Beräkningskreativitet

Ej att förväxla med Creative computing .
Edmond de Belam y , ett konstverk genererat av ett generativt motståndsnätverk

Beräkningskreativitet (även känd som artificiell kreativitet , mekanisk kreativitet , kreativ datoranvändning eller kreativ beräkning ) är en multidisciplinär strävan som ligger i skärningspunkten mellan områdena artificiell intelligens , kognitiv psykologi , filosofi och konst (t.ex. beräkningskonst som en del). av beräkningskultur ).

Målet med beräkningskreativitet är att modellera, simulera eller replikera kreativitet med hjälp av en dator, för att uppnå ett av flera syften:

  • Att konstruera ett program eller en dator som kan skapa kreativitet på mänsklig nivå .
  • För att bättre förstå mänsklig kreativitet och att formulera ett algoritmiskt perspektiv på kreativt beteende hos människor.
  • Att designa program som kan förbättra mänsklig kreativitet utan att nödvändigtvis vara kreativa själva.

Området beräkningskreativitet sysslar med teoretiska och praktiska frågor i studiet av kreativitet. Teoretiskt arbete med kreativitets natur och korrekta definition utförs parallellt med praktiskt arbete med implementering av system som uppvisar kreativitet, där en del av arbetet informerar den andra.

Den tillämpade formen av beräkningskreativitet är känd som mediasyntes .

Teoretiska frågeställningar

Om eminent kreativitet handlar om att bryta regler eller att avstå från konventioner, hur är det möjligt för ett algoritmiskt system att vara kreativt? I huvudsak är detta en variant av Ada Lovelaces invändning mot maskinintelligens, som återskapas av moderna teoretiker som Teresa Amabile. Om en maskin bara kan göra vad den var programmerad att göra, hur kan dess beteende någonsin kallas kreativt ?

Faktum är att inte alla datorteoretiker håller med om antagandet att datorer bara kan göra vad de är programmerade att göra – en nyckelpunkt till förmån för beräkningskreativitet.

Definiera kreativitet i beräkningstermer

Eftersom inget enskilt perspektiv eller definition verkar ge en komplett bild av kreativitet, utvecklade AI-forskarna Newell, Shaw och Simon kombinationen av nyhet och användbarhet till hörnstenen i en mångsidig syn på kreativitet, en som använder följande fyra kriterier för att kategorisera ett givet svar eller en given lösning som kreativ:

  1. Svaret är nytt och användbart (antingen för individen eller för samhället)
  2. Svaret kräver att vi förkastar idéer vi tidigare accepterat
  3. Svaret är resultatet av intensiv motivation och uthållighet
  4. Svaret kommer från att klargöra ett problem som ursprungligen var vagt

Medan ovanstående återspeglar en top-down-strategi för beräkningskreativitet, har en alternativ tråd utvecklats bland bottom-up beräkningspsykologer involverade i forskning om artificiella neurala nätverk. Under slutet av 1980-talet och början av 1990-talet, till exempel, drevs sådana generativa neurala system av genetiska algoritmer . Experiment som involverade återkommande nät var framgångsrika i att hybridisera enkla musikaliska melodier och förutsäga lyssnarens förväntningar.

I sin bok, Superhuman Creators, hävdar Al Byrd att den primära källan till kreativitet hos människor och andra djur är medvetenhet om råd – medvetenhet om handlingsmöjligheterna i en miljö. Övermänsklig kreativitet kan uppnås genom att öka medvetenheten om överlägsenhet hos artificiella enheter dramatiskt och integrera denna medvetenhet tätt med de system som kan dra nytta av handlingsmöjligheterna.

Maskininlärning för beräkningskreativitet

En bild som genereras av en text-till-bild-modell

Medan traditionella beräkningsmetoder för kreativitet förlitar sig på den explicita formuleringen av recept från utvecklare och en viss grad av slumpmässighet i datorprogram, tillåter maskininlärningsmetoder datorprogram att lära sig om heuristik från indata som möjliggör kreativ kapacitet inom datorprogrammen. Speciellt tillåter djupa artificiella neurala nätverk att lära sig mönster från indata som möjliggör icke-linjär generering av kreativa artefakter. Före 1989 artificiella neurala nätverk använts för att modellera vissa aspekter av kreativitet. Peter Todd (1989) tränade först ett neuralt nätverk för att reproducera musikaliska melodier från en träningsuppsättning av musikstycken. Sedan använde han en förändringsalgoritm för att modifiera nätverkets indataparametrar. Nätverket kunde slumpmässigt generera ny musik på ett mycket okontrollerat sätt. År 1992 utökade Toddextende detta arbete, med hjälp av den så kallade distala lärarmetoden som hade utvecklats av Paul Munro, Paul Werbos , D. Nguyen och Bernard Widrow , Michael I. Jordan och David Rumelhart . I det nya tillvägagångssättet finns det två neurala nätverk, varav ett tillhandahåller träningsmönster till ett annat. I senare ansträngningar av Todd, skulle en kompositör välja en uppsättning melodier som definierar melodiutrymmet, placera dem på ett 2-d-plan med ett musbaserat grafiskt gränssnitt och träna ett anslutningsnätverk att producera dessa melodier och lyssna på nya "interpolerade" melodier som nätverket genererar motsvarande mellanliggande punkter i 2-d-planet.

Nyckelbegrepp från litteraturen

Vissa filosofiska teman på hög nivå återkommer inom hela området för beräkningskreativitet. [ förtydligande behövs ]

Viktiga kategorier av kreativitet

Margaret Boden hänvisar till kreativitet som är ny endast för den agent som producerar den som "P-kreativitet" (eller "psykologisk kreativitet"), och hänvisar till kreativitet som är erkänd som ny av samhället i stort som "H-kreativitet" (eller "historisk kreativitet"). Stephen Thaler har föreslagit en ny kategori som han kallar "V-" eller "Visceral kreativitet" där betydelsen uppfinns genom neural kartläggning till råa sensoriska input till en Creativity Machine-arkitektur, med "gateway"-näten störda för att producera alternativa tolkningar, och nedströmsnät skifta sådana tolkningar för att passa det övergripande sammanhanget. En viktig variation av sådan V-kreativitet är själva medvetandet, där betydelsen reflexmässigt uppfinns för att aktivera omsättningen i hjärnan. Värdedriven kreativitet ger mer frihet och autonomi till AI-systemet.

Utforskande och transformerande kreativitet

Boden skiljer också mellan den kreativitet som uppstår ur ett utforskande inom ett etablerat konceptuellt rum, och den kreativitet som uppstår ur en medveten transformation eller transcendens av detta rum. Hon betecknar den förra som utforskande kreativitet och den senare som transformerande kreativitet , och ser den senare som en form av kreativitet som är mycket mer radikal, utmanande och sällsyntare än den förra. Efter kriterierna från Newell och Simon som utvecklats ovan kan vi se att båda formerna av kreativitet bör ge resultat som är avsevärt nya och användbara (kriterium 1), men utforskande kreativitet är mer sannolikt att uppstå från ett grundligt och ihärdigt sökande efter en väl- förstått utrymme (kriterium 3) -- medan transformationskreativitet bör involvera förkastandet av några av de begränsningar som definierar detta utrymme (kriterium 2) eller några av de antaganden som definierar själva problemet (kriterium 4). Bodens insikter har styrt arbetet med beräkningskreativitet på en mycket generell nivå, och utgör mer en inspirerande prövosten för utvecklingsarbete än ett tekniskt ramverk av algoritmisk substans. Bodens insikter är dock också föremål för formalisering, framför allt i Geraint Wiggins verk.

Generering och utvärdering

Kriteriet att kreativa produkter ska vara nya och användbara innebär att kreativa beräkningssystem vanligtvis är uppbyggda i två faser, generering och utvärdering. I den första fasen genereras nya (till själva systemet, alltså P-Creative) konstruktioner; ooriginella konstruktioner som redan är kända för systemet filtreras i detta skede. Denna mängd potentiellt kreativa konstruktioner utvärderas sedan för att avgöra vilka som är meningsfulla och användbara och vilka som inte är det. Denna tvåfasstruktur överensstämmer med Geneplore-modellen av Finke, Ward och Smith, som är en psykologisk modell för kreativ generering baserad på empirisk observation av mänsklig kreativitet.

Kombinatorisk kreativitet

En hel del, kanske all, mänsklig kreativitet kan förstås som en ny kombination av redan existerande idéer eller objekt. Vanliga strategier för kombinatorisk kreativitet inkluderar:

  • Att placera ett bekant föremål i en främmande miljö (t.ex. Marcel Duchamps fontän ) eller ett obekant föremål i en bekant miljö (t.ex. en berättelse om fisken ur vattnet som The Beverly Hillbillies )
  • Blanda två ytligt olika objekt eller genrer (t.ex. en sci-fi-historia som utspelar sig i vilda västern, med robotcowboys, som i Westworld , eller tvärtom, som i Firefly ; japanska haikudikter , etc.)
  • Att jämföra ett välbekant föremål med ett ytligt orelaterade och semantiskt avlägset koncept (t.ex. "Smink är den västerländska burka "; "Ett zoo är ett galleri med levande utställningar")
  • Lägga till en ny och oväntad funktion till ett befintligt koncept (t.ex. lägga till en skalpell till en schweizisk armékniv , lägga till en kamera i en mobiltelefon )
  • Att komprimera två inkongruenta scenarier till samma berättelse för att få ett skämt (t.ex. Emo Philips -skämtet "Kvinnor använder alltid män för att avancera sina karriärer. Förbannade antropologer!")
  • Att använda en ikonisk bild från en domän i en domän för en icke-relaterad eller inkongruen idé eller produkt (t.ex. att använda Marlboro Man- bilden för att sälja bilar eller för att marknadsföra farorna med rökrelaterad impotens).

Det kombinatoriska perspektivet tillåter oss att modellera kreativitet som en sökprocess genom utrymmet av möjliga kombinationer. Kombinationerna kan uppstå från sammansättning eller sammanlänkning av olika representationer, eller genom en regelbaserad eller stokastisk transformation av initiala och mellanliggande representationer. Genetiska algoritmer och neurala nätverk kan användas för att generera blandade eller korsade representationer som fångar en kombination av olika indata.

Konceptuell blandning

Huvudartikel: Konceptuell blandning

Mark Turner och Gilles Fauconnier föreslår en modell som heter Conceptual Integration Networks som utvecklar Arthur Koestlers idéer om kreativitet samt arbete av Lakoff och Johnson, genom att syntetisera idéer från kognitiv lingvistisk forskning till mentala rum och konceptuella metaforer . Deras grundmodell definierar ett integrationsnätverk som fyra anslutna utrymmen:

  • Ett första inmatningsutrymme (innehåller en begreppsstruktur eller mentalt utrymme)
  • Ett andra inmatningsutrymme (som ska blandas med den första ingången)
  • Ett generiskt utrymme av lagerkonventioner och bildscheman som gör att inmatningsutrymmena kan förstås ur ett integrerat perspektiv
  • Ett blandningsutrymme där en vald projektion av element från båda inmatningsutrymmena kombineras; slutsatser som härrör från denna kombination finns också här, vilket ibland leder till framväxande strukturer som kommer i konflikt med ingångarna.

Fauconnier och Turner beskriver en samling optimalitetsprinciper som påstås vägleda konstruktionen av ett välformat integrationsnätverk. I huvudsak ser de blandning som en komprimeringsmekanism där två eller flera ingående strukturer komprimeras till en enda blandningsstruktur. Denna komprimering fungerar på nivån av konceptuella relationer. Till exempel kan en serie likhetsrelationer mellan inmatningsutrymmena komprimeras till en enda identitetsrelation i blandningen.

Viss beräkningsframgång har uppnåtts med blandningsmodellen genom att utöka redan existerande beräkningsmodeller för analogisk kartläggning som är kompatibla på grund av sin betoning på anslutna semantiska strukturer. 2006 presenterade Francisco Câmara Pereira en implementering av blandningsteori som använder idéer både från GOFAI och genetiska algoritmer för att realisera vissa aspekter av blandningsteorin i praktisk form; hans exempeldomäner sträcker sig från det språkliga till det visuella, och det senare inkluderar framför allt skapandet av mytiska monster genom att kombinera 3D-grafiska modeller.

Språklig kreativitet

Språket ger kontinuerliga möjligheter till kreativitet, uppenbart i genereringen av nya meningar, fraser, ordlekar , neologismer , ramsor , anspelningar , sarkasm , ironi , liknelser , metaforer , analogier , vittigheter och skämt . Modersmålstalare av morfologiskt rika språk skapar ofta nya ordformer som är lätta att förstå, och en del har hittat till ordboken. Området för generering av naturligt språk har studerats väl, men dessa kreativa aspekter av vardagsspråket har ännu inte införlivats med någon robusthet eller skala.

Hypotes om kreativa mönster

I den tillämpade lingvisten Ronald Carters framstående arbete antog han två huvudsakliga kreativitetstyper som involverar ord och ordmönster: mönsterreformerande kreativitet och mönsterbildande kreativitet. Mönsterreformerande kreativitet avser kreativitet genom att bryta regler, reformera och omforma språkmönster ofta genom individuell innovation, medan mönsterbildande kreativitet avser kreativitet via överensstämmelse med språkregler snarare än att bryta dem, vilket skapar konvergens, symmetri och större ömsesidighet mellan samtalspartner genom sina interaktioner i form av upprepningar.

Berättelsegenerering

Betydande arbete har bedrivits inom detta område av språkligt skapande sedan 1970-talet, med utvecklingen av James Meehans TALE-SPIN-system. TALE-SPIN såg berättelser som narrativa beskrivningar av ett problemlösningsarbete och skapade berättelser genom att först fastställa ett mål för berättelsens karaktärer så att deras sökande efter en lösning kunde spåras och spelas in. MINSTREL-systemet representerar en komplex utarbetning av detta grundläggande tillvägagångssätt, som skiljer en rad mål på karaktärsnivå i berättelsen från en rad mål för berättelsen på författarnivå. System som Bringsjords BRUTUS utvecklar dessa idéer ytterligare för att skapa berättelser med komplexa interpersonella teman som svek. Ändå modellerar MINSTREL uttryckligen den kreativa processen med en uppsättning Transform Recall Adapt Methods (TRAM) för att skapa nya scener från gammalt. MEXICA-modellen av Rafael Pérez y Pérez och Mike Sharples är mer explicit intresserad av den kreativa berättelseprocessen och implementerar en version av den kognitiva engagemangsreflektionsmodellen för kreativt skrivande.

Metafor och liknelse

Exempel på en metafor: "Hon var en apa."

Exempel på en liknelse: "Kändes som en tigerpälsfilt. " Beräkningsstudien av dessa fenomen har främst fokuserat på tolkning som en kunskapsbaserad process. Computationalists som Yorick Wilks , James Martin, Dan Fass, John Barnden och Mark Lee har utvecklat kunskapsbaserade metoder för bearbetning av metaforer, antingen på en språklig nivå eller en logisk nivå. Tony Veale och Yanfen Hao har utvecklat ett system, kallat Sardonicus, som skaffar en omfattande databas med explicita liknelser från webben; dessa liknelser är sedan taggade som bonafide (t.ex. "så hårt som stål") eller ironiska (t.ex. "så hårigt som ett bowlingklot ", "så trevligt som en rotfyllning "); liknelser av båda typerna kan hämtas på begäran för ett givet adjektiv. De använder dessa liknelser som grund för ett online-metaforgenereringssystem kallat Aristoteles som kan föreslå lexikaliska metaforer för ett givet beskrivande mål (t.ex. för att beskriva en supermodell som smal, källtermerna "penna", "piska", "piska " ", "rep", " pinnesekt " och "orm" föreslås).

Analogi

Processen för analogiskt resonemang har studerats ur både ett kartläggnings- och ett återvinningsperspektiv, det senare är nyckeln till genereringen av nya analogier. Den dominerande forskningsskolan, som Dedre Gentner fört fram , ser analogi som en strukturbevarande process; denna vy har implementerats i strukturmappningsmotorn eller SME, MAC/FAC-hämtningsmotorn (många kallas, få är valda), ACME ( Analogical Constraint Mapping Engine ) och ARCS ( Analogical Retrieval Constraint System ). Andra kartläggningsbaserade metoder inkluderar Sapper, som placerar kartläggningsprocessen i en semantisk nätverksmodell av minne. Analogi är ett mycket aktivt delområde av kreativ beräkning och kreativ kognition; aktiva figurer i detta delområde inkluderar Douglas Hofstadter , Paul Thagard och Keith Holyoak . Också värt att notera här är Peter Turney och Michael Littmans maskininlärningsmetod för att lösa analogiproblem i SAT -stil; deras tillvägagångssätt uppnår en poäng som jämförs väl med genomsnittliga poäng uppnådda av människor på dessa tester.

Skämt generation

Huvudartikel: Beräkningshumor

Humor är en särskilt kunskapshungrig process, och de mest framgångsrika skämtgenereringssystemen hittills har fokuserat på ordleksgenerering, vilket exemplifieras av Kim Binsteds och Graeme Ritchies arbete. Detta arbete inkluderar JAPE- systemet, som kan generera ett brett utbud av ordlekar som konsekvent utvärderas som nya och humoristiska av små barn. En förbättrad version av JAPE har utvecklats i skepnad av STANDUP-systemet, som experimentellt har implementerats som ett sätt att förbättra språklig interaktion med barn med kommunikationsstörningar. Vissa begränsade framsteg har gjorts när det gäller att skapa humor som involverar andra aspekter av naturligt språk, såsom det avsiktliga missförståndet av pronominal referens (i Hans Wim Tinholts och Anton Nijholts arbete), såväl som i genereringen av humoristiska akronymer i HAHAcronym Oliviero Stock och Carlo Strapparava.

Nybildning

Blandningen av flera ordformer är en dominerande kraft för att skapa nya ord i språket; dessa nya ord kallas vanligen "blandningar" eller " portmanteau-ord " (efter Lewis Carroll ). Tony Veale har utvecklat ett system som heter ZeitGeist som skördar neologiska ledord från Wikipedia och tolkar dem i förhållande till deras lokala sammanhang i Wikipedia och i förhållande till specifika ordsinne i WordNet . ZeitGeist har utökats för att generera egna neologismer; tillvägagångssättet kombinerar element från en inventering av orddelar som skördas från WordNet, och bestämmer samtidigt sannolika gloser för dessa nya ord (t.ex. "matresenär" för "gastronaut" och "tidsresenär" för "krononaut" ) . Den använder sedan webbsökning för att avgöra vilka gloser som är meningsfulla och vilka neologismer som inte har använts tidigare; denna sökning identifierar delmängden av genererade ord som är både nya ("H-kreativa") och användbara.

Ett korpuslingvistiskt förhållningssätt till sökning och extraktion av neologism har också visat sig vara möjligt. Med hjälp av Corpus of Contemporary American English som referenskorpus har Locky Law utfört en extraktion av neologism , portmanteaus och slangord med hjälp av hapax legomena som förekom i manus till det amerikanska TV-dramat House MD

När det gäller språkvetenskaplig forskning inom neologismen har Stefan Th. Gries har utfört en kvantitativ analys av blandningsstruktur på engelska och funnit att "graden av igenkännbarhet av källorden och att likheten mellan källord och blandningen spelar en viktig roll i blandningsbildningen." Resultaten validerades genom en jämförelse av avsiktliga blandningar med talfelsblandningar.

Poesi



Mer än järn, mer än bly, mer än guld Jag behöver elektricitet. Jag behöver det mer än jag behöver lamm eller fläsk eller sallad eller gurka. Jag behöver det för mina drömmar.

Ractor, från The Policeman's Beard Is Half Constructed

Liksom skämt involverar dikter en komplex växelverkan av olika begränsningar, och ingen diktgenerator för allmänt ändamål kombinerar på ett tillfredsställande sätt betydelsen, fraseringen, strukturen och rimaspekterna av poesi. Icke desto mindre har Pablo Gervás utvecklat ett anmärkningsvärt system kallat ASPERA som använder ett fallbaserat resonemang (CBR) tillvägagångssätt för att generera poetiska formuleringar av en given ingångstext via en sammansättning av poetiska fragment som hämtas från en case-bas av befintliga dikter. Varje diktfragment i ASPERA case-basen är kommenterat med en prosasträng som uttrycker fragmentets betydelse, och denna prosasträng används som hämtningsnyckel för varje fragment. Metriska regler används sedan för att kombinera dessa fragment till en välformad poetisk struktur. Ractor är ett exempel på ett sådant mjukvaruprojekt.

Musikalisk kreativitet

Ytterligare information: Datormusik , Musik och artificiell intelligens , och Datorgenererad musik

Beräkningskreativitet inom musikdomänen har fokuserat både på genereringen av partitur för användning av mänskliga musiker, och på genereringen av musik för framförande av datorer. Generationsdomänen har inkluderat klassisk musik (med programvara som genererar musik i stil med Mozart och Bach ) och jazz . Framför allt David Cope skrivit ett mjukvarusystem som heter "Experiments in Musical Intelligence" (eller "EMI") som kan analysera och generalisera från existerande musik av en mänsklig kompositör för att skapa nya musikaliska kompositioner i samma stil. EMI:s produktion är tillräckligt övertygande för att övertyga mänskliga lyssnare om att dess musik är mänskligt genererad till en hög kompetensnivå.

Inom området samtida klassisk musik är Iamus den första datorn som komponerar från grunden och producerar slutmusik som professionella tolkar kan spela. London Symphony Orchestra spelade ett stycke för full orkester, inkluderat i Iamus debut-CD , som New Scientist beskrev som "Det första stora verket komponerat av en dator och framfört av en hel orkester". Melomics , tekniken bakom Iamus, kan generera stycken i olika musikstilar med liknande kvalitetsnivå.

Kreativitetsforskning inom jazz har fokuserat på improvisationsprocessen och de kognitiva krav som detta ställer på en musikalisk agent: resonemang om tid, komma ihåg och konceptualisera det som redan har spelats och planera framåt för vad som kan spelas härnäst. Roboten Shimon, utvecklad av Gil Weinberg från Georgia Tech, har demonstrerat jazzimprovisation. Virtuell improvisationsprogramvara baserad på forskning om stilistisk modellering utförd av Gerard Assayag och Shlomo Dubnov inkluderar OMax, SoMax och PyOracle, används för att skapa improvisationer i realtid genom att återinjicera sekvenser med variabel längd som lärts in i farten från live-artist.

År 1994 kunde en Creativity Machine-arkitektur (se ovan) generera 11 000 musikaliska krokar genom att träna ett synaptiskt stört neuralt nät på 100 melodier som hade dykt upp på topp tio-listan under de senaste 30 åren. 1996 observerade en självstartande Creativity Machine publikens ansiktsuttryck genom ett avancerat maskinseendesystem och fulländade sina musikaliska talanger för att generera ett album med titeln "Song of the Neurons"

Inom området musikalisk komposition tillät de patenterade verken av René-Louis Baron att göra en robot som kan skapa och spela en mängd orkestrerade melodier, så kallade "sammanhängande" i vilken musikstil som helst. Alla fysiska parametrar utomhus associerade med en eller flera specifika musikaliska parametrar kan påverka och utveckla var och en av dessa låtar (i realtid medan du lyssnar på låten). Den patenterade uppfinningen Medal-Composer väcker problem med upphovsrätten.

Visuell och konstnärlig kreativitet

Beräkningskreativitet i genereringen av bildkonst har haft några anmärkningsvärda framgångar i skapandet av både abstrakt konst och representativ konst. Ett välkänt program inom den här domänen är Harold Cohens AARON , som kontinuerligt har utvecklats och utökats sedan 1973. Även om det är formellt uppvisar Aaron en rad olika utgångar, genererar svartvita teckningar eller färgmålningar som innehåller mänskliga figurer ( som dansare), krukväxter, stenar och andra delar av bakgrundsbilder. Dessa bilder är av tillräckligt hög kvalitet för att kunna visas i välrenommerade gallerier.

Andra kända mjukvarukonstnärer inkluderar NEvAr-systemet (för " neuro-evolutionär konst") från Penousal Machado. NEvAr använder en genetisk algoritm för att härleda en matematisk funktion som sedan används för att generera en färgad tredimensionell yta. En mänsklig användare tillåts välja de bästa bilderna efter varje fas av den genetiska algoritmen, och dessa inställningar används för att styra successiva faser, och därigenom skjuta NEvArs sökning i fickor av sökutrymmet som anses vara mest tilltalande för användaren.

The Painting Fool , utvecklad av Simon Colton, har sitt ursprung som ett system för att övermåla digitala bilder av en given scen i ett urval av olika målarstilar, färgpaletter och penseltyper. Med tanke på dess beroende av en indatakälla att arbeta med, väckte de tidigaste iterationerna av Painting Fool frågor om omfattningen av, eller bristen på, kreativitet i ett datorkonstsystem . Ändå The Painting Fool utökats till att skapa nya bilder, ungefär som AARON gör, utifrån sin egen begränsade fantasi. Bilder i denna anda inkluderar stadslandskap och skogar, som genereras av en process av tillfredsställelse av begränsningar från vissa grundläggande scenarier som tillhandahålls av användaren (t.ex. dessa scenarier tillåter systemet att dra slutsatsen att objekt närmare visningsplanet bör vara större och mer färg- mättade, medan de längre bort bör vara mindre mättade och verka mindre). Konstnärligt framstår bilderna som nu skapats av målarnarren i nivå med dem som Aaron skapade, även om de utvidgbara mekanismerna som den förra använder (tillfredsställelse av begränsningar, etc.) mycket väl kan tillåta den att utvecklas till en mer utarbetad och sofistikerad målare.

Konstnären Krasi Dimtch (Krasimira Dimtchevska) och mjukvaruutvecklaren Svillen Ranev har skapat ett beräkningssystem som kombinerar en regelbaserad generator av engelska meningar och en visuell kompositionsbyggare som omvandlar meningar som genereras av systemet till abstrakt konst. Programvaran genererar automatiskt ett obestämt antal olika bilder med olika färg-, form- och storlekspaletter. Programvaran tillåter också användaren att välja ämnet för de genererade meningarna eller/och en eller flera av paletterna som används av den visuella kompositionsbyggaren.

Ett framväxande område för beräkningskreativitet är videospel . ANGELINA är ett system för kreativ utveckling av videospel i Java av Michael Cook. En viktig aspekt är Mechanic Miner, ett system som kan generera korta segment av kod som fungerar som enkel spelmekanik. ANGELINA kan utvärdera dessa mekaniker för användbarhet genom att spela enkla olösliga spelnivåer och testa för att se om den nya mekanikern gör nivån lösbar. Ibland upptäcker Mechanic Miner buggar i koden och utnyttjar dessa för att skapa ny mekanik för spelaren att lösa problem med.

I juli 2015 släppte Google DeepDream – ett datorseendeprogram med öppen källkod, skapat för att upptäcka ansikten och andra mönster i bilder med syftet att automatiskt klassificera bilder, som använder ett konvolutionellt neuralt nätverk för att hitta och förbättra mönster i bilder via algoritmisk pareidolia , alltså skapa ett drömlikt psykedeliskt utseende i de medvetet överbearbetade bilderna.

I augusti 2015 skapade forskare från Tübingen, Tyskland ett konvolutionellt neuralt nätverk som använder neurala representationer för att separera och rekombinera innehåll och stil av godtyckliga bilder som kan förvandla bilder till stilistiska imitationer av konstverk av konstnärer som en Picasso eller Van Gogh på ungefär en timme. Deras algoritm tas i bruk på webbplatsen DeepArt som tillåter användare att skapa unika konstnärliga bilder med sin algoritm.

I början av 2016 förklarade ett globalt team av forskare hur en ny beräkningskreativitetsmetod känd som Digital Synaptic Neural Substrate (DSNS) kunde användas för att generera original schackpussel som inte härrörde från slutspelsdatabaser. DSNS kan kombinera funktioner för olika objekt (t.ex. schackproblem, målningar, musik) med stokastiska metoder för att härleda nya funktionsspecifikationer som kan användas för att generera objekt i någon av de ursprungliga domänerna. De genererade schackpusslen har också visats på YouTube.

Kreativitet i problemlösning

Kreativitet är också användbart för att tillåta ovanliga lösningar vid problemlösning . Inom psykologi och kognitionsvetenskap kallas detta forskningsområde för kreativ problemlösning . Teorin Explicit-Implicit Interaction (EII) om kreativitet har implementerats med hjälp av en CLARION -baserad beräkningsmodell som möjliggör simulering av inkubation och insikt i problemlösning. Tyngdpunkten i detta beräkningskreativitetsprojekt ligger inte på prestanda i sig (som i med artificiell intelligens ) utan snarare på förklaringen av de psykologiska processer som leder till mänsklig kreativitet och reproduktionen av data som samlats in i psykologiska experiment. Hittills har detta projekt varit framgångsrikt i att ge en förklaring till inkubationseffekter i enkla minnesexperiment, insikt i problemlösning och reproducera den överskuggande effekten i problemlösning.

Debatt om "allmänna" teorier om kreativitet

Vissa forskare anser att kreativitet är ett komplext fenomen vars studie kompliceras ytterligare av plasticiteten i språket vi använder för att beskriva det. Vi kan beskriva inte bara kreativitetens agent som "kreativ" utan också produkten och metoden. Följaktligen kan man hävda att det är orealistiskt att tala om en allmän teori om kreativitet . . Icke desto mindre är vissa generativa principer mer allmänna än andra, vilket leder till att vissa förespråkare hävdar att vissa beräkningsmetoder är "allmänna teorier" Stephen Thaler, till exempel, föreslår att vissa modaliteter av neurala nätverk är generativa nog, och generella nog, för att manifestera en hög grad av kreativ förmåga. [ citat behövs ]

Kritik av beräkningskreativitet

Traditionella datorer, som huvudsakligen används i beräkningskreativitetsapplikationen, stöder inte kreativitet, eftersom de i grunden omvandlar en uppsättning av diskreta, begränsade domän av indataparametrar till en uppsättning av diskreta, begränsade domän av utparametrar med hjälp av en begränsad uppsättning beräkningsfunktioner. [ citat behövs ] Som sådan kan en dator inte vara kreativ, eftersom allt i utdata redan måste ha funnits i indata eller algoritmer. [ citat behövs ] Relaterade diskussioner och referenser till relaterat arbete fångas i arbete på filosofiska grunder för simulering.

Matematiskt har samma uppsättning argument mot kreativitet framförts av Chaitin. Liknande observationer kommer från ett modellteoretiskt perspektiv. All denna kritik understryker att beräkningskreativitet är användbar och kan se ut som kreativitet, men det är inte verklig kreativitet, eftersom inget nytt skapas, bara omvandlas till väldefinierade algoritmer.

evenemang

Den internationella konferensen om beräkningskreativitet (ICCC) äger rum årligen, anordnad av The Association for Computational Creativity. Händelser i serien inkluderar:

  • ICCC 2019, Charlotte, North Carolina, USA
  • ICCC 2018, Salamanca, Spanien
  • ICCC 2017, Atlanta, Georgia, USA
  • ICCC 2016, Paris, Frankrike
  • ICCC 2015, Park City, Utah, USA. Keynote: Emily Short
  • ICCC 2014, Ljubljana, Slovenien. Keynote: Oliver Deussen
  • ICCC 2013, Sydney, Australien. Keynote: Arne Dietrich
  • ICCC 2012, Dublin, Irland. Keynote: Steven Smith
  • ICCC 2011, Mexico City, Mexiko. Keynote: George E Lewis
  • ICCC 2010, Lissabon, Portugal. Keynote/inbjudna samtal: Nancy J Nersessian och Mary Lou Maher

Tidigare har gemenskapen för beräkningskreativitet hållit en särskild workshop, International Joint Workshop on Computational Creativity, varje år sedan 1999. Tidigare evenemang i denna serie inkluderar: [ citat behövs ]

  • IJWCC 2003, Acapulco, Mexiko, som en del av IJCAI'2003
  • IJWCC 2004, Madrid, Spanien, som en del av ECCBR'2004
  • IJWCC 2005, Edinburgh, Storbritannien, som en del av IJCAI'2005
  • IJWCC 2006, Riva del Garda, Italien, som en del av ECAI'2006
  • IJWCC 2007, London, Storbritannien, ett fristående evenemang
  • IJWCC 2008, Madrid, Spanien, ett fristående evenemang

Den första konferensen om datorsimulering av musikalisk kreativitet kommer att hållas

  • CCSMC 2016, 17–19 juni, University of Huddersfield, Storbritannien. Keynotes: Geraint Wiggins och Graeme Bailey.

Publikationer och forum

Design Computing and Cognition är en konferens som tar upp beräkningskreativitet. ACM Creativity and Cognition-konferensen är ett annat forum för frågor relaterade till beräkningskreativitet. Journées d'Informatique Musicale 2016 keynote av Shlomo Dubnov handlade om informationsteoretisk kreativitet. [ bättre källa behövs ]

Ett antal böcker ger antingen en bra introduktion eller en bra överblick av området beräkningskreativitet. Dessa inkluderar:

  • Pereira, FC (2007). "Kreativitet och artificiell intelligens: en konceptuell blandningsmetod". Applications of Cognitive Linguistics series, Mouton de Gruyter.
  • Veale, T. (2012). "Explodera kreativitetsmyten: Beräkningsgrunderna för språklig kreativitet". Bloomsbury Academic , London.
  • McCormack, J. och d'Inverno, M. (red.) (2012). "Datorer och kreativitet". Springer, Berlin.
  • Veale, T., Feyaerts, K. och Forceville, C. (2013). "Creativity and the Agile Mind: A Multidisciplinary study of a Multifaceted phenomenon". Mouton de Gruyter.
  •   du Sautoy. M. (2019). "Kreativitetskoden". 4th Estate London. ISBN 978-0-00-828815-0 .

Utöver konferenser och workshoppar har beräkningskreativitetsgemenskapen hittills producerat dessa speciella tidskriftsnummer tillägnade ämnet:

  • New Generation Computing , volym 24, nummer 3, 2006
  • Journal of Knowledge-Based Systems , volym 19, nummer 7, november 2006
  • AI Magazine , volym 30, nummer 3, hösten 2009
  • Minds and Machines , volym 20, nummer 4, november 2010
  • Cognitive Computation , volym 4, nummer 3, september 2012
  • AIEDAM , volym 27, nummer 4, hösten 2013
  • Computers in Entertainment , två specialnummer om Music Meta-Creation (MuMe), hösten 2016

Dessutom har en ny tidskrift startat som fokuserar på beräkningskreativitet inom musikområdet:

  • JCMS 2016, Journal of Creative Music Systems

Se även

Listor

Vidare läsning

externa länkar

Dokumentärer
Hämtad från " https://en.wikipedia.org/w/index.php?title=Computational_creativity&oldid=1140731946 "