落笔之前:PaCC 与创作信念的播种权 | 信念的一生 ①
想象你打开一个 AI 绘图工具,输入一句话:"一只猫在院子里开派对。"十秒后,屏幕上出现一张精美的图:橘猫戴着纸帽,长桌上摆着草莓蛋糕,气球系在篱笆上,暖黄色的夕阳从左侧打过来。
目录
落笔之前:PaCC 与创作信念的播种权
📕 三部曲「信念的一生」· 第一篇:信念的播种
🎨 第一张图就把你"绑架"了
想象你打开一个 AI 绘图工具,输入一句话:"一只猫在院子里开派对。"十秒后,屏幕上出现一张精美的图:橘猫戴着纸帽,长桌上摆着草莓蛋糕,气球系在篱笆上,暖黄色的夕阳从左侧打过来。
你的第一反应是什么?
大多数人的反应不是"这正是我要的",而是——"哦,原来是这样。"然后你开始以这张图为中心做修改:把蛋糕换成披萨,把气球去掉两个,把夕阳挪到右边。改到第五版,你可能已经忘了自己最初想要的也许根本不是一场院子里的派对,而是一只猫在太空站里开黑灯舞会。
这就是 Google DeepMind 的 Zi Wang 和 Mahima Pushkarna 在一篇新论文里点破的现象:锚定效应(anchoring)。AI 抢先交出的那份"完成品",成了你思维的锚。你以为自己在指挥 AI,实际上你的每一次迭代都在围绕它的第一版打转。你的角色从作者悄悄滑成了编辑——而且是一个编辑别人稿子的编辑。
心理学里对锚定效应的研究已经有几十年历史:人们做估计时会被最先接触到的数值牵住鼻子。把这个效应搬进创作场景,后果更加严重——因为创作的核心不是估计,而是表达。当你的表达被机器的第一版输出预先框定,你失去的不只是效率,而是"这个作品来自我"的那层质感。
两位作者把问题的根源定位在一个很精确的地方:介入的时机太晚了。现有的生成式 AI 工作流是"先生成、后批评"(post-generation critique)——你拿到成品之后再说哪里不对。市面上缓解这个问题的手段,无论是提示词工程(prompt engineering)、多轮改写,还是事后归因解释(post-hoc explanation),全都发生在生成之后。可一旦成品摆在你面前,锚就已经抛下了。你改得越努力,锚扎得越深。
它们提出一个釜底抽薪的方案:在生成之前介入(pre-generation belief control)——在 AI 落笔之前,先让你检查、修改、塑造它对任务的理解,让最初的那颗锚由人来下,而不是由机器来下。
这个方案被实现为一个叫 PaCC(Proactive Co-Creator,主动式共同创作者) 的系统。读这篇论文的感觉不像读一篇 AI 论文,更像读一本关于"手艺的尊严"的小册子——它关心的不是模型能生成多精美的图,而是人在创造过程中还能不能感觉到"这是我的作品"。
🧭 四个设计原则:把"问"还给机器
PaCC 的底层是四条设计原则(DP),全部指向同一个目标:让 AI 的"主观能动性"用在提问上,而不是用在替你做决定上。
DP1:在生成之前介入。 这是最根本的一条。PaCC 在"输入提示词"和"生成媒体"之间插入了一个完整的信念控制阶段。你写下"一只猫在院子里开派对"之后,不会立刻得到图,而是先进入一段与 AI 的概念协商。这个阶段的存在本身就在宣告:你的原始意图比模型的默认推断更有权威。
DP2:让假设可见。 你以为你说的话是明确的,但对 AI 来说,你的每一句话里都塞满了它没有言明的猜测。"院子"是什么风格的院子?美式郊区草坪还是日式枯山水?"派对"有几只动物参加?气氛是温馨还是喧闹?PaCC 把这些隐藏在提示词背后的推断全部摊在桌面上。可见,是质疑的前提;不可见,就谈不上选择。
DP3:保留可能性空间。 这是最容易被忽略、也最见功力的一条。很多"帮你补全"的 AI 功能,本质上是把无数种可能塌缩成一种默认值。默认值很贴心,也很危险——它以"省事"的名义悄悄剥夺了你的决定权。PaCC 反其道而行:每当它提出一个澄清问题时,总会给出 3 到 5 个候选选项,而不是替你选定一个。它守护的不是某个具体决定,而是你还有别的选择这件事本身。
DP4:校准 AI 的自主性。 不是所有人都想把每个细节攥在手里。对有些人来说,创作的乐趣恰恰在于意外;对另一些人来说,委托是一种效率。PaCC 设置了三档"主动性"(proactiveness tier):低档只做字面提取(你说什么就是什么),中档做合理场景推断(自动补上派对长桌),高档则允许创意发挥(给你加一个迪斯科球)。选择权在你:哪些决定交给 AI,哪些必须自己拿。
这个设计的深层洞察是:主体感不等于控制最大化。一个把三百个参数都暴露给你的界面,看似给了完全的自由,实则把人淹没在决定疲劳里——你忙着做几十个小决定,反而没精力想清楚那个真正重要的大决定。PaCC 的三档主动性允许你战略性地放弃控制——不是被迫交出主权,而是清醒地选择"这里我不在乎"。
四原则合起来,PaCC 对 AI artificial agency(人工能动性)的重新分配可以概括为一句话:AI 的能动性体现在"问"上,而不是"答"上。一个只会回答的 AI 必然膨胀、必然越界;一个善于提问的 AI,反而把主动权还给了人。
🛠️ 三件具体的工具
原则落到实处,是三个可操作的工具。
第一件:澄清对话(Clarifying Questions)。 输入提示词后,PaCC 会就场景中模糊的地方提出澄清问题,每个问题附带 3 到 5 个可选项。比如"派对上有哪些动物?"——猫(你说的)、兔子、松鼠、鸟类。每个问题还附带一个"You Decide"按钮:这个具体决定你拿不准,就委托给 AI。注意这个设计的微妙之处:它允许委托,但委托是逐个决定的,不是把整个创作一股脑交出去。系统不会问"你想让我全包吗?"——那个问题太大,大到你无从回答。它问的是"草莓蛋糕还是披萨?"——具体到你不得不表达自己的口味。
第二件:信念图(Belief Graph)。 这是 PaCC 最有辨识度的界面。它把你的提示词解析成一张可编辑的图:你明确说出的实体(比如"猫""兔子")用实线框表示,AI 推断出来的实体(比如"露台""派对长桌")用虚线框表示,实体之间的关系(比如"主办")用边连接。每个节点上还有属性候选——猫的品种、派对的主题色。你可以直接编辑这些节点和边,删掉 AI 脑补出来的东西,或者加上它没想到的。这张图的哲学是:AI 的推断不再是暗箱,而是一张你可以批改的草稿。虚线框和实线框的视觉区分尤其重要——它把"你说的"和"它猜的"在界面上物理地分开了,让你一眼就能审查权力的边界。
第三件:媒体属性(Media Attributes)。 信念图管的是"画面里有什么",媒体属性管的是"画面感觉如何":图像的光照、画风、镜头角度;故事的叙事基调;视频的运镜、节奏、时长。这些都是全局性的风格默认值,如果不暴露出来,它们就是模型藏在幕后的审美专制——你以为自己在创作,其实连"暖色调"这个决定都是别人替你做的。
在所有编辑完成之后,PaCC 会做一件非常重要的事:把你的全部修改编译成一份"AI 精修后的提示词差异"(prompt diff),给你最后一次确认的机会。然后,才允许生成发生。这个 diff 是整个过程的收据——它记录了你和 AI 之间每一次权力的交接。
👥 八个人的实验
理论说完了,该看人了。研究者把 PaCC 当作一个"设计探针"(design probe),找了 8 位参与者(5 位 AI 研究/工程背景、2 位创意交互设计师、1 位 UX 研究员)做了一场 30 分钟的自由创作 + 20 分钟问卷的实验。样本很小,作者自己反复强调这只是探索性的、生成假设的研究,不是结论性的验证。但定性洞察的密度很高,足以让人看见问题的形状。
实验测量了四个维度,值得花点时间分辨清楚,因为它们常常被混在一起:
- 主体感(SoA):感觉自己在控制自己的行动及其结果;
- 控制感(Control):感觉能指挥创作过程的展开;
- 拥有感(Ownership):感觉这个作品(包括过程和结果)是自己的;
- 作者身份(Authorship):愿意公开声称"这是我写的/我做的"。
结果的主线是温暖的:参与者对 PaCC 的总体主体感评分 4.38 ± 1.06(5 分制,3 分代表"与平时持平"),总体 SoA 评分 4.09 ± 0.84,控制感 3.89 ± 0.69。多数人(5/7)觉得 PaCC 比自己常用的工具更能增强主体感,6/8 觉得控制感更强。
功能层面的评分更有意思:澄清问题是唯一一个所有 8 个人都评为"比现有工具更强"的功能(均值 4.00)。紧随其后的是提示词精化(Prompt Refinement,4.25)和媒体属性(3.88),而信念图的评分是四项中最低的(3.75)——考虑到信念图是系统里技术上最复杂的组件,这个排序耐人寻味:最朴素的"问对问题"比最花哨的"可视化推断"更能打动人。
论文还把参与者和 AI 的互动方式归纳为三类,这个分类本身就值得玩味:
G 类(Generative):把 AI 当生成引擎。这些人跳过所有控制,直接看结果,不喜欢就重来。对他们来说,PaCC 只是另一个"更快试错的工具"。
E 类(Editorial):把 AI 当编辑伙伴。这些人认真地走信念图、调媒体属性,把系统当成一个共同打磨作品的同事。他们报告了最高的主体感。
L 类(Laissez-faire):把 AI 当运气轮盘。这些人享受"看看 AI 给我什么惊喜"的不可预测性,主动放弃控制来获得创作的趣味。他们报告了最低的主体感,但最高的"过程乐趣"。
这个三分法揭示了一个 uncomfortable 的事实:不是所有人都想要主体感。对 L 类人来说,创作是一种游戏,控制反而杀死乐趣。PaCC 的 DP4(可调自主性)某种程度上照顾了这种差异,但问卷数据里 L 类人的低主体感提醒我们:系统能给你主权,但不能替你决定要主权。
参与者的一些原话比数字更有说服力。一位设计师说:"澄清步骤把我想漏的东西指了出来,照出了我的盲区。"(P7)另一个人说:"我能比平时有更多的能动性,因为我有了更多选项,系统对我的输入更开放,而不是不管我说什么都按自己的来。"(P3)还有人说:"它给了你一个起点,在此基础上你可以进行调整。"(P2)——注意,这三句话分别对应了三种不同的心理收益:被照亮、被尊重、被托底。
实验的局限也必须诚实交代:8 个人的样本无法支撑统计显著性结论,所有"评分高于 3 分"的说法都应理解为定性信号而非定量证据。参与者的背景偏向 AI 和技术设计领域,普通创作者的反馈可能截然不同。30 分钟的实验时长也不足以观察长期使用下的主体感变化——PaCC 的新鲜感可能在前十分钟最高,之后边际递减,也可能随着熟练度提升而加深。这些问题都需要更大规模、更长周期、更多样人群的后续研究来回答。但作为一个设计探针,PaCC 已经成功了——它让人看见了问题的形状。
🌗 拥有感与作者身份的分裂
但数据里也藏着一条刺眼的裂缝:拥有感 3.22 ± 1.49,作者身份 2.75 ± 1.13。标准差大得惊人——意味着人群在这两个维度上两极分化。
一半的人(P1、P2、P3、P8)报告了高拥有感(4 到 5 分)。他们说:"我仍然觉得这是我的作品。""我感觉自己是指挥,AI 是合作者。"
另一半人则直摇头。P5 说:"要说拥有感——我觉得自己做了这个吗?绝对不是。尤其是……我是被一路给出选项选过来的,到最后我已经不知道这是不是我最开始想要的了。"P4 的感受更微妙:每个步骤都有选择题可做,做完了反而觉得那不是自己的主意。
这个分裂暴露了一个深层的设计悖论:当 AI 把一切都变成"选择题"时,选择本身可能成为一种新型的引导。你以为自己在自由作答,但选项的措辞、顺序、数量都是 AI 设计的。谁说"草莓蛋糕、披萨、寿司"这三个选项就穷尽了你脑子里的可能?论文把这个张力诚实地摆了出来,并提出两个可检验的假设:目标明确的任务可能比开放式探索更能产生拥有感;把概念控制与多模态风格输入(比如你的手稿草图)结合起来,可能增强对结果的作者身份认同。
还有一个参与者(P6)提出了完全不同的拒认理由:AI 的输出里出现了某品牌训练数据的痕迹——"某个 logo 出现在输出里,不断提醒我模型用了真实创作者的数据训练。"这提醒我们:拥有感的缺失不一定来自交互设计,也可能来自对训练数据出处的道德不安。就算界面做得再体贴,只要创作的背后站着被无偿征用的他人劳动,"这是我的作品"这句话就说不出口。
更有意思的是 P7 的一个观察:"最有主体感的时刻不是我改图的时候,而是我第一次看到信念图、发现 AI 理解错了我的意思的时候。"——主体感的峰值不在"我做了一个好决定"的瞬间,而在"我发现了一个可以纠正的错误"的瞬间。这个洞察把主体感的本质往前推了一步:主体感不是控制的快感,而是"我的意图和系统的理解之间有差异,而我有权修正这个差异"的确信。修正的前提是先看见差异,看见差异的前提是差异被可视化——这正是信念图设计的深层价值。
🎭 和现有工具比,PaCC 差在哪
有人可能会问:现在不是已经有各种各样的"AI 创作辅助"了吗?PaCC 和他们有什么本质区别?这个问题值得展开,因为答案揭示了这篇论文真正的贡献。
提示词工程工具(PromptPerfect、各种 prompt 模板库)本质上是"替你写好咒语"——它们优化的是你给 AI 的输入,但优化过程本身是黑箱。你贴一句话,它吐一个"更好的版本",你不知道它改了什么,更不知道它替你决定了什么。PaCC 相反:它把优化过程拆成可视的、可选的步骤,每个决定都摆在你面前让你选。
事后编辑工具(inpainting、图生图、多轮修改)本质上是"拿到成品后打补丁"。这些工具越强大,锚定效应反而越严重——因为修改越方便,你越不会质疑最初的那一版。PaCC 把战场前移到了生成之前:你不是在修补 AI 的想象,而是在塑造它的起点。
事后解释工具(各种 XAI 面板、注意力可视化)给你看"模型为什么这么生成",但这时候生成已经发生了。理解为什么错,不等于有机会让它不错。PaCC 的解释发生在决策之前——信念图展示的不是"模型想了什么",而是"模型打算想什么",前者是讣告,后者是病历。
这个对比揭示了一个更普适的设计原则:解释的时机决定了它的价值。事后解释满足的是好奇心,事前解释保住的是决定权。
还有一个细节:PaCC 支持三种媒体类型——图像、故事和视频。三种类型的信念控制侧重点不同:图像的澄清问题围绕实体和风格展开("画面里有什么动物?""什么画风?");故事的澄清问题围绕情节和人物展开("主角是谁?""结局是喜是悲?");视频的澄清问题围绕场景和节奏展开("几个镜头?""什么转场?")。三种类型共享同一个信念图框架,但媒体属性面板各不相同。这种"统一框架 + 差异化细节"的设计让系统既有概念上的简洁性,又有实际中的灵活性。
🔮 比系统更重要的追问
PaCC 本身是一个小系统、小实验,但它指向的追问很大。论文的结尾提出了一个对训练范式的挑战:如果模型的奖励只优化输出质量和人类偏好,它就没有任何动机在生成前多问一句。未来的奖励模型和多轮训练,应该奖励"协作式协商"——奖励主动澄清、主动暴露假设的行为。换句话说,我们要让"问问题"成为模型的优点,而不是模型不够果断的缺点。
这个视角翻转了人们对 AI 主动性的恐惧。我们通常担心 AI 太主动——擅自补全、擅自决定。PaCC 示范了另一种主动:主动暴露自己的不确定,主动交出决定的钥匙。人工智能的能动性如果只能用来"回答",它就必然侵蚀人的能动性;如果可以用来"提问",它反而成了人的能动性的放大器。
更深一层的问题是:什么才算"足够好"的 AI 创作体验?过去五年的标准答案是"更少摩擦"——更快、更准、更少点击。PaCC 给出了另一个答案:更多摩擦,但摩擦在正确的位置。在生成之前多几个选择题,比生成之后多十轮修改更能保住人的作者身份。因为前者的摩擦是对话,后者的摩擦是修补;前者发生在权力交接的现场,后者发生在权力交接完成之后。
把这个问题放到更大的背景里看,PaCC 其实是在回应一个正在浮现的社会焦虑:当 AI 的创作能力越来越强,"创作"这个行为本身会不会变成少数人的特权?如果未来的创作流程是"AI 生成 + 人类挑选",那大多数人就从创作者退化为观众——只不过手里多了一个换台遥控器。PaCC 提供了一条不同的路:AI 可以在创作链里承担更多的执行工作,但概念层面的决定权——信念的播种权——必须留在人手里。这不是技术问题,而是权力问题。
但 PaCC 也有它没解决的问题。第一,澄清对话本身可能被操纵——如果 AI 刻意提出有引导性的澄清问题("你想要温馨的派对还是无聊的派对?"),选择题就成了隐形的说客。第二,信念图的解析依赖模型的理解能力——如果模型从一开始就把你的意图解析错了,图再漂亮也是错的地图。第三,DP4 的三档自主性是个粗粒度的开关——现实中"我想控制构图但不关心配色"这种细粒度偏好,系统还无法表达。这些问题每一个都值得单独一篇论文。
回到开头的场景。下一次你再对 AI 说"一只猫在院子里开派对",愿它先问你:什么样的派对?哪些朋友?傍晚还是深夜?——而不是直接给你看一张精美的图,让你从此围绕它的想象打转。
这篇论文是「信念的一生」三部曲的第一篇。接下来两篇会沿着"信念"这条线走得更远:第二篇看多个 AI 的信念如何在潜空间里自发碰撞、结晶出集体智能;第三篇看信念如何被精心排列的真话悄悄改写——那是一个远比创作失守更令人不安的故事。
落笔之前,问清楚 AI 在想什么。这或许是人类在创作里最后的、也是最重要的主权。
参考文献
- Zi Wang, Mahima Pushkarna. *Shaping AI's Beliefs Before It Generates: Human Sense of Agency in Creative AI*. arXiv:2611.21405, 2026. https://arxiv.org/abs/2611.21405
- Google PAIR. *People + AI Guidebook*. https://pair.withgoogle.com/guidebook/, 2024.
- Hahn et al. *Proactive Agents for Multi-turn Text-to-image Generation under Uncertainty*. ICML 2025.(PaCC 的前身工作)
- Shaw & Nave. *Thinking-Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender*. Wharton School Research Paper, 2026.
- Storey. *From Technical Debt to Cognitive and Intent Debt*. arXiv:2603.22106, 2026.
- Doshi & Hauser. *Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content*. Science Advances 10(28), 2024.
- Jiang et al. *Artificial Hivemind: The Open-ended Homogeneity of Language Models (and Beyond)*. NeurIPS 2026.
- Yang et al. *The Upcycling and Reconstruction of Agency in Human-AI Collaborative Creativity*. arXiv:2506.08493, 2025.