人工智能系统被发现擅长模仿，但不擅长创新
关于当今 AI 系统擅长模仿却缺乏真正创新的说法，引发了关于机器“创造力”和“理解”究竟意味着什么的争论，而这些机器主要是在文本和图像上训练出来的。评论者将概率性的下一词预测与人类经验、具身性、意志和反馈回路作对比；也有人认为，重组、统计模式发现和自我博弈已经能够产生新颖且有用的输出。许多人预计，未来具备更丰富世界交互和明确原创激励的系统将缩小创新差距，但对于责任在于根本限制还是当前训练设置，意见仍然不一。
研究范围与基准
- 一些评论者表示，这篇论文在潜台词上把“AI”等同于当前的 LLM，并使用了一个高度偏向推理和受限任务的基准；而众所周知，现成模型在这类任务上表现较弱。
- 有人指出，原始数字（任务部分环节中的创新率接近人类）让“AI 缺乏创新”这个标题感觉像是在不断调整标准。
模仿、组合与“真正的”创新
- 广泛共识是，LLM 擅长模仿，尤其擅长组合：把已有想法（代码、主题、风格）重新组合成连贯的新产物。
- 一种观点认为，大多数人类知识工作本身也只是带着小幅修改的组合，因此 LLM 是强有力的竞争者。
- 反对观点则认为，AI 的输出常常显得肤浅且与高质量人类作品可区分；它主要威胁的是低端内容工作。
创新作为反馈、意志与随机性
- 一方认为：创新需要意志或内在目标；AI 只是由人类设计者定义的强大目标寻求工具。
- 相反观点认为，真正重要的是反馈和评估，而不是“意志”。自我博弈和科学方法被引用为反馈如何驱动创造力的例子；未来能够生成自身经验的系统可能会更具创新性。
- 另一条论点是：所有创新都是组合与（伪）随机变化的某种混合；批评者回应说，这忽略了人类感官经验的丰富性以及深思熟虑的抽象能力。
创造力测试、抽象与寓言
- 有人提议，把真正新颖的寓言和深层抽象模式解码出来，作为有意义的创造力测试；他们表示 LLM 在这类任务上表现很差。
- 也有人以轶事反驳，称 LLM 能生成非平凡的类比和定制 GUI 代码，认为怀疑者系统性地高估了失败案例。
幻觉、推理与规划
- 幻觉被描述为模型在没有规划、也不承认自己无知的情况下“说在知识前面”。
- 建议的缓解方式包括推理附加模块、tree-of-thought 展开，以及自动自我批评循环。
意识、感知与定义
- 一派认为，关于“理解”“感知”和“意识”的争论只是模糊词汇之争，会分散对具体能力的关注。
- 另一派则认为，即便这些定义不会改变近期的技术判断，它们对伦理、权利和法律仍然重要。
对创新与同质化的需求
- 一些评论者指出，许多市场（菜单、好莱坞系列片、流行设计）实际上更奖励安全、熟悉的产出而非创新，这让 LLM 式模仿在商业上很有吸引力。