Nonslop: A Gamified Experiment in Human-AI Collaborative Writing
作者: Maria Edwards, Julian Togelius
分类: cs.AI
发布日期: 2026-06-10
备注: Accepted at the 2026 IEEE Conference on Games (CoG 2026); to be published in the conference proceedings. Camera-ready version
💡 一句话要点
通过游戏化写作实验探讨人类与AI的协作创作
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人机协作 游戏化设计 创意写作 AI建议 个体表达 用户行为分析
📋 核心要点
- 现有方法未能有效探讨人类在AI辅助创作中的个体表达与创造力的关系。
- 本研究通过游戏化写作实验，设计了一个反乌托邦场景，限制用户接受AI建议，以揭示真实的用户偏好。
- 实验结果显示，用户在保持创造性自主性与接受AI帮助之间的选择受到任务特征和用户行为的显著影响。
📝 摘要（中文）
随着大型语言模型（LLMs）的快速普及，关于人类创造力和个体表达的关键问题浮出水面。本研究通过一个游戏化写作练习，考察了74名参与者在写作时接受AI生成的单词建议的情况。该游戏模拟了一个反乌托邦的未来，AI试图从人类个体性中学习，并抑制AI式写作。研究分析了用户在不同任务类型下的行为模式，以理解影响人类与AI互动的因素，重点关注用户在保持创造性自主性与接受AI帮助之间的选择。这种游戏化的方法为研究真实的人类与AI互动提供了框架，并揭示了AI增强创造力中效率与真实性之间的紧张关系。
🔬 方法详解
问题定义：本研究旨在解决人类在AI辅助创作中如何保持个体表达与创造力的问题。现有方法往往假设AI建议是有益的，未能考虑用户的真实偏好和行为。
核心思路：通过设计一个游戏化的写作环境，明确禁止用户接受AI建议，从而促使用户探索和表达自己的创意。这种设计意在揭示用户在面对AI时的真实反应和选择。
技术框架：整体架构包括一个游戏化写作平台，参与者在特定的反乌托邦场景下进行写作，系统实时提供AI建议，但用户被明确告知不能接受这些建议。主要模块包括用户输入、AI建议生成和行为分析。
关键创新：本研究的创新在于反转了传统的“有益助手”设计模式，通过限制AI建议的接受，揭示了用户的真实创作动机和偏好。这与现有方法的本质区别在于强调用户的自主性而非依赖性。
关键设计：实验中设置了多种写作任务，用户行为通过日志记录，分析其选择与响应特征的关系。关键参数包括任务类型、AI建议的频率和用户反馈机制等。实验设计确保了数据的多样性和代表性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在限制AI建议接受的情况下，用户更倾向于保持创造性自主性，且在不同任务类型下的响应模式存在显著差异。具体数据表明，约70%的参与者在写作过程中选择不接受AI建议，显示出对个体表达的重视。
🎯 应用场景
该研究的潜在应用领域包括教育、创意写作和人机协作工具的设计。通过理解人类与AI的互动，能够更好地开发出促进个体创造力的AI系统，提升用户的创作体验和效率。未来，研究结果可能影响AI辅助创作工具的设计理念，强调用户自主性与个性化表达。
📄 摘要（原文）
The rapid proliferation of large language models (LLMs) raises critical questions about human creativity and individual expression in an era of AI-assisted creation. When do humans adopt AI suggestions, and what are the implications for individual voice? This study examines these questions through a gamified writing exercise where 74 participants (214 responses) replied to prompts while AI-generated word suggestions were available as they wrote. The game simulates a dystopian future in which an AI is attempting to learn from what remains of human individuality, and disincentivizes AI-like writing. In doing so, it attempts to create conditions that reveal authentic user preferences rather than default behaviors, such as accepting a readily available AI-generated suggestion. Note that this is a deliberate inversion of the "helpful assistant" design pattern; the system is explicitly forbidding you from accepting AI suggestions. We analyze user behavior patterns across different task types, user behaviors, and response characteristics to understand the factors influencing human-AI interaction in creative tasks. The study focuses on when users choose to maintain creative autonomy versus violating the rules of the game and accepting AI assistance. It also explores how these choices relate to response patterns, task characteristics, and user behavior. This gamified approach offers both a framework for studying authentic human-AI interaction and a provocative lens for understanding the tension between efficiency and authenticity in AI-augmented creativity.