AI 不是取代創作：
它先逼我們重寫
「創作者」的定義

生成式 AI 讓更多人能把想法變成作品；它沒有替人決定要說什麼、為誰說、願意承擔什麼。

來源：Talks at Google／Maya Ackerman ｜原始發表日期：2025 年 12 月 1 日

SCROLL

PART 1 ｜從「能不能創作」換成「誰能進入創作」

工具先降低表達的門檻，才改變創作的分配

Maya Ackerman 以自己的經驗談生成式 AI：她曾和一個能回應鋼琴演奏的系統互動，第一次感到即興創作不是只屬於受過完整訓練的人。她也提到一位不會演奏樂器、卻想寫義大利詠嘆調的藝術家，如何透過她早期參與的系統把英文歌詞轉成可演唱的作品。

這些故事不是「機器比人更有創意」的證明。它們說的是，當回饋、編曲、語言或技術門檻下降，原本停在腦中的意圖有機會被做成可被他人回應的雛形。作品品質仍需要判斷；但能否開始，不再只由既有技能決定。

生成式工具最先改變的，是誰有機會把想法做出來。它擴張入口，不自動決定作品的意義。

PART 2 ｜ AI 產生選項，人仍要做選擇

Ackerman 把創作理解為一連串選擇：你想傳達什麼，捨棄什麼，什麼地方要重寫，什麼結果可以署名。生成式模型能快速提出文字、旋律或圖像，但它不會替使用者形成長期意圖，也不會承擔作品對觀眾、合作夥伴或被取材者的影響。

因此，問題不宜停在「這是不是 AI 做的」。更有用的問題是：人在流程裡做了哪些不可互換的判斷？他是否理解資料與素材的來源？是否能說明為何選這個版本？如果作品造成傷害或誤導，誰能修正它？

提出意圖人決定想探索的問題、語氣與對象。

生成與比較工具提供草稿與變體，讓人看見更多可能。

編輯與負責人選擇、查核、刪除並承擔公開後的結果。

PART 3 ｜容易創作，也容易把偏見一起放大

談話也沒有把生成式 AI 描繪成中性的畫筆。Ackerman 指出，系統會反映社會中既有的假設與偏見。當它被用來決定哪些聲音、臉孔、風格或故事值得被看見時，速度會讓那些偏好更容易被複製。

這要求創作者、產品團隊與使用者不要把流暢的輸出誤認為可靠的理解。作品若借用特定社群的語彙、真實人物的形象或未被說明的資料，不能只用「模型生成」把決策藏起來。來源、同意、標示與可申訴性，是創作流程的一部分。

來源能否說清楚知道素材與訓練資料的邊界，避免把未知當成可自由取用。

受影響者能否發聲讓被模仿、被描繪或被排除的人有提出異議的入口。

使用者能否追問不把模型輸出包裝成無需解釋的客觀結果。

PART 4 ｜保留人的創作，不是把工具拒於門外

Ackerman 的觀點是一種使用框架，而非已被普遍驗證的社會結果。她相信生成式工具可以協助更多人探索與表達，同時也要求人更認真面對身分、偏見與選擇。這兩件事必須一起成立。

對讀者而言，最實際的界線不是「完全不用」或「全交給它」。可以讓工具幫忙發散、試作與整理，但把關鍵的目標、取捨、事實核對與公開責任留在可被說明的人身上。如此，工具增加的是創作的可能，而不是把創作縮成按下生成鍵。

工具可以擴張
誰有能力開始創作；
意圖、選擇與責任，
仍決定誰在創作。

此頁依 Maya Ackerman 在 Talks at Google 的談話整理；其中對生成式 AI 與創作的判斷屬講者觀點，應與不同工具、資料與使用情境分開檢驗。