Human-AI Co-Creativity: от ИИ-инструмента к соавторству человек-ИИ. Введение в исследование.
Большинство из нас до сих пор использует нейросети как продвинутый поисковик или цифрового батрака. Мы пишем промпты в стиле: «Напиши за меня статью», «Сделай код по ТЗ» или «Нарисуй красивую картинку». Если вы думаете, что это и есть вершина эволюции искусственного интеллекта, то застряли в технологическом прошлом. На самом деле индустрия уперлась в ментальный тупик, а подход «нажми на кнопку — получи готовый результат» стремительно обесценивает сам продукт человеческого труда.
Научное ИТ-сообщество это уже поняло. В масштабном мета-анализе «A Systematic Review of Human-AI Co-Creativity / Системный обзор совместного творчества человека и ИИ» (2025) исследователи из Нидерландов проанализировали 2 668 публикаций. Знаете, какой главный вывод они сделали, отсеяв тысячи детерминированных утилит (2506.21333... pp. 1, 4)?
Будущее за концепцией Co-Creativity (Со-Творчество) — когда ИИ становится вашим полноправным, автономным и даже дерзким соавтором, способным менять ваши же первоначальные цели в процессе работы (2506.21333... pp. 1-2).
Если вы продолжите требовать от нейросетей слепого исполнения команд, вы проиграете тем, кто уже сегодня учится выстраивать с алгоритмами двунаправленное взаимодействие (bidirectional interaction) и взаимную адаптацию (mutual adaptation). ИИ больше не пишет вместо нас. Он готов создавать продукт вместе с нами — через спор, критику и генерацию смыслов, до которых мы никогда не додумались бы в одиночку (2506.21333... p. 2).
Данная статья «Human-AI Co-Creativity: от ИИ-инструмента к соавторству человек-ИИ. Введение в исследование.» является разбором первоисточника «A Systematic Review of Human-AI Co-Creativity», 2025. Исходная работа доступна в открытом международном архиве научных публикаций arXiv под идентификатором arXiv:2506.21333. Содержание текущей статьи составлено на базе вводной аннотации (Abstract), вводного Раздела 1 (Introduction), методологического Раздела 2 (Methodology), а также Раздела 4.1 (Creative Task).
Как ИТ-индустрия путает автоматизацию с творчеством
Чтобы понять, где пролегает граница технологического сдвига, мы введем твердую ИТ-терминологию, которую авторы исследования разложили по полочкам.
Большинство приложений, которые используются для работы, относятся к классу CST (Creative Support Tools) — инструменты поддержки творчества. Их главная задача — помочь человеку реализовать уже готовую, сформированную в его голове идею (2506.21333... p. 2).
Вспомните сервисы (из англоязычного сектора):
- Grammarly — прилежно правит запятые и синтаксис в тексте.
- Pinterest — структурирует картинки по папкам и подкидывает референсы.
- Dalle — послушно генерирует изображение строго по текстовому описанию (2506.21333... p. 2).
С точки зрения продуктовой логики, все эти системы — не более чем продвинутые цифровые молотки. Они феноменально ускоряют финальную фазу — фазу реализации (Implementation phase), но сам ИИ здесь абсолютно «пустой». Он не вносит осознанного вклада в креативность, потому что оценку ценности идеи и генерацию новизны человек по-прежнему осуществляет исключительно сам в одиночку (2506.21333... p. 2).
Почему это не творчество? Академическое ИТ-сообщество определяет креативность через формулу: это генерация идей или решений, которые одновременно обладают двумя признаками — новизной (novelty) и ценностью (value) (2506.21333... p. 2). При этом сама задача на старте всегда максимально размыта и не имеет четкого ТЗ. Критическая часть творчества — не просто поиск ответа, а формулирование самой проблемы (2506.21333... p. 5).
А теперь наступает время Human-AI Co-Creativity — систем истинного соавторства.
Human-AI Co-Creativity — это процесс, в котором два или более агента (где как минимум один — человек, и как минимум один — ИИ) объединяются ради общей цели по созданию новизны и ценности (2506.21333... p. 2)
Главное отличие ИИ-соавтора от ИИ-инструмента — это двунаправленное взаимодействие (bidirectional interaction) с обязательным условием взаимной адаптации (mutual adaptation). Это значит, что у вас с алгоритмом появляется общая цель, но ИИ имеет право голоса. Он может стратегически и контекстуально влиять на процесс: подкидывать неожиданные критические замечания, предлагать альтернативные векторы развития или вовсе менять правила игры прямо на ходу (2506.21333... p. 2).
Вы больше не отдаете приказы сверху вниз. Вы работаете в режиме пинг-понга с коллегой, чей интеллект принципиально отличается от вашего, что позволяет создавать решения, которые ни один из вас не смог бы придумать в одиночку. Создание ИИ, которые действуют скорее как соавторы, а не как инструменты, может помочь нам полностью раскрыть потенциал ИИ (2506.21333... pp. 2-3).
Чтобы окончательно зафиксировать разницу в архитектуре систем, посмотрите на карту понятий. Всё упирается в то, кто отвечает за «ценность», и в какую сторону течет информация:
Карта рынка AI-соавторства: масштабная фильтрация и слепые зоны индустрии
Когда заходит речь о трендах, ИТ-рынок часто кормится субъективными оценками лидеров мнений. Но авторы исследования зашли со стороны жесткой математической доказательности. Они развернули классическую академическую воронку отбора PRISMA (2506.21333... pp. 4, 6), чтобы отсеять маркетинговый шум от реальных технологических прорывов.
PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) — это строгий международный стандарт и жесткий алгоритм, который ученые используют для фильтрации огромных массивов информации.
Если разложить этот многоэтапный процесс фильтрации на конкретные цифры, мы получим следующую структуру воронки:
Архитекторы исследования сознательно выставили максимально жесткие ИТ-фильтры. Из воронки безжалостно выбрасывались любые системы с предопределенным результатом или жесткими правилами. Такие задачи, как написание академических статей, разработка кода и т.д. были исключены из рамок исследования. В финальный стек из 62 работ вошли только те, где алгоритм проявлял автономию, адаптивность и работал в условиях динамически меняющейся цели (2506.21333... pp. 4-6).
Если разложить эти исходные 62 статьи на временной шкале охватывающий период ретроспективного анализа 2015–2023 годов, мы увидим график роста интереса к сфере совместного творчества (2506.21333... p. 8):
* Восходящий тренд в публикациях за этот период подчеркивает растущий исследовательский интерес и вовлеченность в сферу совместного творчества.
ИТ-аналитики любят связывать интерес к соавторству исключительно с хайпом вокруг ChatGPT и больших языковых моделей (LLM). Данные исследования показывают более тонкую картину: тренд на Co-Creativity начал стабильный подъем еще в 2019 году — до того, как генеративный ИИ стал массовым мейнстримом (2506.21333... p. 12).
Более того, исследование вскрыло четкое технологическое разделение моделей под конкретные задачи (2506.21333... p. 12):
- Тексты и смыслы (Literature): Здесь предсказуемо захватили власть трансформерные LLM (50% всех систем) (2506.21333... p. 14).
- Визуальный стек (Visual Arts): Тут до сих пор правят бал классические генеративно-состязательные и сверточные нейросети (GAN и CNN — более 70% для систем, созданных до 2023 года) (2506.21333... pp. 12, 14).
- Геймдизайн и Музыка: Самая интересная зона, где нейросети делят контроль поровну с нестареющими алгоритмами символьного ИИ, марковскими цепями и генетическими алгоритмами (2506.21333... pp. 13-14).
Для создателей ИТ-стартапов и продуктологов этот анализ ценен другим — он подсвечивает слепую зону рынка. В рамках обзора авторы классифицировали все 62 публикации соавторства по 4 классическим фазам творческого процесса:
- Генерация контента/ готовой идеи (Ideation) — 49 статей.
- Реализация контента (Implementation) — 32 статьи.
- Разработка и рафинирование (Development) — 24 статьи.
- Самая ранняя и критически важная фаза — Прояснение проблемы и замысла (Clarification) — всего 5 статей (2506.21333... p. 14).
Рынок генераторов контента перегрет, но ниша ИИ-помощников, помогающих человеку на самом старте сформулировать и понять, чего именно он хочет, прямо сейчас практически не изучена и свободна для продуктовых решений (2506.21333... p. 1, 1.25).
Анатомия практики: разбор трех моделей соавторства
Чтобы окончательно сокрушить ментальный паттерн «ввод промпта — вывод результата», мы рассмотрим три ИТ-систем, которые авторы обзора выделили как эталоны двунаправленного проектирования. Это не концепты из научной фантастики, а работающие программные архитектуры (2506.21333... p. 2).
Кейс 1. Lode Encoder: Геймдизайн через ИИ-ограничения
Разработчики этой системы перевернули классический подход к ИИ-генерации уровней для игр. Вместо кнопки «Сделай мне карту» они создали интерактивный интерфейс «рисования» (2506.21333... p. 2).
В методологии мета-анализа эта система — классический пример одновременного закрытия фаз Ideation и Development. ИИ не просто ждет промпт, а выполняет проактивную функцию оценки новизны, заставляя геймдизайнера балансировать в жестких рамках правил.
- Как это устроено: Модель генерирует сразу несколько альтернативных вариантов игрового пространства. У пользователя нет стандартных инструментов редактирования — он может лишь брать специальные цифровые «кисти» разного размера и переносить («втирать») куски сгенерированных ИИ дизайнов на финальный холст (2506.21333... p. 2).
- В чем хак: Система непрерывно считает индекс оригинальности (originality score) и заставляет геймдизайнера комбинировать стили, выталкивая его из зоны шаблонного мышления. ИИ не делает работу за человека, он создает рамки (confines), внутри которых человеческая креативность раскрывается на максимум, а затем предлагает встроенную песочницу для тестирования играбельности уровня (2506.21333... p. 2).
Кейс 2. NOISA: Аудио-соавтор, считывающий выгорание
Большинство музыкальных нейросетей просто генерируют треки по текстовому описанию. Проект NOISA устроен принципиально иначе — это ИИ для живой джемовой импровизации (2506.21333... p. 2).
Музыкальный джем в Co-Creativity — это чистая фаза реализации (Implementation). Проактивность алгоритма здесь контекстно-зависимая: ИИ подхватывает инициативу только тогда, когда сенсоры фиксируют ментальное выгорание человека.
- Как это устроено: Система работает в фоновом режиме, пока музыкант играет на реальном инструменте. Но она не просто подстраивает темп. В ИИ зашит модуль мониторинга вовлеченности (performers’ engagement) (2506.21333... p. 2).
- В чем хак: Как только алгоритм видит, что вовлеченность человека падает (он начинает повторяться, застревает в одной тональности или берет паузу), ИИ перехватывает инициативу и аккуратно вбрасывает в аудиопоток тонкие, контекстно связанные микро-мелодии. ИИ выступает в роли чуткого партнера по группе: он чувствует ментальное состояние человека и подставляет плечо, чтобы удержать творческий поток (creative flow) (2506.21333... p. 2).
Кейс 3. Cobbie: Робот, ломающий ваши шаблоны
Пожалуй, самый осязаемый пример соавторства — это проект Cobbie, где ИИ получил физическое воплощение в виде небольшого колесного робота с пишущим пером (2506.21333... p. 2).
Проект Cobbie уникален тем, что работает на самом дефицитном стыке: он помогает прояснить замысел (Clarification) прямо в процессе генерации (Ideation). Робот провоцирует человека на смену концепта, превращая хаотичную линию в осмысленный рисунок.
- Как это устроено: Человек и робот делят один лист бумаги. Пользователь сохраняет верхний уровень контроля: он решает, когда физически передать перо роботу и в какой зоне листа тот может работать (2506.21333... p. 2).
- В чем хак: Робот не пытается закончить рисунок человека по шаблону. Его алгоритм нацелен на концептуальный сдвиг (conceptual shift). Если человек рисовал дерево, Cobbie может продолжить линию так, чтобы превратить его в профиль лица. При этом робот активно эмулирует социальное присутствие через микро-движения корпуса и звуковую обратную связь, вовлекая пользователя в интерактивный танец смыслов (2506.21333... p. 2).
Все три кейса доказывают: ИИ нового поколения — это не исполнительный интерфейс «запрос-ответ», а динамическая среда. Она может подталкивать, ограничивать и вовремя вмешиваться, заставляя человека прыгнуть выше своей головы (2506.21333... p. 2).
Главный вызов для архитекторов будущего
Рост Co-Creative систем и глубина их прошивки доказывают одно: технологически мы уже способны создавать автономных цифровых коллег. ИИ научился подставлять плечо в моменты выгорания, генерировать неочевидные концептуальные сдвиги и работать на равных в рамках общей творческой сессии (2506.21333... pp. 2, 8).
Однако этот технологический триумф обнажил скрытую и куда более сложную проблему — психологическое сопротивление человека.
Главный вывод из масштабного анализа 62 статей соавторства звучит отрезвляюще: человеку плевать на гениальность алгоритма, если этот алгоритм лишает его чувства контроля (Agency). Как только ИИ начинает проявлять избыточную проактивность — пусть даже трижды оправданную математически — пользователь чувствует себя не творцом, а оператором при умной машине, и просто бросает проект (2506.21333... pp. 19-20).
Эта когнитивная стена ставит принципиально новые вопросы, которые лежат далеко за пределами привычного дообучения моделей или увеличения контекстного окна:
- Как проектировать проактивность ИИ так, чтобы она не считывалась пользователем как «вежливое алгоритмическое хамство» (2506.21333... p. 19)?
- Где проходит граница между полезным выталкиванием человека из зоны комфорта и деструктивным разрушением его личного видения (2506.21333... pp. 2, 19)?
- Как дать пользователю абсолютное ощущение контроля над финальным продуктом, сохранив при этом все преимущества автономного ИИ как генератора идей (2506.21333... pp. 20-21)?
Инженерия ИИ уперлась в психологию (2506.21333... p. 10). И пока разработчики будут измерять успех своих нейросетей только сухими техническими метриками, их продукты будут вызывать у конечных пользователей не восторг, а глухое раздражение (2506.21333... pp. 19, 26). Чтобы создавать востребованные ИТ-продукты, нам придется научить алгоритмы не просто генерировать контент, а ювелирно балансировать между автономией и подчинением (2506.21333... p. 20).
P.S. Как читать шифры в скобках?
Вы заметили в тексте странные пометки вроде (2506.21333... p. 2), не пугайтесь — это не баг, а точные координаты первоисточника в базе ИТ-исследований arXiv.
Читать их просто:
- Первые цифры (2506) — показывают дату публикации научной работы в глобальной базе данных. В нашем случае это июнь 2025 года (25 — год, 06 — месяц).
- Цифры после точки (21333...) — это уникальный серийный номер именно этой статьи среди миллионов других ИТ-документов.
- Буква «p.» или «pp.» с цифрой — это номер страницы в оригинальном англоязычном PDF-файле. Например, p. 2 означает 2-ю страницу, а pp. 6, 8 — данные собраны со страниц 6 и 8.
Зачем это вам? Читатели ИТ-блогов справедливо не верят авторам на слово. Вы можете вбить код 2506.21333 в поисковик, открыть оригинальный PDF-файл и перейти на страницу p. 2, чтобы изучить информацию в первоисточнике согласно указателю (2506.21333... p. 2).