlicher als die nur dem menschlichen Geist entsprungenen Texte“, so die Forschenden. Dies könnte bedeuten, dass die Nutzung von künstlicher Intelligenz uns zwar als Einzelne kreativer macht, nicht aber die menschliche Population insgesamt.
Unklar blieb allerding, ob diese Einschränkung auch dann gilt, wenn verschiedene KI-Modelle genutzt werden. „Man könnte annehmen, dass sich diese Homogenisierungs-Effekte vermeiden lassen, wenn man unterschiedliche KIs einsetzt“, so Wenger und Kenett. Um dies zu untersuchen, haben sie 22 verschiedene LLMs und 102 Testpersonen drei etablierte Kreativitätstests absolvieren lassen. Beim Alternative Uses Test (AUT) geht es darum, für ein gängiges Objekt – beispielsweise Buch, Gabel, Tisch oder Hose – so viele verschiedene Nutzungsmöglichkeiten wie möglich aufzulisten. Im Divergent Association Task (DAT) sollen Probanden zehn Wörter nennen, die sich in jeder Hinsicht maximal voneinander unterscheiden. Beide Tests dienen dazu, die divergente Kreativität zu bewerten. Der dritte Test, Forward Flow (FF), soll dagegen die assoziative, konvergente Kreativität überprüfen. In ihm gilt es, eine möglichst lange Kette assoziativ verknüpfter Wörter aufzuschreiben.
Einzeln kreativer, aber als Gruppe homogen
Die Tests ergaben: In den beiden Tests der divergenten Kreativität schnitten die Großen Sprachmodelle etwas besser ab als die menschlichen Testpersonen, beim assoziativen Test etwas schlechter. „Insgesamt zeigen Menschen und KI-Modelle aber ein ungefähr gleichhohes Niveau der individuellen Originalität“, berichten Wenger und Kenett. Das änderte sich jedoch, als die Forschenden ihre Kernfrage untersuchten: Wie kreativ sind die Lösungen, wenn man die Resultate miteinander vergleicht? Hier zeigte sich für beide Formen der Kreativität: „Die LLM-Antworten sind einander viel ähnlicher als die der menschlichen Teilnehmer“, berichtet das Team. „Selbst wenn wir die Prompts so veränderten, dass sie das KI-Modell zu mehr Kreativität aufforderten, blieben die menschlichen Antworten variabler.“ Dies galt auch, wenn verschiedene Modelltypen oder KI-Systeme verschiedener Hersteller verglichen wurden.
Die Ursache für die homogenen Outputs der KI-Modelle ist naheliegend: „Kommerzielle LLMs wurden alle mit den gleichen Daten trainiert – dem gesamten Internet „, sagt Wenger. „Es erscheint mir daher nur logisch, dass dies auch die Diversität einschränkt.“ Die große Frage sei jedoch, ob sich dies künftig ändern ließe. Denn wahre Kreativität beruhe auf Parametern wie Authentizität, Kontext, Intentionalität und Individualität. „Dies sind Dimensionen, die sich in der aktuellen LLM-Landschaft nicht implementieren lassen“, so die Forschenden. Ihrer Ansicht nach könnte die Nutzung von künstlicher Intelligenz für kreative Lösungen daher negative Folgen für unsere Innovationsfähigkeit als Spezies haben. „Die Forschung der letzten Jahrzehnte hat immer wieder gezeigt, wie sehr die menschliche Kreativität von der Unterschiedlichkeit der Lösungen abhängt“, sagt Kenett.
Quelle: Emily Wenger (Duke University, Durham, USA) und Yoed Kenett (Israel Institute of Technology, Haifa), PNAS Nexus, doi: 10.1093/pnasnexus/pgag042
