上个月刚充了 ChatGPT Plus，这个月又买了了 Cursor Pro，OpenClaw 也研究的差不多了。

        我们对 AI 的期待，说起来非常简单：给最好的方案、最准确的代码、最精确的回答。

        然后我们再用输出质量来评判一个 AI 值不值得续费。

        但为什么总觉得 AI 不够好用呢？Swansea 大学一项迄今最大规模的人机协作创意实验刚刚告诉你：你对 AI 的期待从根上就是错的。

         800 个人设计了一辆虚拟汽车这不是问卷调查，是一个真正的设计任务。

        研究者开发了一个叫「Genetic Car Designer」的在线工具，放在游戏平台 itch，让参与者设计一辆二维汽车，目标很简单：在 30 秒内跑得越远越好。

        车身由多边形顶点定义，轮子有位置、半径、质量、转速和悬挂频率五个自由度。

        最简单的配置有 9 个可调参数，最复杂的可以到 85 个。

        系统有两种 AI 建议模式。一种是 MAP-Elites 算法驱动的方案，按速度、轮径、几何形状三个维度，展示一系列多样化的设计方案。

        这些方案里有高性能的、有奇怪的，也有明显跑不远的。

        另一种是随机历史记录，什么设计都有，毫无章法，充当对照组。

        参与者可以自由选择看不看这些建议，用不用它们。没有强制流程，没有规定时间，随时可以退出。

        实验设计的精妙之处在于：它不告诉你 AI 在帮你，只是把方案摆在那里，看你怎么反应。

        808 个有效 session 里，50%的参与者完全是被动的。

        打开工具后就让算法自己跑，全程不参与。36%只用了设计编辑器，手动调参数。

        只有 14%打开了 AI 方案并且与之互动。但这 14%的人，产出了最好的设计。

        看到「烂设计」的人，反而做得更好数据很清楚。看过至少一个 AI 方案的人，平均在任务上花了 22.5 分钟，是没看过方案的人（9.4 分钟）的 2.4 倍。

        设计质量提升幅度达到 373%，将近没看方案的人（197%）的两倍。

        主动跟方案互动、选取设计反馈给算法的人，提升更是高达 420%，是纯被动参与者（124%）的 3.4 倍。

        所有比较均通过了严格的统计检验（Mann-Whitney U， p<0.002）。

        更有意思的是 MAP-Elites 方案和随机方案之间的对比。

        参与者在两种方案上花的观看时间没有显著差异，但从 MAP-Elites 方案里选出来实际使用的设计数量，显著多于随机对照组。

        这意味着「结构化多样性」，也就是好的、怪的、差的方案按维度排列在一起，比一锅乱炖的随机建议，产生了更强的创意激发效果。

        最反直觉的发现，藏在实验室研究里。研究者另外招募了 12 名工程专业学生做了一组对照更严格的实验：固定赛道、固定参数、固定时长（40 代算法迭代），只保留两个方案（MAP-Elites vs 随机），双盲标记为「Insights 1」和「Insights 2」。

        75%的人在 MAP-Elites 方案上花了更多时间，所有参与互动的人也都从 MAP-Elites 里选了更多设计。

        但问他们「哪个方案更有用」，答案却是分裂的。25%的人甚至认为随机方案更好，尽管他们的实际行为证明他们从 MAP-Elites 里获益更多。

        论文的解释是：行为参与和情绪参与是分离的。你在认知上确实受到了帮助，但你不一定「感觉」到这种帮助。

        这指向了一个更深层的机制，论文称之为「过早固化」（early fixation）。

        当你只看到好方案，你倾向于直接复制；当你看到一堆参差不齐的方案，你被迫开始自己思考，因为没有哪个方案可以直接拿来用。

        烂设计不是噪音，是认知摩擦。它拦住了你的第一反应，逼你绕远路。

        而绕远路，恰恰是创造力的产生条件。其中有一位参与者的反馈很有代表性：「我发现方案在后期更有用，当我自己做的修改不再产生更好结果的时候。」这正好印证了研究者的判断。

        多样化建议的价值不在起步阶段，而在你自以为找到最优解、实际上已经陷入局部最优的时候。

        更有参与者说自己会刻意挑差方案来看，「用来探索新想法」。

        你花钱买的不是答案一个 AI 给你的烂答案，竟然比好答案更有价值。

        这项研究还揭示了一个 AI 产品经理们，可能不太愿意面对的事实：使用 AI 方案的人花了更长的时间完成任务，而不是更短。

        研究者在论文中直言：「基于方案的人机协作工具不应被视为省时省钱的工具，而应被视为通过增强人类创造力来产出更好结果的工具。」在他们此前的一项研究中也观察到了同样的趋势：使用 AI 辅助工具的参与者完成任务所需时间显著更长，原因是情绪参与度更高，他们投入了更多精力去探索。

        这跟 AI 产品的主流营销叙事完全矛盾。从 ChatGPT 到 Midjourney 到 Cursor，所有 AI 工具的价值主张都是「更快、更好、更省力」。

        但这项研究的数据显示，真正有价值的 AI 协作，恰恰是让你花更多时间、投入更多精力的那种。

        省下来的不是时间，而是那些你原本不会走的弯路——可弯路，才是创造力的正路。

        这篇论文的标题叫「From Metrics to Meaning」，从指标到意义。

        作者批评了 AI 工具行业的主流评估方式：用点击率、复制率、采纳率来衡量 AI 建议的价值。

        这些指标只能捕捉行为参与（你是否点了），完全忽略了认知参与（你是否在想）和情绪参与（你是否在乎）。

        仅仅是「看」一眼设计建议，即使你没有选择它、没有复制它、没有对它做任何操作，它已经在影响你的设计过程了。

        这意味着 AI 产品用来衡量自身价值的那套指标体系，可能系统性地低估了 AI 真正的贡献，同时高估了「输出准确性」的重要性。

        这对每一个正在付费订阅 AI 工具的人都有价值：你每个月花 20 美元，期待的是一个给你最优解的系统。

        但恰恰，好的 AI，可能不是给你答案的那个，而是用一堆不完美的方案逼你自己去想的那个。

        当 Cursor、Claude、ChatGPT 都在卷输出质量的时候，也许最好的 AI 产品设计，应该故意「不那么好用」。

        你花钱买的不是答案，是刺激。我们正在招募伙伴📮 简历投递邮箱[email protected]✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）更多岗位信息请点击这里🔗