今回の研究報告は主に「AI時代の創造性を再定義する創造性の循環を測るための実践理論」を研究のうえ、学術研究や根拠を集約整理した見解を記述いたしました。
また、より詳細な内容はnoteにて公開しております。ご興味がありましたら参考にしていただけますと幸いです。
1. はじめに：AI時代に創造性はどこへ移動したのか
生成AIの登場によって、創造性をめぐる問いは決定的に変わりました。かつて創造性は、完成した作品を見て「新しいか」「有用か」「独自性があるか」を評価することで語られてきました。しかし、画像生成AIが短時間で洗練された作品を生み出せるようになったいま、作品の表面だけを見て創造性を判断することは難しくなっています。
本稿の結論は明確です。AI時代の創造性は、作品単体の属性ではなく、作者、制作過程、AIとの相互作用、作品、鑑賞者、学習、社会への還流がつくる循環として再定義されるべきと考えます。創造性は一枚の絵の中に閉じ込められているのではなく、何を意図し、どこで迷い、AIに何を委ね、何を拒み、鑑賞者が何を感じ、それが学習や社会にどう返っていくのか。その全体を測る必要があります。
この視点は、単なるAI論でも、美術教育論でも、画像解析論でもありません。それらを接続し、創作・鑑賞・教育・社会実装を一つの研究循環として扱うための方法理論です。
2. 研究詳細：創造性研究は「作品」から「過程」へ移っている
創造性研究の標準的な考え方は、長く「新規性と有用性を備えた成果物」を中心にしてきました。この定義は扱いやすい一方で、創造性を完成物へ強く依存させます。しかし近年の研究では、創造性を作品の属性としてではなく、制作主体の内的経験、試行錯誤、状況、他者との関係、世界との出会いを含む過程として捉える方向へ移動しています。
Kaufman と Beghetto の Four C model は、歴史的偉業としての Big-C、日常的創造性としての little-c に加え、個人の内的な意味形成である mini-c、専門性を伴う Pro-c を示しました。これは、創造性を天才の傑作だけに限定せず、学習者の小さな発見や自己変容まで広げる考え方です。
また、Green らの process definition は、創造性を固定された属性ではなく過程として定義する方向を明確にしています。Abraham は、外部評価だけで創造的行為を定義することの限界を指摘し、創造主体の内的経験を含める必要を論じています。Glăveanu と Beghetto も、創造的経験を人と世界との意味ある遭遇として捉え直しています。
重要なのは「作品をどう採点するか」ではなく、「創造的な変化が、どの局面で、どの関係の中で生じたのか」を記録することです。制作中のスケッチ、削除された案、Undo/Redo、レイヤー構造、プロンプト履歴、自己省察、鑑賞者の言葉、授業後の自己効力感の変化は、すべて創造性の痕跡になると思います。
3. AI研究の現在地：AIは創造性を終わらせず、測定単位を変えた
AIとファインアートに関する研究では、すでに複数の実証研究が蓄積され、視覚芸術を中心に分析が進んでいます。生成AIと美術教育に関する研究も、2019年以降急速に増加し、画像生成AIや会話AIが創作支援、授業設計、フィードバック、発想支援に使われるようになっています。
ただし、ここで重要なのは「AIを使えば創造性が高まる」という単純な結論ではありません。効果が出やすいのは、AI利用が明確な教育設計、振り返り、課題構造、評価ルーブリックと組み合わされた場合です。AIをただ導入するだけでは、学習者は見栄えのよい成果物を得る一方で、自分が何を考え、どの判断を行い、何を学んだのかを見失う可能性があります。
Doshi と Hauser の研究は、生成AIが個人レベルの創作パフォーマンスを高め得る一方で、集合レベルの多様性を下げる可能性を示しています。これは、AIが個人の補助輪として機能する一方、集団の表現を似た方向へ均す可能性があることを意味します。
したがって、AI時代に問うべきことは「AIは人間より創造的か」ではありません。問うべきなのは、AIが人間の探索空間をどこで広げ、どこで狭めるのか、初心者の参入障壁を下げる一方で、どのような均質化を生むのか、AIの提案を受け入れる・拒む・変形する判断が、創造性のどの部分を可視化するのかです。
AIは創造主体の代替者ではなく、制作過程の増幅ノードです。AIは創造性を自動生成する魔法ではなく、人間の判断、価値観、違和感、選択、拒否を露出させる鏡面装置です。