张淑莉等 | 延异共生：人工智能技术何以重塑创造力范式——斯蒂格勒技术哲学视角下的教育审思|乔治·斯蒂格勒|人工智能|哲学|延异共生|张淑莉|心理学|科学|超级智能

关注“在线学习”

获取更多资讯！

刊载信息

张淑莉，& 张雨强.(2026).延异共生：人工智能技术何以重塑创造力范式——斯蒂格勒技术哲学视角下的教育审思. 中国远程教育(1),125-142.

延异共生：人工智能技术何以重塑创造力范式——斯蒂格勒技术哲学视角下的教育审思
张淑莉, 张雨强

【摘要】当前，学生利用人工智能辅助完成创造性任务的现象愈加普遍，创造不再专属于个体活动，而发展为人机共创模式。在此背景下，本研究以人工智能持存创造力为逻辑起点，通过分析“人类创造力的原始缺陷—人工智能技术的代具性补偿”，做出奠基性判断，明确人工智能具备技术性创造力。接着，指出当前“二元分离”的创造力范式或将在创造的“源头—过程—结果”层面引发异化：动力衰退，技术依赖下的创造内驱力流失；沉思缺位，即时输出下的创造过程简化；同质化产出，算法规训下的创造结果趋同。经分析，上述异化风险的深层逻辑在于人们对人工智能技术“代具”角色的误解，由此，本研究试图构建人工智能时代人与技术“延异共生”的创造力新范式。借鉴伊德“人—技术—世界”四类关系模式，提出在不同类型的创造性关系中实现“延异共生”的教育策略：具身关系，在技术嵌入中保持具身创造力；诠释关系，在技术中介中维护创造主权；它者关系，在技术互动中强化协同创造力；背景关系，在技术环境中夯实创造的知识与人文基础。

【关键词】延异共生; 创造力范式; 人工智能技术; 代具; 斯蒂格勒技术哲学

当前，各国日益重视对创新人才的培育，创造力作为创新人才的核心特质（林崇德, 2024），是教育、科技领域重点培育的关键能力。长期以来，创造力被视为人类独有的高级认知能力。信息技术发展初期，人们虽然担心技术可能会取代大量机械性劳动，但普遍认为创造性工作因其非重复性、独特性和思维复杂性而不受影响（段伟文 & 余梦, 2024）。然而，ChatGPT、DeepSeek等生成式人工智能逐渐展现出超越普通人类个体的创造水准，使得技术从知识与经验的“存储者”跃升为创造力的“持存者”，深刻改变了人类创造性活动的传统逻辑。以某高校为例，调查研究显示90%以上的研究生使用过生成式人工智能，且不少人将其用于代码生成、头脑风暴、实验设计等创造性场景（李艳等, 2025）。但人工智能并非以单一的赋能逻辑加入创造性活动，它虽能支持学生创造性思维的发展，但也或将对其创造力和创造性人格产生负面影响（Habib et al., 2024; 王红丽等, 2024），抑制其创造主体性及创造潜能的发挥。当前，人们未能正确认识人工智能在创造中的角色，易陷入人工智能介入下的创造危机，且学生普遍缺乏对人工智能创造逻辑的认识和理解（李艳等, 2025），既难以有效激发自身创造潜能，也难以发挥技术的支持价值。为此，教育亟须审慎思考人工智能介入下学生创造力发展的风险，并积极建构新的创造力范式，引导学生在技术支持的创造性环境中拓展创造潜能。

基于此，本研究在斯蒂格勒技术哲学视角下，关注四大递进命题：首先，基于“代具”理论阐明人工智能何以具备创造力，且为何种创造力；其次，从创造力的“源头—过程—结果”三个层面出发，系统揭示当前创造力范式下可能引发的创造危机；再次，剖析危机发生的深层逻辑，构建适应人工智能时代的创造力新范式；最后，基于“人—技术—世界”四种关系模式，提出如何教育学生规避创造危机，合理运用这种创造力新范式。

一、

人工智能持存创造力的技术哲学分析

在分析人工智能时代的创造危机、构建新的创造力范式前，需要先对人工智能本身做出基础性判断，即人工智能是否具备创造力？如果具备，其呈现何种性质？因此，本研究以斯蒂格勒的技术哲学框架为分析工具，剖析人工智能与创造力之间的深层关系，为后续危机分析与范式建构提供逻辑起点。

（一）人类创造力的原始缺陷

在创造力发展过程中，人类不可避免地受其记忆能力、思维模式和生理特征等原始缺陷的限制。贝尔纳•斯蒂格勒（Stiegler, B.）指出：“人类没有过失，有的只是起源的原初缺陷。”（贝尔纳•斯蒂格勒, 2010, p.10）“人类之所以是人类，是因为缺失。也就是说，他们的存在是他们的生成。”（贝尔纳•斯蒂格勒, 2018, p.69）因此，人与世界的关系从一开始就不是自然适应的，人是通过工具、技术和文化的外部支持来弥补其生存的先天不足，使自身成为一种“未完成的”“不断生成的”存在。

首先，人的创造力受其记忆限度的影响。斯蒂格勒借鉴埃德蒙德•胡塞尔（Hussein, E.）的“持存”（retention）概念，指出人的认知和记忆可以分为三类：第一持存指人的瞬时感知，是有知觉参与和体验性的；第二持存是人的记忆，它构成了个体知识的积累，使人能够回忆、分析、创造新的事物；第三持存则是超越个体记忆的外在化存储，如文字、影像、计算机存储等（贝尔纳•斯蒂格勒, 2012b, pp.19-20）。大量研究表明，个体掌握某一领域的知识越多，在该领域的创造力就越强（庞维国, 2009），因此，个体创造力受其“第二持存”丰富性的影响。然而，人的“第二持存”常受限于经验积累，其更新速度缓慢，且容易受遗忘、误记和认知偏差的干扰，这种局限性也决定了人类创造力的边界。其次，人的创造力受其思维模式的束缚。心理学认为，“新颖性”是创造力的核心标准之一（Simonton, 2012），即创造者不仅需要具备丰富的知识储备，还必须能够在原有的知识框架上打破既定模式，生成新的思维路径。然而，人类的创造过程常受限于“思维定势”（张敬威 & 于伟, 2018），即在思考时倾向于沿用已有的认知结构，因而通常难以在短时间内完成大规模的信息重组和创新突破。最后，人的创造力受其生理特征的限制。创造是一个复杂的认知过程，往往需要长时间的思考、推敲和试验，而人类的精力、注意力和认知负荷有限，个体在长时间的创造过程中，往往会因精力枯竭、思维疲惫等因素而中断思考，进而限制了创造的持续性和高效性。

（二）人工智能技术的代具性补偿

斯蒂格勒的技术哲学中，“代具”（prosthesis）理论是理解人类与技术关系的核心范式。从广义上看，“代具”不仅指假肢、义肢等身体替代物，还包括一切用于扩展和补偿人类能力的技术媒介。这些技术虽源于人类设计，但在使用过程中能够逐步形成自身的发展逻辑（刘宗岱, 2024）。随着社会加速发展，创新的复杂性不断提升，个体的创造力愈加难以匹配时代的需求。在这一背景下，人工智能不仅是人类知识库的“第三持存者”，更在大规模信息处理、非线性计算逻辑、稳定地持续创造以及全局优化等方面展现出独特的能力，因而成为人类创造力的“代具”。这标志着技术持存机制从“存储”向“生成”的进化，它不再仅仅是知识的存储载体，还可通过概率建模与深度学习主动生成新内容，从而动摇了以“内在心智”为中心的创造力认知范式。

这一转变也引发了技术哲学领域关于人工智能是否具备创造力的争论。早在19世纪，阿达•洛夫莱斯（Lovelace, A.）就指出：“分析机并不自诩能原创出任何东西。它只能完成我们知道如何命令它完成的任何事情。”（Menabrea & Lovelace, 1843）其核心在于：智能技术的创造活动始终受限于预设规则，缺乏自主性和意向性，因此不能突破既定程序产生真正的创造。然而，随着技术的发展，这一观点逐渐受到挑战。艾伦•麦席森•图灵（Turing, A. M.）通过对“机器是否能思考”的讨论回应了这一观点，并提出随着技术进步，人们最终会接受“机器能思考”的观点（Turing, 1950）。马格丽特•安•博登（Boden, M. A.）指出，人工智能已在多个领域表现出“探索性创造力”。例如：AARON在生成色彩图像方面被称为“世界级色彩家”，其设计出的某些配色让创作者自己都“不敢使用”；某些作曲系统能在既定风格中自主展开创作；而BACON则可“再发现”传统科学中的经典规律（Boden, 2009）。这类成就对“计算机只能执行预设指令”这一立场提出了有力的挑战。近年来，生成式人工智能的发展进一步证明人工智能不仅能够模仿和再现已有作品，还能够从海量数据中提取潜在模式，形成新的组合逻辑，并在某些领域展现出超越个体创造力的特征。因此，学界对“人工智能创造力”的认可度不断提高，有研究将“人工智能创造力”明确定义为“人工智能技术赋能的虚拟主体，在算法驱动下模拟人类的创造性活动时产生新颖性、价值性创造的能力”（胡卫平等, 2024），Science 杂志更是将“具有创造性的人工智能”列为2022年度十大科学突破之一（Science, 2022）。

基于上述分析，本研究提出“人工智能持存创造力”的论断，借助斯蒂格勒“第三持存”的定义，即通过技术媒介储存下来的记忆，对“持存”概念（retention）赋予“具有”或“具备”的动词性含义，意在表达：人工智能技术在丰富的第三持存与生成能力的支持下已然持有一定程度的创造力。但是，人工智能的创造依然依赖数据输入和算法规则，缺乏自主意识和价值判断。因此，本研究认为“人工智能持存创造力”的论断虽然成立，但其持有的创造力本质上仍属于“技术性创造力”，即基于大规模数据、深度学习和概率生成的创造，而非源自主观能动性的创新。人工智能并未颠覆人类作为创造主体的地位，而是在新的技术环境下，与人类共同构成完整主体，推动创造性活动向高质高效方向发展。

二、

异化风险：“二元分离”创造力范式的潜在危机

人工智能展现出某种形式的创造力推动人技共创成为重要的创造模式。然而，实践中的人技共创活动仍建立在“二元分离”创造力范式之上：人与技术被视为功能明确、边界清晰的独立系统，缺乏深层的认知互动与结构嵌合。“知识归AI，智慧归人类”的策略一开始就落入了二元分离的窠臼（杨九诠, 2024）。这种创造力范式虽在表面上实现了协同产出，但也或将使创造的动力源头、创造过程与最终的创造结果面临危机。正如斯蒂格勒指出的，技术“冲击了人类看似最稳固的组成部分，也由于把各种程序操作交给机器代管而使以群体统一性构成的种族面临灭绝的威胁”（贝尔纳•斯蒂格勒, 2010, p.86）。这一判断并非意在夸大技术的毁灭性，而是强调当技术在感知、记忆、判断等方面逐步替代人类自身能力时，人类将逐渐失去对自我特性与发展方向的把握。

图1 “二元分离”创造力范式的潜在危机

（一）动力衰退：技术依赖下的创造内驱力流失

斯蒂格勒指出，“什么”（技术）具有动力，它不能被纳入“谁”（人）的动力中，但又需要“谁”的动力作为超前的能力（贝尔纳•斯蒂格勒, 2010, p.7）。人工智能凭借高效演算能力展现出强大的创造动力，但这种技术性动力需要以人的主观能动性为导向，否则便会沦为无意义的自动生成。若个体对技术过度崇拜和依赖，容易产生“人不如自己创造的机器”的羞愧感（滕长利, 2025），进而导致自我创造动力的衰退。

从心理机制层面来看，创造力的发生始终建立在个体的内驱力和主观能动性之上（庞维国, 2022）。个体之所以能够产生创造行为，是因为其在认知层面形成了“我能创新”的能力判断与“我应创新”的责任意识（王红丽等, 2024）。进一步而言，这种认知基础通常依赖于个体对创造过程的积极情感体验——“珍稀感”“归属感”与“意义感”，即当创作者相信自身不可替代、作品属于并能够展示自己、创造行为具有价值时，其创造动力才会持续生成。然而，生成式人工智能超强的想象力、拓展力和合作力在很大程度上挑战了人类的认知优越感（陆晓芳, 2025），伴随创造的个体的主观体验和价值认同正逐渐动摇，继而引发一系列动力衰退的潜在危机。

在教育场域中，这种危机尤为明显地表现于学生群体。首先，当人工智能在信息检索、数据整合、创意生成上展现出超乎人类想象的高效率和高精度时，许多原本为人所珍视的技巧、经验和灵感不再被视为“稀缺资源”，这种珍稀感的丧失意味着个体创造身份的贬值与弱化，学生或将质疑自身创新能力的独特性，进而削弱对“我能创新”的积极评估。有研究指出，创造性想法的新颖性要求会让个体产生风险感、紧张感和不确定感（Mueller et al., 2012），而人工智能的高度确定性与稳定性在某种程度上进一步增强了学生在创作过程中的焦虑感，从而动摇“我应创新”的内在动力。其次，学生对创造的情感投入与追求部分来自对创造成果的“归属感”，即相信作品能反映其个性、美学倾向或思想深度。然而，人工智能在创意呈现中引入的数据驱动的风格与逻辑，导致学生在审视成果时会发现，其中相当部分的灵感或风格来自人工智能的算法模式而非自己的独立思考。这种模糊的创作归属感削弱了学生与作品之间的情感联结，进一步导致学生创作动机的下降。最后，创造本身蕴含着反复试错与深度思辨的意义探寻过程，但在“二元分离”创造力范式中，学生往往只是提供命令与调适参数，缺少从摸索到顿悟再到突破过程中获得的深度满足，其对创造过程的意义感随之削弱，进一步导致创造动力下降。

（二）沉思缺位：即时输出下的创造过程简化

斯蒂格勒指出，当代的“什么”（技术）通常以速度为特性……实时或许是当代技术的基本特征，亦或许是技术的毁灭（贝尔纳•斯蒂格勒, 2010, p.74）。这一批判直指现代技术对时间的重构——创造过程中原本应有的酝酿与沉思正被“实时化”的运算逻辑全面取代。正如他从爱比米修斯神话中所汲取的警示——“欲速则不达”（贝尔纳•斯蒂格勒, 2010, p.73）——过度追求速度，不仅破坏了技术的药理平衡，也会使人忽视创造力赖以生成的沉思过程。

人工智能时代，技术通过即时输出机制高效参与创造过程，使创作者在输入指令后即可获得大量生成性内容。该过程虽极大提升了创造物的产出效率，却也可能导致“沉思缺位”，使创造过程简化为快速组合、即时验证的程序化模式，创造过程本该蕴含的延宕、探索、交互被即时反馈带来的便捷性、高效性所消解，个体的创造灵感与顿悟愈发难以显现。创造心理学普遍强调深度思考与反复推敲在激发创新灵感中的关键作用。康奈尔大学研究者通过实验研究发现，人的创造力往往会随着时间的推移越来越强，并指出人们不应该仅凭初期想法而停止探索和思考（Lucas & Nordgren, 2020）。另有研究指出，创造过程往往需要漫长的探索阶段，这一阶段不仅要检验想法的可行性，也为偶然发现、新奇组合等灵感生成提供必要时空（Finke et al., 1992, pp.17-25）。然而，在高度即时化的技术情境中，创造的时间维度被压缩，个体容易仅在表层操作中做出有限修改，难以经历系统性的自我怀疑、反省与深思过程，导致其创造潜能难以充分释放。例如，在科学探究活动中，学生原本应经历提出问题、设计实验、反复验证等思维过程，但在智能辅助工具广泛使用的情境下，学生或会直接向人工智能提问“实验结论是什么”“为什么会出现某某现象”，从而快速获得标准答案。此类操作跳过了必要的推理与思辨，探究过程被压缩为结果复制，长此以往易削弱个体的深度思考能力与科学创造潜能。丹尼尔•卡尼曼（Kahneman, D.）的“双系统理论”进一步揭示了这一风险，指出人类思维包含“快速系统”和“慢速系统”两大部分，前者基于自动化、直觉式处理，后者则需要更多时间进行逻辑分析（丹尼尔•卡尼曼, 2012, p.5）。创造过程中的深度思维正需要“慢速系统”的持续介入，以便在不确定和模糊中碰撞出新想法。然而，人工智能生成的即时方案往往直接满足了创作者对“快速系统”便利与效率的偏好，导致其仅停留于即时满足的浅层思考。

（三）同质化产出：算法规训下的创造结果趋同

风格是创造的灵魂，它不仅是创造成果形式上的辨识特征，更是创造者精神、思想与情感的独特体现。正如斯蒂格勒所言，“风格难以确定且不确定”，它“产生于风格制造者的缺陷”，是其感知方式、情感经验等在文字、图像、声音中留下的不可复制痕迹（贝尔纳•斯蒂格勒, 2010, p.98）。因此，风格是由人的“不完全性”所构成的差异印记，有非同质化特征。然而，斯蒂格勒也曾深刻追问：“以普遍的技术趋势渗透世界并破坏了种族多样性的工业化是否意味着风格、感觉和世界的终结？”（贝尔纳•斯蒂格勒, 2010, p.98）这警醒我们做出前瞻性判断——当人工智能以算法逻辑大量参与创造，创造物可能会在技术的规训之下丧失独特风格，出现“同质化”现象。

“同质化”一词源于生态学领域，指外来物种入侵并逐步取代本地物种，使不同生态系统在物种组成上趋于一致的过程（McKinney & Lockwood, 1999）。在创造领域，“同质化”则表现为作品在语言、形式、主题与结构上的高度重复，使新内容更像是已有模式的复制，而非源自个体经验的原创生成。在“二元分离”的创造力范式中，创造性结果的趋同不仅源于技术自身的生成逻辑，也与人类在技术引导下的认知偏移密切相关。一方面，人工智能的创造力依赖于对既有数据的强化学习，这削弱了风格表达的多样性。以自然语言处理中的“最大似然估计”方法为例，它训练模型尽可能预测出最常见或最可能的词序列，从而避免生成结果偏离预期。这一机制虽提升了内容的可读性与连贯性，却也压制了语言、形式与思想的突破，导致生成的内容趋于常规，缺乏创造风格中独特的异质性。随着生成作品数量的指数级增长，新作品越来越像既有成果的变式，缺乏创造物应有的新奇性特征。另一方面，创作者受机器算法所提供的“创意锚点”影响，导致自我创造风格弱化。协同创造场景中，创作者往往在人工智能提供的材料启发中完成后续创造。这种人机互动虽然在形式上是协同的合作，但实际上极易形成一种认知依赖。该过程可由心理学中的“锚定效应”解释，即在不确定情境中，个体的决策和判断极易受初始锚点（信息）的影响，致使其随后的数值估计偏向该锚的一种判断偏差现象（李斌等, 2010）。在内容创作中，人工智能提供的初稿、建议或文本框架成为人类创造思维的锚点，尽管后续修改看似体现了人类的创造性介入，实则许多判断已在初始“锚”的影响下完成。创造过程由此转变为对既有生成逻辑的微调与再排列，表达的自由度与风格的独特性逐渐被技术预设所取代，从而导致创造性成果的趋同倾向。这一现象在高校学生科研写作中尤为突出，不少学生倾向于先让人工智能提供思路再进行修饰与补充，导致其越来越难以独立构思研究框架与论证逻辑，写作过程转变为对人工智能语言风格与结构模式的适应与修整，产出成果呈现极高的相似性。

三、

延异共生：人工智能时代的创造力新范式

“二元分离”创造力范式未能回应人工智能技术对创造过程的深度重塑，也未能充分发挥人工智能技术性创造力的应然价值。为有效化解上述危机，亟须在技术哲学层面追溯创造异化的根源，重新理解人工智能作为“代具”在创造中的角色，并基于此建立一种强调共生、互动、互惠与互塑的创造力新范式。

（一）代具误读：人技“二元分离”的异化根源

人工智能所引发的创造危机，并非源于技术创造性功能的增强，而在于人类对其“代具”角色的理解发生了偏差。斯蒂格勒强调，“代具并不取代任何东西……它的实质是加入”（贝尔纳•斯蒂格勒, 2012a, p.166）。“代具”并非“代替”，而是指技术以“延展”的方式嵌入人的认知、感知与记忆系统之中，与人共同承担创造过程中的相应任务。在“代具”理论视域下，技术与人类存在之间是相互构成、缺一不可的转导关系，二者共同构成一个不断运动、生成差异的整体（刘宗岱, 2024）。但当前，人们倾向于将人工智能视为创造力的替身，而非个人创造潜能的激发者，由此将本应由人完成的构思、判断、审美、顿悟等环节交由技术全权代理。因此，人工智能时代的创造力危机之所以成为系统性问题，正在于人们对人工智能“代具”角色的误读与滥用。回应这一危机的关键，不能止于重新肯定人类中心，退回个体主义的创造观，而应考虑如何合理利用人工智能技术这一“青铜利器”，重塑新的创造力范式。

（二）关系明晰：“延异共生”创造力范式的提出

化解危机的关键在于纠正认知偏差，重新理解技术在人类创造中的合理位置。基于此，建构新的创造力范式，需明确人与技术的一元结构关系，将技术视为创造的延展而非替身。斯蒂格勒借用雅克•德里达（Derrida, J.）的“延异”（différance）概念，描述了人与技术非本质主义的共生结构：延异既非“谁”（人），也非“什么”（技术），它是两者共同的可能性，是它们之间的相互往返运动，是两者的交合。缺了“什么”，“谁”就不存在，反之亦然（贝尔纳•斯蒂格勒, 2012a, p.154）。根据理解，“延异共生”本质上体现的是一种非决定性、非封闭性、非替代性的关系，意味着技术不是人的附属物，也不是主体性的对立面，而是人类存在的组成条件之一，内含强烈的“共生”取向。这种理解体现了对人工智能“代具”角色的正确定位，既保留了对技术赋能的合理性期待，又避免陷入对技术的消极依赖，对于回应当前的创造危机具有重要价值。一方面，它肯定了技术的补偿性，即技术确实具有扩展人的认知边界、储存文化经验、优化表达形式的积极作用；另一方面，它也强调技术不可独立成为创造的主体，必须处于被人引导、反思和评判的生成结构中。

基于此，本研究提出人工智能时代的创造力新范式——“延异共生”创造力范式，即在创造过程中不将人和技术视作两个分离主体，而是强调双方互为条件、相互构成，体现共生、互动、互惠、互塑的特点。“共生”意指人在创造性活动中始终与技术并存共在，技术不外在于人，而是与人共同构成一个整体；“互动”强调人与技术在创造过程中的动态交互，在基本信息、创造思路等方面持续交换；“互惠”体现为人类在使用技术的同时，从中获得新的思路，技术则因人的介入而具备更高阶的生成能力；互塑”则强调人技之间能力结构的长期协同与增长，在持续共创中彼此锻造，形成稳定发展的创造体系。该范式与“二元分离”创造力范式的根本差异可从“本体论”与“关系论”两个层面加以揭示。从本体论层面看，“二元分离”范式仍然预设人类与技术是两个彼此独立的实体，技术被视为外在于人的工具性存在，在创造过程中承担特定功能或执行特定任务。这种范式秉持一种“实体先行”的存在论观念：人先于技术存在，创造力归属于人。然而，延异共生范式在本体论上根本性地排斥这种二元划分，强调“谁”与“什么”之间并无本质界限，二者在历史进程中持续交互、相互构成。在此视角下，技术不是外部工具，而是人之为人的生成性条件之一，是创造力不可分割的组成维度。例如，有学者从“集体”的角度讨论创造力，认为创造力并非局限于某个个体，而是通过与其他个体共同组成一个集体，共同生成“对世界造成差异”的新成果（朱恬骅, 2024）。在关系论层面，“二元分离”范式强调的分工合作，典型模式是人类承担“规范劳动”，即设定目标、提供价值判断与审美评估等；人工智能则承担“变异劳动”，借助数据运算与模式重组，拓展创新的广度与深度（李建会 & 夏永红, 2020）。这种关系设定仍停留于命令、执行的线性结构。相比之下，延异共生范式强调人不再是技术的主控者，技术也不只是人可任意支配的对象，二者在交互过程中彼此延展、能力互塑，体现关系论上的共生逻辑。

四、

教育策略：“人—技术—世界”关系框架下“延异共生”创造力范式的实现

斯蒂格勒从药理学角度指出，技术具有毒性与药性的双重结构，但其毒性之根源不在于技术本身之优劣，而在于人类与技术如何建立适当的协作关系（边宇桐 & 邱慧, 2024）。对抗技术之药的毒副作用的唯一途径，就是依赖于同一种药的解毒作用（陈明宽, 2021, p.161）。上述两种创造力范式的划分起点在于对“人—技”关系的不同理解，因此，要避免人工智能技术对人的创造力带来的风险，达成“延异共生”的创造力范式，只能从人与技术的关系入手予以实现。新范式虽提供了认识论上的指引，但它作为抽象理念仍需借助一定的指导策略落实于实践场域中。唐•伊德（Ihde, D.）提出的“人—技术—世界”的四种关系模式可提供适切的分析工具，其分类不仅具体呈现了技术介入人类经验的多样方式，更与斯蒂格勒所强调的“代具—延异”关系高度契合，能够有效区分人与技术融合共生的不同程度，以更精准地探讨技术如何既实现人创造力的延伸，又规避对人的替代与压制。因此，本研究在该关系框架的基础上，尝试以“说明书式”的方式提出在不同情境下的创造性活动中，如何规避创造力异化风险，实践“延异共生”创造力范式的教育策略。

图2 “人—技术—世界”关系框架下的延异共生教育策略

（一）具身关系：在技术嵌入中保持具身创造力

“具身关系”是伊德技术哲学中最基础的关系模式，可图示为（人—技术）→世界。在该关系中，技术以一种“透明”的形式融入人的身体经验中（吴宁宁, 2015），使人不再将其视为外在工具，而是通过它直接感知并改造世界。例如，戴眼镜的人并不会持续意识到眼镜的存在，而是透过镜片自然地感知世界。在创造性活动中，这种关系表现为创作者将技术深度嵌入自身的感知与表达过程，技术成为灵感生成、形式构建与情感表达的自然延伸。例如，创作者在借助人工智能绘图的过程中，将生成图像内化为视觉判断的一部分，技术逐渐代替身体感官嵌入创作体验。

在具身关系中，人与技术的整合具有内在必然性，因此，防范整合中的异化风险，避免技术嵌入导致的身体感知退化，是实现“延异共生”创造力范式的关键。正如斯蒂格勒所警示的，当技术取代了人的时间化体验与身体感知，个体便可能失去沉思与自我风格生成的能力。学习是基于感知的（郑旭东 & 王美倩, 2014），创造力则是学习在高级阶段生成的思维成果，若脱离身体实践，仅凭纯思辨进行创造，则难以触及知识的本质，更会削弱创新本身（钟柏昌 & 刘晓凡, 2022）。因此，在具身关系中，教育的核心任务在于强化人在协同中的身体参与和感知主动性，防止技术过度透明导致具身创造力的退化。首先，应在教学中强化“创造性感知训练”，引导学生感官与世界的直接交互。想象是创造性思维的源泉，丰富的感知表象是产生创造性想象的基础（张敬威 & 于伟, 2018）。因此，在相关课程中，教师应强化学生手、眼、耳的感知力，安排他们在手工绘制草图、观察周围环境、以听觉捕捉空间节奏的过程中形成未受技术干扰的原生灵感。该过程意在保护创造的感知起点，同时也可延续斯蒂格勒强调的“第一持存”个体化感知记忆的生成。其次，应强化对创造物的“多样化具身表征”训练，打破技术生成结果的同质化倾向。具体而言，在人工智能生成初步作品后，教师可以要求学生用肢体动作、语言等形式对其进行再表达，使学生不断切换感知方式，唤醒身体在创作中的积极介入。最后，推行“即时感知—即兴创作”训练，促使学生在创作过程中保持感知敏感性。教师在教学中可设定短时间限制的创作任务，要求学生依据即时感知变化迅速做出创造性反应，而非反复依赖人工智能生成与修改。

（二）诠释关系：在技术中介中维护创造主权

在“诠释关系”中，技术充当人类与世界之间的中介，将世界诠释为人们可理解、可接触的形态，可图示为人→（技术—世界）。其中，技术扮演着“解读者”的角色，并且“这种解读具有一种即时性”（唐•伊德, 2012, p.90）。例如，人们通过温度计“看见”当下的气温状况。在创造性活动中，这一关系日益成为主流形态，例如，文本生成模型、图像构图工具、代码生成器等已广泛用于将创作者的初步构想即时转译为结构化的成果。

“延异共生”创造力范式指导下的诠释关系应使技术成为意义建构的协作者，而非单一的创意源泉，应强调人对技术生成物的主动诠释以及二者之间的循环“再造”。在诠释过程中，技术承担了语言组织与语义建构的双重职能，极大降低了创作者的表达门槛。但当创作者将作品生成权完全让位给技术时，也极易发生斯蒂格勒所警示的“什么的个体化”以及“谁的去个体化”，即当创作者一味通过技术实现成果转化，其个体主权便开始退化，进而导致一系列创造危机。因此，应采取教育策略重新激活创作者在转译前后的双重主权：一是创造思路的生成主权，二是对创造物的改写主权。首先，教学中应强化“创造性思维框架”的训练，在技术介入之前，帮助学生形成清晰、明确的创造思路。构建思维图像是个体创造性思维产生的条件（张敬威 & 于伟, 2018），在教学实践中，教师应要求学生在使用人工智能前先完成关键词联想、草图绘制或框架叙述等任务，让创造从学生个人的思维组织开始。其次，应鼓励学生发展“再转译”能力，即从技术生成物出发进行二次创造。这不仅是对生成内容的修正与去同质化，更是借助技术拓展表达路径、不断提高创造物质量的过程。因此，在教学实践中，教师可通过人工智能生成物再创活动，要求不同学生对同一份生成结果进行“去同质化”再创，不断循环交互，输出更高质量的作品，真正实现人与技术的互惠与互塑。

（三）它者关系：在技术互动中强化协同创造力

伊德的关系框架中，“它者关系”意味着技术不再是被动工具，而是以一种拥有自身逻辑与倾向的“准它者”介入人对世界的感知与表达，可图示为人→技术—（—世界）。在这种关系中，技术成为人直接互动的对象，具备一定的自主性，影响着人的决策与创造过程。当然，“技术的它者性是一种准它者性……比在动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、决策策略，与人类棋手互动，展现了类似主体的自主性。它者关系凸显了人与技术互动过程中的动态性与协同性。在延异共生的创造力范式下，生成式人工智能成为一种具有自主生成能力的“创造性它者”，它不仅被动接受指令，更能够主动提供创新建议和生成内容，与人类共同参与创造过程。有学者将这种互动模式分为建议征求、建议评价和建议采纳三个阶段（宗树伟等, 2025），涵盖人机延异共生的互动全过程，为指导学生如何用好智能技术、发挥延异共生的创造优势提供了重要方向。

首先，建议征求阶段是学生明确自身创造需求，并主动向人工智能提出问题、寻求建议的过程，该阶段要求学生具备准确提问和清晰表达的能力。相关研究表明，高质量的提问能够有效促进学习者与智能系统之间的互动，显著提升学习效果与体验（于爽等, 2024）。因此，一方面，教师应引导学生着重关注那些富有创新价值、开放性强的高阶认知问题，例如，针对某个创造目标提出能激发人工智能生成多样创意方案的问题，而非基础的事实性或解释性问题；另一方面，加强提问训练，如提供明确的结构化提问模板（例如创造情境—目标—困难—期望），引导学生清晰表达自身的创造意图，有效实现人机创造性互动。

其次，建议评价阶段是学生根据任务需求对人工智能生成的创意内容进行筛选、调整和再创造的过程。斯蒂格勒指出，由于技术本身的无思，我们必须从“某种普遍性的遴选思想出发”（贝尔纳•斯蒂格勒, 2012b, p.207），重建个体的批判性思维。因此，该阶段应要求学生能够判断生成内容的准确性、相关性和可行性（Lebovitz et al., 2022），明确技术生成内容与个人原创意图的关系，识别技术创意对个人创造思路的强化或偏离之处。其一，可以设计具有结构化标准的评估活动，让学生基于多维评价量表，系统检视生成内容的适用范围与实际价值。其二，鼓励学生在评价时反复追问：技术如何改写了我的创造意图？哪些内容真正符合我的创造目标？什么才是我真正要表达的？由此提高其对技术生成物的判断力。

最后，建议采纳阶段是学生基于对人工智能创造方案的深入理解与评估，将其转化为具体创造行为或最终成果的过程。该阶段尤其考验学生的理解力与执行转化能力，即能否有效地从人工智能建议中抽取出对自身创造任务有价值的元素，并高质量地落地实施。为此，教师可要求学生对人工智能的创造性建议进行详细分解，明确每一步的实施逻辑与相应目标。同时，应鼓励学生制订具体的创作计划与行动方案，形成明确的时间规划与资源分配策略。在执行过程中，教师应引导学生不断反思创造性任务的实现情况，动态调整执行方案，以训练其在智能协作环境下的灵活执行力。

（四）背景关系：在技术环境中夯实创造的知识与人文基础

伊德的关系框架中，“背景关系”是指技术并不直接显现于人的感知中，而是退居背景之中，成为广义上的“技术环境”（唐•伊德, 2012, p.113），稳定且持续地影响着个体对世界的感知方式与行动习惯，可图示为人→（—技术/世界）。例如电灯或室温调节装置，虽不直接引起注意，却塑造着人们日常经验的基础条件。在人工智能深度嵌入的创造环境中，算法推荐机制、平台默认模板、内容分发规则等，尽管不直接干预创作过程，却在无形中影响创作者的关注焦点、表达方式乃至创作目标，形成一种隐性的背景规训。斯蒂格勒曾指出，技术真正的危机并非源于其显性操控，而在于它通过隐性的方式麻痹人的精神世界，使人们难以察觉自身被技术默默引导（贝尔纳•斯蒂格勒, 2012b, pp.44-48）。因此，在“延异共生”创造力范式下，教育的核心使命一方面在于帮助学生充分理解技术性创造环境背后的基础结构及其运作规律，另一方面在于保障学生在技术环境的渗透下对创造本质和人文意义的深入理解。

首先，加强人工智能知识传授，拓展学生对人工智能技术的基本原理、生成逻辑与价值的整体理解。世界经济论坛强调，“建设一个惠及所有人的人工智能社会，需要我们每个人都了解人工智能”（Firth-Butterfield et al., 2022）。2025年5月，教育部基础教育教学指导委员会正式发布《中小学人工智能通识教育指南（2025年版）》，旨在以分层递进、螺旋上升的教育体系培养学生的人工智能素养，并提出“完善常态课程体系”“设计分层教学内容”“探索创新教学方法”等教学实施路径（教育部基础教育教学指导委员会, 2025）。具体可从两方面展开推进。一是在信息科技、科学及综合实践等课程中系统引入人工智能基础知识，根据学段特点与学生认知水平，设计差异化的教学内容。小学阶段以智能技术体验与兴趣培养为主，初中阶段则强化人工智能技术基本原理、算法逻辑、神经网络、数据模型等核心概念的认知，高中阶段进一步深化系统思维、算法优化、概率建模等高阶知识，帮助学生逐步掌握技术如何生成内容、预测偏好。二是通过跨学科整合课程，利用探究式、项目式等创新教学方法，指导学生在体验和应用人工智能生成技术的过程中，深入理解技术背后的数据训练模式与逻辑架构。

其次，如斯蒂格勒所强调的，技术时代的教育是一场“精神之战”（贝尔纳•斯蒂格勒, 2012b, p.197），即文化之战。创造力与社会文化具有相互塑造的关系（高新民, 2023），创造性活动不仅是技术性的生产，更承载着丰富的社会、文化与情感内涵，因此，教育需系统培育学生的人文素养。一方面，现时代的创造力具有强烈的审美化特质，审美需求与创造行为高度融合（高新民, 2023）。但在技术性创作环境下，学生容易受“人工智能审美”的影响，导致审美单一化，缺乏人文特质。针对这一问题，实践中应强化审美教育，定期组织跨文化、多风格的艺术作品赏析与主题研讨，如通过经典文学、美术、影视艺术作品鉴赏课程等，引导学生感知与体验不同的审美形态，帮助其提高审美水平。另一方面，创造力本身并无好坏，其“有利”和“不利”最终取决于它对社会文化进步的实际作用（高新民 & 余涛, 2022）。因此，教师必须加强学生对社会文化趋势的理解和文化底蕴的培养，确保学生能够基于深厚的文化认知与价值判断来实施创造性活动。具体而言，可以通过开设人文与技术交叉的专题课程，如“文化趋势与社会变迁”“历史中的创造与文化传播”等，让学生在具体案例与历史叙事中感知技术创造如何推动或阻碍社会进步。也可通过项目式学习鼓励学生调研和分析当前社会热点与文化趋势，例如探讨科技伦理问题、文化融合趋势、可持续发展的文化表达等议题，使创造活动不仅具有个人色彩，更体现社会意义与责任意识。

参考文献

贝尔纳•斯蒂格勒. （2010）. 技术与时间：2.迷失方向（赵和平, & 印螺译）. 译林出版社.

贝尔纳•斯蒂格勒. （2012a）. 技术与时间：1.爱比米修斯的过失（裴程译）. 译林出版社.

贝尔纳•斯蒂格勒. （2012b）. 技术与时间：3.电影的时间与存在之痛的问题（方尔平译）. 译林出版社.

贝尔纳•斯蒂格勒. （2018）. 意外地哲学思考——与埃利•杜灵访谈（许煜译）. 上海社会科学院出版社.

边宇桐, & 邱慧. （2024）. 意识的代具及其悖论的解读——斯蒂格勒代具理论的现实透视. 自然辩证法通讯（9）, 41-48.

陈明宽. （2021）. 技术替补与广义器官：斯蒂格勒哲学研究. 商务印书馆.

丹尼尔•卡尼曼. （2012）. 思考，快与慢（胡晓姣, 李爱民, & 何梦莹译）. 中信出版社.

段伟文, & 余梦. （2024）. 生成式人工智能时代的终身创造力培养. 科普研究（2）, 13-22, 38, 101-102.

高新民. （2023）. 创造力的社会文化哲学研究与创新观的“海变”. 学术界（8）, 35-45.

高新民, & 余涛. （2022）. 创造力的“阴暗面”与“创新—保新”的协同论. 社会科学战线（9）, 45-53, 281.

胡卫平, 张阳, 吕元婧, & 徐晶晶. （2024）. 人工智能创造力探究. 现代教育技术（1）, 17-25.

教育部基础教育教学指导委员会. （2025-5-12）. 中小学人工智能通识教育指南（2025年版）. 人民教育. https://mp.weixin.qq.com/s/cOcrtdrUBsKRU2b1v7u9XA

李斌, 徐富明, 王伟, 邓子鹃, & 张军伟. （2010）. 锚定效应的种类、影响因素及干预措施. 心理科学进展（1）, 34-45.

李建会, & 夏永红. （2020）. 人工智能会获得创造力吗？国外社会科学（5）, 52-60.

李艳, 朱雨萌, 孙丹, 许洁, & 翟雪松. （2025）. 典型科研场景下生成式人工智能使用的差异性分析——学科背景与人工智能素养的影响. 现代远程教育研究（2）, 92-101, 112.

林崇德. （2024）. 教育促进创新人才发展的理论思考和实践探索. 中国教育科学（中英文）（5）, 6-19.

刘宗岱. （2024）. 数字记忆：特质、实践及反思——基于斯蒂格勒“代具”理论. 社会科学研究（5）, 72-77.

陆晓芳. （2025）. 主体重构•认知挑战•伦理嬗变：当生成式人工智能介入现实. 华中师范大学学报（人文社会科学版）（2）, 121-128.

庞维国. （2009）. 课堂中的创新学习：生成论的视角. 华东师范大学学报（教育科学版）（4）, 42-51, 66.

庞维国. （2022）. 创造性心理学视角下的创造性培养：目标、原则与策略. 华东师范大学学报（教育科学版）（11）, 25-40.

唐•伊德. （2012）. 技术与生活世界——从伊甸园到尘世（韩连庆译）. 北京大学出版社.

滕长利. （2025）. 智能时代摆脱“普罗米修斯的羞愧”何以可能？——技术“替代”图景下教育“过时性”的隐忧与超越. 中国远程教育（1）, 86-95.

王红丽, 李振, 周梦楠, & 陈政任. （2024）. 赋能或去能：人工智能对创造性人格的影响. 心理科学进展（12）, 1990-2004.

吴宁宁. （2015）. 对伊德“人—技术关系现象学”的辨析. 自然辩证法通讯（3）, 145-151.

杨九诠. （2024）. 想象的困境：生成式人工智能世代的价值教育. 中国远程教育（2）, 12-23.

于爽, 叶俊民, 吴林静, 尹兴翰, 罗晟, & 刘清堂. （2024）. 智能协作学习环境中学习者的提问能力对认知过程的影响研究. 电化教育研究（12）, 75-82.

张敬威, & 于伟. （2018）. 非逻辑思维与学生创造性思维的培养. 教育研究（10）, 40-48.

郑旭东, & 王美倩. （2014）. 从离身走向具身：创造学习的新文化. 开放教育研究（4）, 46-52.

钟柏昌, & 刘晓凡. （2022）. 论具身学习环境：本质、构成与交互设计. 开放教育研究（5）, 56-67.

朱恬骅. （2024）. 人工智能会创作吗？——“类文学文本”生成的创造力疑难与集体性方案. 南京社会科学（7）, 113-121.

宗树伟, 杨付, 龙立荣, & 韩翼. （2025）. 促进还是抑制？生成式人工智能建议采纳对创造力的双刃剑效应. 心理科学进展（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

作者简介

张淑莉，曲阜师范大学教育学部教育学院博士研究生（曲阜 273165）。

张雨强，曲阜师范大学教育学部基础教育课程研究中心教授（曲阜 273165）。

基金项目

2024年度全国教育科学规划（教育考试研究专项教育部一般项目）“高考难度理论分析模型构建与实证研究”（项目编号：ZSB240467）

责任编辑：刘莉

期刊简介

《中国远程教育》创刊于1981年，是教育部主管、国家开放大学主办的综合性教育理论学术期刊，是中文社会科学引文索引（CSSCI）来源期刊、全国中文核心期刊、中国人文社会科学期刊AMI综合评价（A刊）核心期刊、中国科学评价研究中心（RCCSE）核心期刊、中国期刊方阵双效期刊、人大复印报刊资料重要转载来源期刊，面向国内外公开发行。

本刊关注重大教育理论与政策，推动科技赋能教育，反映国际学术前沿，聚焦本土教育改革，注重学术研究规范，提倡教育原创研究。

地址

北京市海淀区西四环中路45号

邮编

电话

010-68182514

电邮

zzs@ouchn.edu.cn

网址

cjde.ouchn.edu.cn