張淑莉 等 | 延異共生：人工智能技術何以重塑創造力范式——斯蒂格勒技術哲學視角下的教育審思

關注“在線學習”

獲取更多資訊！

刊載信息

張淑莉，& 張雨強.(2026).延異共生：人工智能技術何以重塑創造力范式——斯蒂格勒技術哲學視角下的教育審思. 中國遠程教育(1),125-142.

延異共生：人工智能技術何以重塑創造力范式——斯蒂格勒技術哲學視角下的教育審思
張淑莉, 張雨強

【摘要】當前，學生利用人工智能輔助完成創造性任務的現象愈加普遍，創造不再專屬于個體活動，而發展為人機共創模式。在此背景下，本研究以人工智能持存創造力為邏輯起點，通過分析“人類創造力的原始缺陷—人工智能技術的代具性補償”，做出奠基性判斷，明確人工智能具備技術性創造力。接著，指出當前“二元分離”的創造力范式或將在創造的“源頭—過程—結果”層面引發異化：動力衰退，技術依賴下的創造內驅力流失；沉思缺位，即時輸出下的創造過程簡化；同質化產出，算法規訓下的創造結果趨同。經分析，上述異化風險的深層邏輯在于人們對人工智能技術“代具”角色的誤解，由此，本研究試圖構建人工智能時代人與技術“延異共生”的創造力新范式。借鑒伊德“人—技術—世界”四類關系模式，提出在不同類型的創造性關系中實現“延異共生”的教育策略：具身關系，在技術嵌入中保持具身創造力；詮釋關系，在技術中介中維護創造主權；它者關系，在技術互動中強化協同創造力；背景關系，在技術環境中夯實創造的知識與人文基礎。

【關鍵詞】延異共生; 創造力范式; 人工智能技術; 代具; 斯蒂格勒技術哲學

當前，各國日益重視對創新人才的培育，創造力作為創新人才的核心特質（林崇德, 2024），是教育、科技領域重點培育的關鍵能力。長期以來，創造力被視為人類獨有的高級認知能力。信息技術發展初期，人們雖然擔心技術可能會取代大量機械性勞動，但普遍認為創造性工作因其非重復性、獨特性和思維復雜性而不受影響（段偉文 & 余夢, 2024）。然而，ChatGPT、DeepSeek等生成式人工智能逐漸展現出超越普通人類個體的創造水準，使得技術從知識與經驗的“存儲者”躍升為創造力的“持存者”，深刻改變了人類創造性活動的傳統邏輯。以某高校為例，調查研究顯示90%以上的研究生使用過生成式人工智能，且不少人將其用于代碼生成、頭腦風暴、實驗設計等創造性場景（李艷 等, 2025）。但人工智能并非以單一的賦能邏輯加入創造性活動，它雖能支持學生創造性思維的發展，但也或將對其創造力和創造性人格產生負面影響（Habib et al., 2024; 王紅麗 等, 2024），抑制其創造主體性及創造潛能的發揮。當前，人們未能正確認識人工智能在創造中的角色，易陷入人工智能介入下的創造危機，且學生普遍缺乏對人工智能創造邏輯的認識和理解（李艷 等, 2025），既難以有效激發自身創造潛能，也難以發揮技術的支持價值。為此，教育亟須審慎思考人工智能介入下學生創造力發展的風險，并積極建構新的創造力范式，引導學生在技術支持的創造性環境中拓展創造潛能。

基于此，本研究在斯蒂格勒技術哲學視角下，關注四大遞進命題：首先，基于“代具”理論闡明人工智能何以具備創造力，且為何種創造力；其次，從創造力的“源頭—過程—結果”三個層面出發，系統揭示當前創造力范式下可能引發的創造危機；再次，剖析危機發生的深層邏輯，構建適應人工智能時代的創造力新范式；最后，基于“人—技術—世界”四種關系模式，提出如何教育學生規避創造危機，合理運用這種創造力新范式。

一、

人工智能持存創造力的技術哲學分析

在分析人工智能時代的創造危機、構建新的創造力范式前，需要先對人工智能本身做出基礎性判斷，即人工智能是否具備創造力？如果具備，其呈現何種性質？因此，本研究以斯蒂格勒的技術哲學框架為分析工具，剖析人工智能與創造力之間的深層關系，為后續危機分析與范式建構提供邏輯起點。

（一）人類創造力的原始缺陷

在創造力發展過程中，人類不可避免地受其記憶能力、思維模式和生理特征等原始缺陷的限制。貝爾納?斯蒂格勒（Stiegler, B.）指出：“人類沒有過失，有的只是起源的原初缺陷。”（貝爾納?斯蒂格勒, 2010, p.10）“人類之所以是人類，是因為缺失。也就是說，他們的存在是他們的生成。”（貝爾納?斯蒂格勒, 2018, p.69）因此，人與世界的關系從一開始就不是自然適應的，人是通過工具、技術和文化的外部支持來彌補其生存的先天不足，使自身成為一種“未完成的”“不斷生成的”存在。

首先，人的創造力受其記憶限度的影響。斯蒂格勒借鑒埃德蒙德?胡塞爾（Hussein, E.）的“持存”（retention）概念，指出人的認知和記憶可以分為三類：第一持存指人的瞬時感知，是有知覺參與和體驗性的；第二持存是人的記憶，它構成了個體知識的積累，使人能夠回憶、分析、創造新的事物；第三持存則是超越個體記憶的外在化存儲，如文字、影像、計算機存儲等（貝爾納?斯蒂格勒, 2012b, pp.19-20）。大量研究表明，個體掌握某一領域的知識越多，在該領域的創造力就越強（龐維國, 2009），因此，個體創造力受其“第二持存”豐富性的影響。然而，人的“第二持存”常受限于經驗積累，其更新速度緩慢，且容易受遺忘、誤記和認知偏差的干擾，這種局限性也決定了人類創造力的邊界。其次，人的創造力受其思維模式的束縛。心理學認為，“新穎性”是創造力的核心標準之一（Simonton, 2012），即創造者不僅需要具備豐富的知識儲備，還必須能夠在原有的知識框架上打破既定模式，生成新的思維路徑。然而，人類的創造過程常受限于“思維定勢”（張敬威 & 于偉, 2018），即在思考時傾向于沿用已有的認知結構，因而通常難以在短時間內完成大規模的信息重組和創新突破。最后，人的創造力受其生理特征的限制。創造是一個復雜的認知過程，往往需要長時間的思考、推敲和試驗，而人類的精力、注意力和認知負荷有限，個體在長時間的創造過程中，往往會因精力枯竭、思維疲憊等因素而中斷思考，進而限制了創造的持續性和高效性。

（二）人工智能技術的代具性補償

斯蒂格勒的技術哲學中，“代具”（prosthesis）理論是理解人類與技術關系的核心范式。從廣義上看，“代具”不僅指假肢、義肢等身體替代物，還包括一切用于擴展和補償人類能力的技術媒介。這些技術雖源于人類設計，但在使用過程中能夠逐步形成自身的發展邏輯（劉宗岱, 2024）。隨著社會加速發展，創新的復雜性不斷提升，個體的創造力愈加難以匹配時代的需求。在這一背景下，人工智能不僅是人類知識庫的“第三持存者”，更在大規模信息處理、非線性計算邏輯、穩定地持續創造以及全局優化等方面展現出獨特的能力，因而成為人類創造力的“代具”。這標志著技術持存機制從“存儲”向“生成”的進化，它不再僅僅是知識的存儲載體，還可通過概率建模與深度學習主動生成新內容，從而動搖了以“內在心智”為中心的創造力認知范式。

這一轉變也引發了技術哲學領域關于人工智能是否具備創造力的爭論。早在19世紀，阿達?洛夫萊斯（Lovelace, A.）就指出：“分析機并不自詡能原創出任何東西。它只能完成我們知道如何命令它完成的任何事情。”（Menabrea & Lovelace, 1843）其核心在于：智能技術的創造活動始終受限于預設規則，缺乏自主性和意向性，因此不能突破既定程序產生真正的創造。然而，隨著技術的發展，這一觀點逐漸受到挑戰。艾倫?麥席森?圖靈（Turing, A. M.）通過對“機器是否能思考”的討論回應了這一觀點，并提出隨著技術進步，人們最終會接受“機器能思考”的觀點（Turing, 1950）。馬格麗特?安?博登（Boden, M. A.）指出，人工智能已在多個領域表現出“探索性創造力”。例如：AARON在生成色彩圖像方面被稱為“世界級色彩家”，其設計出的某些配色讓創作者自己都“不敢使用”；某些作曲系統能在既定風格中自主展開創作；而BACON則可“再發現”傳統科學中的經典規律（Boden, 2009）。這類成就對“計算機只能執行預設指令”這一立場提出了有力的挑戰。近年來，生成式人工智能的發展進一步證明人工智能不僅能夠模仿和再現已有作品，還能夠從海量數據中提取潛在模式，形成新的組合邏輯，并在某些領域展現出超越個體創造力的特征。因此，學界對“人工智能創造力”的認可度不斷提高，有研究將“人工智能創造力”明確定義為“人工智能技術賦能的虛擬主體，在算法驅動下模擬人類的創造性活動時產生新穎性、價值性創造的能力”（胡衛平 等, 2024），Science 雜志更是將“具有創造性的人工智能”列為2022年度十大科學突破之一（Science, 2022）。

基于上述分析，本研究提出“人工智能持存創造力”的論斷，借助斯蒂格勒“第三持存”的定義，即通過技術媒介儲存下來的記憶，對“持存”概念（retention）賦予“具有”或“具備”的動詞性含義，意在表達：人工智能技術在豐富的第三持存與生成能力的支持下已然持有一定程度的創造力。但是，人工智能的創造依然依賴數據輸入和算法規則，缺乏自主意識和價值判斷。因此，本研究認為“人工智能持存創造力”的論斷雖然成立，但其持有的創造力本質上仍屬于“技術性創造力”，即基于大規模數據、深度學習和概率生成的創造，而非源自主觀能動性的創新。人工智能并未顛覆人類作為創造主體的地位，而是在新的技術環境下，與人類共同構成完整主體，推動創造性活動向高質高效方向發展。

二、

異化風險：“二元分離”創造力范式的潛在危機

人工智能展現出某種形式的創造力推動人技共創成為重要的創造模式。然而，實踐中的人技共創活動仍建立在“二元分離”創造力范式之上：人與技術被視為功能明確、邊界清晰的獨立系統，缺乏深層的認知互動與結構嵌合。“知識歸AI，智慧歸人類”的策略一開始就落入了二元分離的窠臼（楊九詮, 2024）。這種創造力范式雖在表面上實現了協同產出，但也或將使創造的動力源頭、創造過程與最終的創造結果面臨危機。正如斯蒂格勒指出的，技術“沖擊了人類看似最穩固的組成部分，也由于把各種程序操作交給機器代管而使以群體統一性構成的種族面臨滅絕的威脅”（貝爾納?斯蒂格勒, 2010, p.86）。這一判斷并非意在夸大技術的毀滅性，而是強調當技術在感知、記憶、判斷等方面逐步替代人類自身能力時，人類將逐漸失去對自我特性與發展方向的把握。

圖1 “二元分離”創造力范式的潛在危機

（一）動力衰退：技術依賴下的創造內驅力流失

斯蒂格勒指出，“什么”（技術）具有動力，它不能被納入“誰”（人）的動力中，但又需要“誰”的動力作為超前的能力（貝爾納?斯蒂格勒, 2010, p.7）。人工智能憑借高效演算能力展現出強大的創造動力，但這種技術性動力需要以人的主觀能動性為導向，否則便會淪為無意義的自動生成。若個體對技術過度崇拜和依賴，容易產生“人不如自己創造的機器”的羞愧感（滕長利, 2025），進而導致自我創造動力的衰退。

從心理機制層面來看，創造力的發生始終建立在個體的內驅力和主觀能動性之上（龐維國, 2022）。個體之所以能夠產生創造行為，是因為其在認知層面形成了“我能創新”的能力判斷與“我應創新”的責任意識（王紅麗 等, 2024）。進一步而言，這種認知基礎通常依賴于個體對創造過程的積極情感體驗——“珍稀感”“歸屬感”與“意義感”，即當創作者相信自身不可替代、作品屬于并能夠展示自己、創造行為具有價值時，其創造動力才會持續生成。然而，生成式人工智能超強的想象力、拓展力和合作力在很大程度上挑戰了人類的認知優越感（陸曉芳, 2025），伴隨創造的個體的主觀體驗和價值認同正逐漸動搖，繼而引發一系列動力衰退的潛在危機。

在教育場域中，這種危機尤為明顯地表現于學生群體。首先，當人工智能在信息檢索、數據整合、創意生成上展現出超乎人類想象的高效率和高精度時，許多原本為人所珍視的技巧、經驗和靈感不再被視為“稀缺資源”，這種珍稀感的喪失意味著個體創造身份的貶值與弱化，學生或將質疑自身創新能力的獨特性，進而削弱對“我能創新”的積極評估。有研究指出，創造性想法的新穎性要求會讓個體產生風險感、緊張感和不確定感（Mueller et al., 2012），而人工智能的高度確定性與穩定性在某種程度上進一步增強了學生在創作過程中的焦慮感，從而動搖“我應創新”的內在動力。其次，學生對創造的情感投入與追求部分來自對創造成果的“歸屬感”，即相信作品能反映其個性、美學傾向或思想深度。然而，人工智能在創意呈現中引入的數據驅動的風格與邏輯，導致學生在審視成果時會發現，其中相當部分的靈感或風格來自人工智能的算法模式而非自己的獨立思考。這種模糊的創作歸屬感削弱了學生與作品之間的情感聯結，進一步導致學生創作動機的下降。最后，創造本身蘊含著反復試錯與深度思辨的意義探尋過程，但在“二元分離”創造力范式中，學生往往只是提供命令與調適參數，缺少從摸索到頓悟再到突破過程中獲得的深度滿足，其對創造過程的意義感隨之削弱，進一步導致創造動力下降。

（二）沉思缺位：即時輸出下的創造過程簡化

斯蒂格勒指出，當代的“什么”（技術）通常以速度為特性……實時或許是當代技術的基本特征，亦或許是技術的毀滅（貝爾納?斯蒂格勒, 2010, p.74）。這一批判直指現代技術對時間的重構——創造過程中原本應有的醞釀與沉思正被“實時化”的運算邏輯全面取代。正如他從愛比米修斯神話中所汲取的警示——“欲速則不達”（貝爾納?斯蒂格勒, 2010, p.73）——過度追求速度，不僅破壞了技術的藥理平衡，也會使人忽視創造力賴以生成的沉思過程。

人工智能時代，技術通過即時輸出機制高效參與創造過程，使創作者在輸入指令后即可獲得大量生成性內容。該過程雖極大提升了創造物的產出效率，卻也可能導致“沉思缺位”，使創造過程簡化為快速組合、即時驗證的程序化模式，創造過程本該蘊含的延宕、探索、交互被即時反饋帶來的便捷性、高效性所消解，個體的創造靈感與頓悟愈發難以顯現。創造心理學普遍強調深度思考與反復推敲在激發創新靈感中的關鍵作用。康奈爾大學研究者通過實驗研究發現，人的創造力往往會隨著時間的推移越來越強，并指出人們不應該僅憑初期想法而停止探索和思考（Lucas & Nordgren, 2020）。另有研究指出，創造過程往往需要漫長的探索階段，這一階段不僅要檢驗想法的可行性，也為偶然發現、新奇組合等靈感生成提供必要時空（Finke et al., 1992, pp.17-25）。然而，在高度即時化的技術情境中，創造的時間維度被壓縮，個體容易僅在表層操作中做出有限修改，難以經歷系統性的自我懷疑、反省與深思過程，導致其創造潛能難以充分釋放。例如，在科學探究活動中，學生原本應經歷提出問題、設計實驗、反復驗證等思維過程，但在智能輔助工具廣泛使用的情境下，學生或會直接向人工智能提問“實驗結論是什么”“為什么會出現某某現象”，從而快速獲得標準答案。此類操作跳過了必要的推理與思辨，探究過程被壓縮為結果復制，長此以往易削弱個體的深度思考能力與科學創造潛能。丹尼爾?卡尼曼（Kahneman, D.）的“雙系統理論”進一步揭示了這一風險，指出人類思維包含“快速系統”和“慢速系統”兩大部分，前者基于自動化、直覺式處理，后者則需要更多時間進行邏輯分析（丹尼爾?卡尼曼, 2012, p.5）。創造過程中的深度思維正需要“慢速系統”的持續介入，以便在不確定和模糊中碰撞出新想法。然而，人工智能生成的即時方案往往直接滿足了創作者對“快速系統”便利與效率的偏好，導致其僅停留于即時滿足的淺層思考。

（三）同質化產出：算法規訓下的創造結果趨同

風格是創造的靈魂，它不僅是創造成果形式上的辨識特征，更是創造者精神、思想與情感的獨特體現。正如斯蒂格勒所言，“風格難以確定且不確定”，它“產生于風格制造者的缺陷”，是其感知方式、情感經驗等在文字、圖像、聲音中留下的不可復制痕跡（貝爾納?斯蒂格勒, 2010, p.98）。因此，風格是由人的“不完全性”所構成的差異印記，有非同質化特征。然而，斯蒂格勒也曾深刻追問：“以普遍的技術趨勢滲透世界并破壞了種族多樣性的工業化是否意味著風格、感覺和世界的終結？”（貝爾納?斯蒂格勒, 2010, p.98）這警醒我們做出前瞻性判斷——當人工智能以算法邏輯大量參與創造，創造物可能會在技術的規訓之下喪失獨特風格，出現“同質化”現象。

“同質化”一詞源于生態學領域，指外來物種入侵并逐步取代本地物種，使不同生態系統在物種組成上趨于一致的過程（McKinney & Lockwood, 1999）。在創造領域，“同質化”則表現為作品在語言、形式、主題與結構上的高度重復，使新內容更像是已有模式的復制，而非源自個體經驗的原創生成。在“二元分離”的創造力范式中，創造性結果的趨同不僅源于技術自身的生成邏輯，也與人類在技術引導下的認知偏移密切相關。一方面，人工智能的創造力依賴于對既有數據的強化學習，這削弱了風格表達的多樣性。以自然語言處理中的“最大似然估計”方法為例，它訓練模型盡可能預測出最常見或最可能的詞序列，從而避免生成結果偏離預期。這一機制雖提升了內容的可讀性與連貫性，卻也壓制了語言、形式與思想的突破，導致生成的內容趨于常規，缺乏創造風格中獨特的異質性。隨著生成作品數量的指數級增長，新作品越來越像既有成果的變式，缺乏創造物應有的新奇性特征。另一方面，創作者受機器算法所提供的“創意錨點”影響，導致自我創造風格弱化。協同創造場景中，創作者往往在人工智能提供的材料啟發中完成后續創造。這種人機互動雖然在形式上是協同的合作，但實際上極易形成一種認知依賴。該過程可由心理學中的“錨定效應”解釋，即在不確定情境中，個體的決策和判斷極易受初始錨點（信息）的影響，致使其隨后的數值估計偏向該錨的一種判斷偏差現象（李斌 等, 2010）。在內容創作中，人工智能提供的初稿、建議或文本框架成為人類創造思維的錨點，盡管后續修改看似體現了人類的創造性介入，實則許多判斷已在初始“錨”的影響下完成。創造過程由此轉變為對既有生成邏輯的微調與再排列，表達的自由度與風格的獨特性逐漸被技術預設所取代，從而導致創造性成果的趨同傾向。這一現象在高校學生科研寫作中尤為突出，不少學生傾向于先讓人工智能提供思路再進行修飾與補充，導致其越來越難以獨立構思研究框架與論證邏輯，寫作過程轉變為對人工智能語言風格與結構模式的適應與修整，產出成果呈現極高的相似性。

三、

延異共生：人工智能時代的創造力新范式

“二元分離”創造力范式未能回應人工智能技術對創造過程的深度重塑，也未能充分發揮人工智能技術性創造力的應然價值。為有效化解上述危機，亟須在技術哲學層面追溯創造異化的根源，重新理解人工智能作為“代具”在創造中的角色，并基于此建立一種強調共生、互動、互惠與互塑的創造力新范式。

（一）代具誤讀：人技“二元分離”的異化根源

人工智能所引發的創造危機，并非源于技術創造性功能的增強，而在于人類對其“代具”角色的理解發生了偏差。斯蒂格勒強調，“代具并不取代任何東西……它的實質是加入”（貝爾納?斯蒂格勒, 2012a, p.166）。“代具”并非“代替”，而是指技術以“延展”的方式嵌入人的認知、感知與記憶系統之中，與人共同承擔創造過程中的相應任務。在“代具”理論視域下，技術與人類存在之間是相互構成、缺一不可的轉導關系，二者共同構成一個不斷運動、生成差異的整體（劉宗岱, 2024）。但當前，人們傾向于將人工智能視為創造力的替身，而非個人創造潛能的激發者，由此將本應由人完成的構思、判斷、審美、頓悟等環節交由技術全權代理。因此，人工智能時代的創造力危機之所以成為系統性問題，正在于人們對人工智能“代具”角色的誤讀與濫用。回應這一危機的關鍵，不能止于重新肯定人類中心，退回個體主義的創造觀，而應考慮如何合理利用人工智能技術這一“青銅利器”，重塑新的創造力范式。

（二）關系明晰：“延異共生”創造力范式的提出

化解危機的關鍵在于糾正認知偏差，重新理解技術在人類創造中的合理位置。基于此，建構新的創造力范式，需明確人與技術的一元結構關系，將技術視為創造的延展而非替身。斯蒂格勒借用雅克?德里達（Derrida, J.）的“延異”（différance）概念，描述了人與技術非本質主義的共生結構：延異既非“誰”（人），也非“什么”（技術），它是兩者共同的可能性，是它們之間的相互往返運動，是兩者的交合。缺了“什么”，“誰”就不存在，反之亦然（貝爾納?斯蒂格勒, 2012a, p.154）。根據理解，“延異共生”本質上體現的是一種非決定性、非封閉性、非替代性的關系，意味著技術不是人的附屬物，也不是主體性的對立面，而是人類存在的組成條件之一，內含強烈的“共生”取向。這種理解體現了對人工智能“代具”角色的正確定位，既保留了對技術賦能的合理性期待，又避免陷入對技術的消極依賴，對于回應當前的創造危機具有重要價值。一方面，它肯定了技術的補償性，即技術確實具有擴展人的認知邊界、儲存文化經驗、優化表達形式的積極作用；另一方面，它也強調技術不可獨立成為創造的主體，必須處于被人引導、反思和評判的生成結構中。

基于此，本研究提出人工智能時代的創造力新范式——“延異共生”創造力范式，即在創造過程中不將人和技術視作兩個分離主體，而是強調雙方互為條件、相互構成，體現共生、互動、互惠、互塑的特點。“共生”意指人在創造性活動中始終與技術并存共在，技術不外在于人，而是與人共同構成一個整體；“互動”強調人與技術在創造過程中的動態交互，在基本信息、創造思路等方面持續交換；“互惠”體現為人類在使用技術的同時，從中獲得新的思路，技術則因人的介入而具備更高階的生成能力；互塑”則強調人技之間能力結構的長期協同與增長，在持續共創中彼此鍛造，形成穩定發展的創造體系。該范式與“二元分離”創造力范式的根本差異可從“本體論”與“關系論”兩個層面加以揭示。從本體論層面看，“二元分離”范式仍然預設人類與技術是兩個彼此獨立的實體，技術被視為外在于人的工具性存在，在創造過程中承擔特定功能或執行特定任務。這種范式秉持一種“實體先行”的存在論觀念：人先于技術存在，創造力歸屬于人。然而，延異共生范式在本體論上根本性地排斥這種二元劃分，強調“誰”與“什么”之間并無本質界限，二者在歷史進程中持續交互、相互構成。在此視角下，技術不是外部工具，而是人之為人的生成性條件之一，是創造力不可分割的組成維度。例如，有學者從“集體”的角度討論創造力，認為創造力并非局限于某個個體，而是通過與其他個體共同組成一個集體，共同生成“對世界造成差異”的新成果（朱恬驊, 2024）。在關系論層面，“二元分離”范式強調的分工合作，典型模式是人類承擔“規范勞動”，即設定目標、提供價值判斷與審美評估等；人工智能則承擔“變異勞動”，借助數據運算與模式重組，拓展創新的廣度與深度（李建會 & 夏永紅, 2020）。這種關系設定仍停留于命令、執行的線性結構。相比之下，延異共生范式強調人不再是技術的主控者，技術也不只是人可任意支配的對象，二者在交互過程中彼此延展、能力互塑，體現關系論上的共生邏輯。

四、

教育策略：“人—技術—世界”關系框架下“延異共生”創造力范式的實現

斯蒂格勒從藥理學角度指出，技術具有毒性與藥性的雙重結構，但其毒性之根源不在于技術本身之優劣，而在于人類與技術如何建立適當的協作關系（邊宇桐 & 邱慧, 2024）。對抗技術之藥的毒副作用的唯一途徑，就是依賴于同一種藥的解毒作用（陳明寬, 2021, p.161）。上述兩種創造力范式的劃分起點在于對“人—技”關系的不同理解，因此，要避免人工智能技術對人的創造力帶來的風險，達成“延異共生”的創造力范式，只能從人與技術的關系入手予以實現。新范式雖提供了認識論上的指引，但它作為抽象理念仍需借助一定的指導策略落實于實踐場域中。唐?伊德（Ihde, D.）提出的“人—技術—世界”的四種關系模式可提供適切的分析工具，其分類不僅具體呈現了技術介入人類經驗的多樣方式，更與斯蒂格勒所強調的“代具—延異”關系高度契合，能夠有效區分人與技術融合共生的不同程度，以更精準地探討技術如何既實現人創造力的延伸，又規避對人的替代與壓制。因此，本研究在該關系框架的基礎上，嘗試以“說明書式”的方式提出在不同情境下的創造性活動中，如何規避創造力異化風險，實踐“延異共生”創造力范式的教育策略。

圖2 “人—技術—世界”關系框架下的延異共生教育策略

（一）具身關系：在技術嵌入中保持具身創造力

“具身關系”是伊德技術哲學中最基礎的關系模式，可圖示為（人—技術）→世界。在該關系中，技術以一種“透明”的形式融入人的身體經驗中（吳寧寧, 2015），使人不再將其視為外在工具，而是通過它直接感知并改造世界。例如，戴眼鏡的人并不會持續意識到眼鏡的存在，而是透過鏡片自然地感知世界。在創造性活動中，這種關系表現為創作者將技術深度嵌入自身的感知與表達過程，技術成為靈感生成、形式構建與情感表達的自然延伸。例如，創作者在借助人工智能繪圖的過程中，將生成圖像內化為視覺判斷的一部分，技術逐漸代替身體感官嵌入創作體驗。

在具身關系中，人與技術的整合具有內在必然性，因此，防范整合中的異化風險，避免技術嵌入導致的身體感知退化，是實現“延異共生”創造力范式的關鍵。正如斯蒂格勒所警示的，當技術取代了人的時間化體驗與身體感知，個體便可能失去沉思與自我風格生成的能力。學習是基于感知的（鄭旭東 & 王美倩, 2014），創造力則是學習在高級階段生成的思維成果，若脫離身體實踐，僅憑純思辨進行創造，則難以觸及知識的本質，更會削弱創新本身（鐘柏昌 & 劉曉凡, 2022）。因此，在具身關系中，教育的核心任務在于強化人在協同中的身體參與和感知主動性，防止技術過度透明導致具身創造力的退化。首先，應在教學中強化“創造性感知訓練”，引導學生感官與世界的直接交互。想象是創造性思維的源泉，豐富的感知表象是產生創造性想象的基礎（張敬威 & 于偉, 2018）。因此，在相關課程中，教師應強化學生手、眼、耳的感知力，安排他們在手工繪制草圖、觀察周圍環境、以聽覺捕捉空間節奏的過程中形成未受技術干擾的原生靈感。該過程意在保護創造的感知起點，同時也可延續斯蒂格勒強調的“第一持存”個體化感知記憶的生成。其次，應強化對創造物的“多樣化具身表征”訓練，打破技術生成結果的同質化傾向。具體而言，在人工智能生成初步作品后，教師可以要求學生用肢體動作、語言等形式對其進行再表達，使學生不斷切換感知方式，喚醒身體在創作中的積極介入。最后，推行“即時感知—即興創作”訓練，促使學生在創作過程中保持感知敏感性。教師在教學中可設定短時間限制的創作任務，要求學生依據即時感知變化迅速做出創造性反應，而非反復依賴人工智能生成與修改。

（二）詮釋關系：在技術中介中維護創造主權

在“詮釋關系”中，技術充當人類與世界之間的中介，將世界詮釋為人們可理解、可接觸的形態，可圖示為人→（技術—世界）。其中，技術扮演著“解讀者”的角色，并且“這種解讀具有一種即時性”（唐?伊德, 2012, p.90）。例如，人們通過溫度計“看見”當下的氣溫狀況。在創造性活動中，這一關系日益成為主流形態，例如，文本生成模型、圖像構圖工具、代碼生成器等已廣泛用于將創作者的初步構想即時轉譯為結構化的成果。

“延異共生”創造力范式指導下的詮釋關系應使技術成為意義建構的協作者，而非單一的創意源泉，應強調人對技術生成物的主動詮釋以及二者之間的循環“再造”。在詮釋過程中，技術承擔了語言組織與語義建構的雙重職能，極大降低了創作者的表達門檻。但當創作者將作品生成權完全讓位給技術時，也極易發生斯蒂格勒所警示的“什么的個體化”以及“誰的去個體化”，即當創作者一味通過技術實現成果轉化，其個體主權便開始退化，進而導致一系列創造危機。因此，應采取教育策略重新激活創作者在轉譯前后的雙重主權：一是創造思路的生成主權，二是對創造物的改寫主權。首先，教學中應強化“創造性思維框架”的訓練，在技術介入之前，幫助學生形成清晰、明確的創造思路。構建思維圖像是個體創造性思維產生的條件（張敬威 & 于偉, 2018），在教學實踐中，教師應要求學生在使用人工智能前先完成關鍵詞聯想、草圖繪制或框架敘述等任務，讓創造從學生個人的思維組織開始。其次，應鼓勵學生發展“再轉譯”能力，即從技術生成物出發進行二次創造。這不僅是對生成內容的修正與去同質化，更是借助技術拓展表達路徑、不斷提高創造物質量的過程。因此，在教學實踐中，教師可通過人工智能生成物再創活動，要求不同學生對同一份生成結果進行“去同質化”再創，不斷循環交互，輸出更高質量的作品，真正實現人與技術的互惠與互塑。

（三）它者關系：在技術互動中強化協同創造力

伊德的關系框架中，“它者關系”意味著技術不再是被動工具，而是以一種擁有自身邏輯與傾向的“準它者”介入人對世界的感知與表達，可圖示為人→技術—（—世界）。在這種關系中，技術成為人直接互動的對象，具備一定的自主性，影響著人的決策與創造過程。當然，“技術的它者性是一種準它者性……比在動物和人那里找到的它者性要弱”（唐?伊德, 2012, p.105）。例如，AlphaGo可以自主分析棋局、決策策略，與人類棋手互動，展現了類似主體的自主性。它者關系凸顯了人與技術互動過程中的動態性與協同性。在延異共生的創造力范式下，生成式人工智能成為一種具有自主生成能力的“創造性它者”，它不僅被動接受指令，更能夠主動提供創新建議和生成內容，與人類共同參與創造過程。有學者將這種互動模式分為建議征求、建議評價和建議采納三個階段（宗樹偉 等, 2025），涵蓋人機延異共生的互動全過程，為指導學生如何用好智能技術、發揮延異共生的創造優勢提供了重要方向。

首先，建議征求階段是學生明確自身創造需求，并主動向人工智能提出問題、尋求建議的過程，該階段要求學生具備準確提問和清晰表達的能力。相關研究表明，高質量的提問能夠有效促進學習者與智能系統之間的互動，顯著提升學習效果與體驗（于爽 等, 2024）。因此，一方面，教師應引導學生著重關注那些富有創新價值、開放性強的高階認知問題，例如，針對某個創造目標提出能激發人工智能生成多樣創意方案的問題，而非基礎的事實性或解釋性問題；另一方面，加強提問訓練，如提供明確的結構化提問模板（例如創造情境—目標—困難—期望），引導學生清晰表達自身的創造意圖，有效實現人機創造性互動。

其次，建議評價階段是學生根據任務需求對人工智能生成的創意內容進行篩選、調整和再創造的過程。斯蒂格勒指出，由于技術本身的無思，我們必須從“某種普遍性的遴選思想出發”（貝爾納?斯蒂格勒, 2012b, p.207），重建個體的批判性思維。因此，該階段應要求學生能夠判斷生成內容的準確性、相關性和可行性（Lebovitz et al., 2022），明確技術生成內容與個人原創意圖的關系，識別技術創意對個人創造思路的強化或偏離之處。其一，可以設計具有結構化標準的評估活動，讓學生基于多維評價量表，系統檢視生成內容的適用范圍與實際價值。其二，鼓勵學生在評價時反復追問：技術如何改寫了我的創造意圖？哪些內容真正符合我的創造目標？什么才是我真正要表達的？由此提高其對技術生成物的判斷力。

最后，建議采納階段是學生基于對人工智能創造方案的深入理解與評估，將其轉化為具體創造行為或最終成果的過程。該階段尤其考驗學生的理解力與執行轉化能力，即能否有效地從人工智能建議中抽取出對自身創造任務有價值的元素，并高質量地落地實施。為此，教師可要求學生對人工智能的創造性建議進行詳細分解，明確每一步的實施邏輯與相應目標。同時，應鼓勵學生制訂具體的創作計劃與行動方案，形成明確的時間規劃與資源分配策略。在執行過程中，教師應引導學生不斷反思創造性任務的實現情況，動態調整執行方案，以訓練其在智能協作環境下的靈活執行力。

（四）背景關系：在技術環境中夯實創造的知識與人文基礎

伊德的關系框架中，“背景關系”是指技術并不直接顯現于人的感知中，而是退居背景之中，成為廣義上的“技術環境”（唐?伊德, 2012, p.113），穩定且持續地影響著個體對世界的感知方式與行動習慣，可圖示為人→（—技術/世界）。例如電燈或室溫調節裝置，雖不直接引起注意，卻塑造著人們日常經驗的基礎條件。在人工智能深度嵌入的創造環境中，算法推薦機制、平臺默認模板、內容分發規則等，盡管不直接干預創作過程，卻在無形中影響創作者的關注焦點、表達方式乃至創作目標，形成一種隱性的背景規訓。斯蒂格勒曾指出，技術真正的危機并非源于其顯性操控，而在于它通過隱性的方式麻痹人的精神世界，使人們難以察覺自身被技術默默引導（貝爾納?斯蒂格勒, 2012b, pp.44-48）。因此，在“延異共生”創造力范式下，教育的核心使命一方面在于幫助學生充分理解技術性創造環境背后的基礎結構及其運作規律，另一方面在于保障學生在技術環境的滲透下對創造本質和人文意義的深入理解。

首先，加強人工智能知識傳授，拓展學生對人工智能技術的基本原理、生成邏輯與價值的整體理解。世界經濟論壇強調，“建設一個惠及所有人的人工智能社會，需要我們每個人都了解人工智能”（Firth-Butterfield et al., 2022）。2025年5月，教育部基礎教育教學指導委員會正式發布《中小學人工智能通識教育指南（2025年版）》，旨在以分層遞進、螺旋上升的教育體系培養學生的人工智能素養，并提出“完善常態課程體系”“設計分層教學內容”“探索創新教學方法”等教學實施路徑（教育部基礎教育教學指導委員會, 2025）。具體可從兩方面展開推進。一是在信息科技、科學及綜合實踐等課程中系統引入人工智能基礎知識，根據學段特點與學生認知水平，設計差異化的教學內容。小學階段以智能技術體驗與興趣培養為主，初中階段則強化人工智能技術基本原理、算法邏輯、神經網絡、數據模型等核心概念的認知，高中階段進一步深化系統思維、算法優化、概率建模等高階知識，幫助學生逐步掌握技術如何生成內容、預測偏好。二是通過跨學科整合課程，利用探究式、項目式等創新教學方法，指導學生在體驗和應用人工智能生成技術的過程中，深入理解技術背后的數據訓練模式與邏輯架構。

其次，如斯蒂格勒所強調的，技術時代的教育是一場“精神之戰”（貝爾納?斯蒂格勒, 2012b, p.197），即文化之戰。創造力與社會文化具有相互塑造的關系（高新民, 2023），創造性活動不僅是技術性的生產，更承載著豐富的社會、文化與情感內涵，因此，教育需系統培育學生的人文素養。一方面，現時代的創造力具有強烈的審美化特質，審美需求與創造行為高度融合（高新民, 2023）。但在技術性創作環境下，學生容易受“人工智能審美”的影響，導致審美單一化，缺乏人文特質。針對這一問題，實踐中應強化審美教育，定期組織跨文化、多風格的藝術作品賞析與主題研討，如通過經典文學、美術、影視藝術作品鑒賞課程等，引導學生感知與體驗不同的審美形態，幫助其提高審美水平。另一方面，創造力本身并無好壞，其“有利”和“不利”最終取決于它對社會文化進步的實際作用（高新民 & 余濤, 2022）。因此，教師必須加強學生對社會文化趨勢的理解和文化底蘊的培養，確保學生能夠基于深厚的文化認知與價值判斷來實施創造性活動。具體而言，可以通過開設人文與技術交叉的專題課程，如“文化趨勢與社會變遷”“歷史中的創造與文化傳播”等，讓學生在具體案例與歷史敘事中感知技術創造如何推動或阻礙社會進步。也可通過項目式學習鼓勵學生調研和分析當前社會熱點與文化趨勢，例如探討科技倫理問題、文化融合趨勢、可持續發展的文化表達等議題，使創造活動不僅具有個人色彩，更體現社會意義與責任意識。

參考文獻

貝爾納?斯蒂格勒. （2010）. 技術與時間：2.迷失方向（趙和平, & 印螺 譯）. 譯林出版社.

貝爾納?斯蒂格勒. （2012a）. 技術與時間：1.愛比米修斯的過失（裴程 譯）. 譯林出版社.

貝爾納?斯蒂格勒. （2012b）. 技術與時間：3.電影的時間與存在之痛的問題（方爾平 譯）. 譯林出版社.

貝爾納?斯蒂格勒. （2018）. 意外地哲學思考——與埃利?杜靈訪談（許煜 譯）. 上海社會科學院出版社.

邊宇桐, & 邱慧. （2024）. 意識的代具及其悖論的解讀——斯蒂格勒代具理論的現實透視. 自然辯證法通訊（9）, 41-48.

陳明寬. （2021）. 技術替補與廣義器官：斯蒂格勒哲學研究. 商務印書館.

丹尼爾?卡尼曼. （2012）. 思考，快與慢（胡曉姣, 李愛民, & 何夢瑩 譯）. 中信出版社.

段偉文, & 余夢. （2024）. 生成式人工智能時代的終身創造力培養. 科普研究（2）, 13-22, 38, 101-102.

高新民. （2023）. 創造力的社會文化哲學研究與創新觀的“海變”. 學術界（8）, 35-45.

高新民, & 余濤. （2022）. 創造力的“陰暗面”與“創新—保新”的協同論. 社會科學戰線（9）, 45-53, 281.

胡衛平, 張陽, 呂元婧, & 徐晶晶. （2024）. 人工智能創造力探究. 現代教育技術（1）, 17-25.

教育部基礎教育教學指導委員會. （2025-5-12）. 中小學人工智能通識教育指南（2025年版）. 人民教育. https://mp.weixin.qq.com/s/cOcrtdrUBsKRU2b1v7u9XA

李斌, 徐富明, 王偉, 鄧子鵑, & 張軍偉. （2010）. 錨定效應的種類、影響因素及干預措施. 心理科學進展（1）, 34-45.

李建會, & 夏永紅. （2020）. 人工智能會獲得創造力嗎？ 國外社會科學（5）, 52-60.

李艷, 朱雨萌, 孫丹, 許潔, & 翟雪松. （2025）. 典型科研場景下生成式人工智能使用的差異性分析——學科背景與人工智能素養的影響. 現代遠程教育研究（2）, 92-101, 112.

林崇德. （2024）. 教育促進創新人才發展的理論思考和實踐探索. 中國教育科學（中英文）（5）, 6-19.

劉宗岱. （2024）. 數字記憶：特質、實踐及反思——基于斯蒂格勒“代具”理論. 社會科學研究（5）, 72-77.

陸曉芳. （2025）. 主體重構?認知挑戰?倫理嬗變：當生成式人工智能介入現實. 華中師范大學學報（人文社會科學版）（2）, 121-128.

龐維國. （2009）. 課堂中的創新學習：生成論的視角. 華東師范大學學報（教育科學版）（4）, 42-51, 66.

龐維國. （2022）. 創造性心理學視角下的創造性培養：目標、原則與策略. 華東師范大學學報（教育科學版）（11）, 25-40.

唐?伊德. （2012）. 技術與生活世界——從伊甸園到塵世（韓連慶 譯）. 北京大學出版社.

滕長利. （2025）. 智能時代擺脫“普羅米修斯的羞愧”何以可能？——技術“替代”圖景下教育“過時性”的隱憂與超越. 中國遠程教育（1）, 86-95.

王紅麗, 李振, 周夢楠, & 陳政任. （2024）. 賦能或去能：人工智能對創造性人格的影響. 心理科學進展（12）, 1990-2004.

吳寧寧. （2015）. 對伊德“人—技術關系現象學”的辨析. 自然辯證法通訊（3）, 145-151.

楊九詮. （2024）. 想象的困境：生成式人工智能世代的價值教育. 中國遠程教育（2）, 12-23.

于爽, 葉俊民, 吳林靜, 尹興翰, 羅晟, & 劉清堂. （2024）. 智能協作學習環境中學習者的提問能力對認知過程的影響研究. 電化教育研究（12）, 75-82.

張敬威, & 于偉. （2018）. 非邏輯思維與學生創造性思維的培養. 教育研究（10）, 40-48.

鄭旭東, & 王美倩. （2014）. 從離身走向具身：創造學習的新文化. 開放教育研究（4）, 46-52.

鐘柏昌, & 劉曉凡. （2022）. 論具身學習環境：本質、構成與交互設計. 開放教育研究（5）, 56-67.

朱恬驊. （2024）. 人工智能會創作嗎？——“類文學文本”生成的創造力疑難與集體性方案. 南京社會科學（7）, 113-121.

宗樹偉, 楊付, 龍立榮, & 韓翼. （2025）. 促進還是抑制？生成式人工智能建議采納對創造力的雙刃劍效應. 心理科學進展（6）, 905-915.

Boden, M. A. (2009). Computer models of creativity. AI Magazine, 30(3), 23-34.

Finke, R. A., Ward, T. B., & Smith, S. M. (1992). Creative cognition: Theory, research, and applications. MIT press.

Firth-Butterfield, K., Anthony, A., & Reid, E. (2022, March 17). Without universal AI literacy, AI will fail us. World Economic Forum. https://www.weforum.org/stories/2022/03/without-universal-ai-literacy-ai-will-fail-us/

Habib, S., Vogel, T., Anli, X., & Thorne, E. (2024). How does generative artificial intelligence impact student creativity? Journal of Creativity, 34(1), 100072.

Menabrea, L. F., & Lovelace, A. (1843). Sketch of the analytical engine invented by Charles Babbage. Sci Mem, 3, 666-731.

McKinney, M. L., & Lockwood, J. L. (1999). Biotic homogenization: A few winners replacing many losers in the next mass extinction. Trends in Ecology & Evolution, 14(11), 450-453.

Mueller, J. S., Melwani, S., & Goncalo, J. A. (2012). The bias against creativity: Why people desire but reject creative ideas. Psychological Science, 23(1), 13-17.

Lebovitz, S., Lifshitz-Assaf, H., & Levina, N. (2022). To engage or not to engage with AI for critical judgments: How professionals deal with opacity when using AI for medical diagnosis. Organization Science, 33(1), 126-148.

Lucas, B. J., & Nordgren, L. F. (2020). The creative cliff illusion. Proceedings of the National Academy of Sciences, 117(33), 19830-19836.

Science. (2022, December 15). 2022 Breakthrough of the year. Science. https://www.science.org/content/article/breakthrough-2022

Simonton, D. K. (2012). Taking the U.S. Patent Office criteria seriously: A quantitative three-criterion creativity definition and its implications. Creativity Research Journal, 24(2-3), 97-106.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.

Symbiotic Différance: How Artificial Intelligence Technology Reshapes the Paradigm of Creativity？Educational Reflection from the Perspective of Stiegler’s Philosophy of Technology

Zhang Shuli, Zhang Yuqiang

Abstract:Currently, the phenomenon of students using artificial intelligence (AI) to assist in completing creative tasks is becoming increasingly common, and creativity is no longer exclusive to individual activities, but has developed into a human-machine co-creation model. In this context, taking the preservation of creativity by AI as the logical starting point, by analyzing the “original defect of human creativity alongside AI’s prosthetic compensation”, a fundamental judgment is made to clarify that AI possesses technical creativity. Furthermore, it is pointed out that the current “binary separation” paradigm of creativity may lead to alienation at the “source-process-result” level of creation: a decline of motivation and loss of internal driving force for creativity under technological dependence; absence of contemplation and the creative process is simplified through immediate output; homogenization of output with a convergence of creative outcomes under algorithmic regulation. After analysis, the underlying logic of the aforementioned alienation risks lies in human misunderstanding of the role of artificial intelligence technology as a “proxy”. Therefore, a new paradigm of creativity in the era of artificial intelligence, where humans and technology coexist in a differentiated manner, is constructed. Drawing on the four relationship models of “human-technology-world” proposed by Ihde, this paper proposes educational strategies for achieving “symbiotic différance” in different types of creative relationships: embodied relationships, maintaining embodied creativity in technology embedding; interpretive relationships, maintaining creative sovereignty through technology mediation; otherness relationships, enhancing collaborative creativity in technological interaction; background relationships, solidifying the knowledge and humanistic foundation of creation in a technological environment.

Keywords:symbiotic différance; creative paradigm; artificial intelligence technology; prosthesis; Stiegler’s philosophy of technology

作者簡介

張淑莉，曲阜師范大學教育學部教育學院博士研究生（曲阜 273165）。

張雨強，曲阜師范大學教育學部基礎教育課程研究中心教授（曲阜 273165）。

基金項目

2024年度全國教育科學規劃（教育考試研究專項教育部一般項目）“高考難度理論分析模型構建與實證研究”（項目編號：ZSB240467）

責任編輯：劉莉

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，是中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 核心期刊、中國期刊方陣雙效期刊、人大復印報刊資料重要轉載來源期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

本文來源｜中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。