stringtranslate.com

Вычислительное творчество

Эдмон де Белам , произведение искусства, созданное генеративно-состязательной сетью

Вычислительное творчество (также известное как искусственное творчество , механическое творчество , творческие вычисления или творческие вычисления ) — это междисциплинарная деятельность, которая находится на пересечении областей искусственного интеллекта , когнитивной психологии , философии и искусства (например, вычислительное искусство как часть вычислительной культуры ).

Цель вычислительного творчества — смоделировать, имитировать или воспроизвести творчество с помощью компьютера для достижения одной из нескольких целей: [1]

Область вычислительного творчества занимается теоретическими и практическими вопросами изучения творчества. Теоретическая работа о природе и правильном определении креативности проводится параллельно с практической работой по внедрению систем, проявляющих креативность, при этом одно направление работы информирует другое.

Прикладная форма компьютерного творчества известна как медиасинтез .

Теоретические вопросы

Теоретические подходы касаются сущности творчества. Особенно, при каких обстоятельствах можно назвать модель «креативной», если выдающееся творчество связано с нарушением правил или отказом от условностей. Это вариант возражения Ады Лавлейс против машинного интеллекта, изложенного современными теоретиками, такими как Тереза ​​Амабайл . [2] Если машина может делать только то, на что она была запрограммирована, как можно назвать ее поведение творческим ?

Действительно, не все компьютерные теоретики согласятся с предпосылкой, что компьютеры могут делать только то, на что они запрограммированы [3] — ключевой момент в пользу вычислительного творчества.

Определение творчества в вычислительных терминах

Поскольку ни одна точка зрения или определение, похоже, не дают полной картины творчества, исследователи искусственного интеллекта Ньюэлл, Шоу и Саймон [4] превратили сочетание новизны и полезности в краеугольный камень многоаспектного взгляда на творчество, который использует следующее: четыре критерия, позволяющие отнести тот или иной ответ или решение к категории творческих:

  1. Ответ является новым и полезным (как для человека, так и для общества).
  2. Ответ требует, чтобы мы отвергли идеи, которые мы ранее принимали.
  3. Ответ является результатом сильной мотивации и настойчивости.
  4. Ответ приходит в результате прояснения проблемы, которая изначально была неясной.

Хотя вышеизложенное отражает нисходящий подход к вычислительному творчеству, среди восходящих вычислительных психологов, занимающихся исследованиями искусственных нейронных сетей, возникла альтернативная тема. Например, в конце 1980-х и начале 1990-х годов такие генеративные нейронные системы управлялись генетическими алгоритмами . [5] Эксперименты с использованием рекуррентных сетей [6] оказались успешными в гибридизации простых музыкальных мелодий и предсказании ожиданий слушателей.

Машинное обучение для вычислительного творчества

Изображение, созданное с помощью модели преобразования текста в изображение.

В то время как традиционные вычислительные подходы к творчеству полагаются на явную формулировку рецептов разработчиками и определенную степень случайности в компьютерных программах, методы машинного обучения позволяют компьютерным программам учиться на эвристике на основе входных данных, обеспечивая творческие способности внутри компьютерных программ. [7] В частности, глубокие искусственные нейронные сети позволяют изучать закономерности на основе входных данных, которые позволяют нелинейно генерировать творческие артефакты. До 1989 года искусственные нейронные сети использовались для моделирования определенных аспектов творчества. Питер Тодд (1989) впервые обучил нейронную сеть воспроизведению музыкальных мелодий из обучающего набора музыкальных произведений. Затем он использовал алгоритм изменения для изменения входных параметров сети. Сеть смогла случайным образом генерировать новую музыку совершенно неконтролируемым образом. [6] [8] [9] В 1992 году Тодд [10] расширил эту работу, используя так называемый подход дистального учителя, который был разработан Полом Манро, [11] Полом Вербосом , [12] Д. Нгуеном и Бернардом. Уидроу , [13] Майкл И. Джордан и Дэвид Румелхарт . [14] В новом подходе используются две нейронные сети, одна из которых передает шаблоны обучения другой. В более поздних работах Тодда композитор выбирал набор мелодий, определяющих пространство мелодии, размещал их на двухмерной плоскости с помощью графического интерфейса, управляемого мышью, и обучал коннекционистскую сеть воспроизведению этих мелодий и слушал новые «интерполированные» мелодии, которые генерирует сеть, соответствующие промежуточным точкам в 2-мерной плоскости.

Ключевые понятия из литературы

Некоторые философские темы высокого уровня повторяются во всей области вычислительного творчества. [ нужны разъяснения ]

Важные категории творчества

Маргарет Боден [15] [16] называет творчество, которое является новым только для агента, который его производит, «П-творчеством» (или «психологическим творчеством») и называет творчество, которое признается обществом в целом новым как « Н-творчество» (или «историческое творчество»). Стивен Талер предложил новую категорию, которую он назвал «V-» или «Висцеральное творчество», в которой значение изобретается посредством нейронного сопоставления необработанных сенсорных входных данных в архитектуре Креативной машины, при этом «шлюзовые» сети возмущаются для создания альтернативных интерпретаций, а нижестоящие сети изменение таких интерпретаций в соответствии с общим контекстом. [17] [ нужна цитата ] Важной разновидностью такого V-творчества является само сознание, в котором смысл рефлекторно изобретается, чтобы активировать оборот внутри мозга. [18] Креативность, основанная на ценностях, дает больше свободы и автономии системе ИИ. [19]

Исследовательское и трансформационное творчество

Боден также проводит различие между творчеством, возникающим в результате исследования установленного концептуального пространства, и творчеством, возникающим в результате преднамеренной трансформации или преодоления этого пространства. Она называет первое исследовательским творчеством, а второе — трансформационным творчеством , рассматривая последнее как форму творчества, гораздо более радикальную, сложную и более редкую, чем первая. Следуя критериям Ньюэлла и Саймона, изложенным выше, мы видим, что обе формы творчества должны давать результаты, которые являются существенно новыми и полезными (критерий 1), но исследовательское творчество, скорее всего, возникнет в результате тщательного и настойчивого поиска хороших результатов. понимаемое пространство (критерий 3) - тогда как трансформационное творчество должно предполагать отказ от некоторых ограничений, определяющих это пространство (критерий 2), или от некоторых предположений, определяющих саму проблему (критерий 4). Идеи Бодена направляли работу в области вычислительного творчества на самом общем уровне, обеспечивая скорее вдохновляющий пробный камень для опытно-конструкторских работ, чем техническую основу алгоритмического содержания. Однако идеи Бодена также подлежат формализации, особенно в работе Герайнта Виггинса. [20]

Генерация и оценка

Критерий того, что творческие продукты должны быть новыми и полезными, означает, что творческие вычислительные системы обычно делятся на два этапа: создание и оценку. На первом этапе генерируются новые (для самой системы, то есть P-Creative) конструкции; на этом этапе фильтруются неоригинальные конструкции, уже известные системе. Затем этот набор потенциально творческих конструкций оценивается, чтобы определить, какие из них значимы и полезны, а какие нет. Эта двухфазная структура соответствует модели Geneplore Финке, Уорда и Смита [21] , которая представляет собой психологическую модель творческого поколения, основанную на эмпирическом наблюдении за творческим потенциалом человека.

Совместное творчество

Хотя большая часть исследований вычислительной креативности сосредоточена на независимой и автоматической генерации креативности на основе машин, многие исследователи склоняются к коллективному подходу. [22] Такое взаимодействие человека и компьютера иногда относят к разработке инструментов поддержки творчества. Эти системы призваны обеспечить идеальную основу для исследований, интеграции, принятия решений и генерации идей. [23] [24] Недавно подходы глубокого обучения к обработке изображений, звуков и естественного языка привели к моделированию рамок продуктивного творческого развития. [25] [26]

Инновации

Вычислительная креативность все чаще обсуждается в литературе по инновациям и менеджменту, поскольку недавние разработки в области искусственного интеллекта могут разрушить целые инновационные процессы и фундаментально изменить способы создания инноваций. [27] [25] Филип Хатчинсон [22] подчеркивает актуальность вычислительной креативности для создания инноваций и представил концепцию «самоинновационного искусственного интеллекта» (SAI), чтобы описать, как компании используют ИИ в инновационных процессах для повышения своего инновационного потенциала. предложения. SAI определяется как организационное использование искусственного интеллекта с целью постепенного продвижения существующих или разработки новых продуктов на основе результатов постоянного объединения и анализа нескольких источников данных. Поскольку ИИ становится технологией общего назначения , спектр продуктов, разрабатываемых с помощью SAI, будет расширяться от простых до более сложных. Это означает, что вычислительное творчество приводит к изменению навыков, связанных с творчеством, у людей.

Комбинаторное творчество

Большую часть, а возможно, и всю человеческую креативность можно понимать как новую комбинацию ранее существовавших идей или объектов. [28] Общие стратегии комбинаторного творчества включают:

Комбинаторная перспектива позволяет моделировать творчество как процесс поиска в пространстве возможных комбинаций. Комбинации могут возникать в результате композиции или конкатенации различных представлений или в результате основанного на правилах или стохастического преобразования начальных и промежуточных представлений. Генетические алгоритмы и нейронные сети можно использовать для создания смешанных или перекрестных представлений, которые фиксируют комбинацию различных входных данных.

Концептуальное смешение

Марк Тернер и Жиль Фоконье [29] [30] предлагают модель под названием «Сети концептуальной интеграции», которая развивает идеи Артура Кестлера о творчестве [31] , а также работы Лакоффа и Джонсона [32] , синтезируя идеи когнитивно-лингвистических исследований. в ментальные пространства и концептуальные метафоры . Их базовая модель определяет интеграционную сеть как четыре связанных пространства:

Фоконье и Тернер описывают набор принципов оптимальности, которые, как утверждается, помогают построить хорошо сформированную интеграционную сеть. По сути, они рассматривают смешивание как механизм сжатия, при котором две или более входные структуры сжимаются в одну структуру смешивания. Это сжатие действует на уровне концептуальных отношений. Например, ряд отношений сходства между входными пространствами можно сжать в одно отношение тождества в сочетании.

Некоторый вычислительный успех был достигнут с помощью модели смешивания за счет расширения ранее существовавших вычислительных моделей аналогового отображения, которые совместимы благодаря их акценту на связанных семантических структурах. [33] В 2006 году Франсиско Камара Перейра [34] представил реализацию теории смешивания, которая использует идеи как символического ИИ , так и генетических алгоритмов для реализации некоторых аспектов теории смешивания в практической форме; Его примеры областей варьируются от лингвистических до визуальных, и последнее, в первую очередь, включает создание мифических монстров путем объединения трехмерных графических моделей.

Лингвистическое творчество

Язык предоставляет постоянные возможности для творчества, что проявляется в создании новых предложений, фраз, каламбуров , неологизмов , рифм , аллюзий , сарказма , иронии , сравнений , метафор , аналогий , острот и шуток . [35] Носители морфологически богатых языков часто создают новые словоформы , которые легко понять, и некоторые из них попали в словарь. [36] Область генерации естественного языка хорошо изучена, но эти творческие аспекты повседневного языка еще не включены с какой-либо надежностью или масштабом.

Гипотеза творческих паттернов

В плодотворной работе лингвиста-прикладника Рональда Картера он выдвинул гипотезу о двух основных типах творчества, связанных со словами и словесными шаблонами: креативность, преобразующая шаблоны, и креативность, формирующая шаблоны. [35] Креативность, преобразующая шаблоны, относится к творчеству путем нарушения правил, реформирования и изменения моделей языка, часто посредством индивидуальных инноваций, тогда как креативность, формирующая шаблоны, относится к творчеству через соответствие языковым правилам, а не к их нарушению, создавая конвергенцию, симметрию и большая взаимность между собеседниками за счет их взаимодействия в форме повторов. [37]

Создание истории

Существенная работа в этой области лингвистического творчества проводилась с 1970-х годов, с разработкой системы TALE-SPIN Джеймса Михана [38] . TALE-SPIN рассматривал истории как повествовательные описания усилий по решению проблем и создавал истории, сначала устанавливая цель для персонажей истории, чтобы их поиск решения можно было отслеживать и записывать. Система MINSTREL [39] представляет собой сложную разработку этого базового подхода, различающую ряд целей уровня персонажа в рассказе от ряда целей уровня автора рассказа. Такие системы, как «БРУТ» Брингсйорда [40], развивают эти идеи, создавая истории со сложными межличностными темами, такими как предательство. Тем не менее, MINSTREL явно моделирует творческий процесс с помощью набора методов трансформации и адаптации воспоминания (TRAM), чтобы создавать новые сцены из старых. Модель MEXICA [41] Рафаэля Переса-и-Переса и Майка Шарплеса более явно заинтересована в творческом процессе рассказывания историй и реализует версию когнитивной модели творческого письма, основанной на вовлечении и размышлении.

Метафора и сравнение

Пример метафоры: «Она была обезьяной».

Пример сравнения: «Чувствовал себя как одеяло из тигрового меха ». Вычислительное исследование этих явлений в основном сосредоточено на интерпретации как процессе, основанном на знаниях. Специалисты по информатике, такие как Йорик Уилкс , Джеймс Мартин, [42] Дэн Фасс, Джон Барнден, [43] и Марк Ли разработали основанные на знаниях подходы к обработке метафор либо на лингвистическом, либо на логическом уровне. Тони Вил и Янфэнь Хао разработали систему под названием Sardonicus, которая собирает из Интернета обширную базу данных явных сравнений; эти сравнения затем помечаются как добросовестные (например, «твердые, как сталь») или ироничные (например, «волосатые, как шар для боулинга », «приятные, как корневой канал »); сравнения любого типа могут быть получены по запросу для любого прилагательного. Они используют эти сравнения в качестве основы для онлайн-системы генерации метафор под названием «Аристотель» [44] , которая может предлагать лексические метафоры для заданной описательной цели (например, чтобы описать супермодель как худую, исходные термины «карандаш», «кнут» , « уиппет », «веревка», « палочник » и «змея»).

Аналогия

Процесс рассуждения по аналогии изучался как с точки зрения отображения, так и с точки зрения поиска, причем последний является ключом к созданию новых аналогий. Доминирующая школа исследований, выдвинутая Дедре Гентнером , рассматривает аналогию как процесс сохранения структуры; это представление было реализовано в механизме отображения структур или SME, [45] механизме поиска MAC/FAC (много вызвано, мало выбрано), ACME ( механизм отображения аналоговых ограничений ) и ARCS ( система ограничений аналогового поиска ). Другие подходы, основанные на сопоставлении, включают Sapper [33] , который помещает процесс отображения в модель семантической сети памяти. Аналогия — очень активная область творческих вычислений и творческого познания; Активными фигурами в этом подрайоне являются Дуглас Хофштадтер , Пол Тагард и Кит Холиоук . Здесь также следует отметить подход Питера Тёрни и Майкла Литтмана к решению задач аналогии в стиле SAT , основанный на машинном обучении ; их подход позволяет получить балл, который хорошо сравним со средними баллами, полученными людьми в этих тестах.

Генерация шуток

Юмор — это особенно требующий знаний процесс, и самые успешные на сегодняшний день системы создания шуток сосредоточены на создании каламбура, примером чему служат работы Ким Бинстед и Грэма Ричи. [46] Эта работа включает систему JAPE , которая может генерировать широкий спектр каламбуров, которые маленькие дети неизменно оценивают как новые и юмористические. Была разработана улучшенная версия JAPE под видом системы STANDUP, которая была экспериментально внедрена в качестве средства улучшения языкового взаимодействия с детьми с коммуникативными нарушениями. Некоторый ограниченный прогресс был достигнут в создании юмора, который затрагивает другие аспекты естественного языка, такие как преднамеренное неправильное понимание местоименных ссылок (в работах Ганса Вима Тинхолта и Антона Нийхолта), а также в создании юмористических сокращений в аббревиатуре HAHA. система [47] Оливьеро Стока и Карло Страппаравы.

Неологизм

Смешение нескольких словоформ является доминирующей силой создания новых слов в языке; эти новые слова обычно называют «смесями» или « словами-портманами » (в честь Льюиса Кэрролла ). Тони Вил разработал систему под названием ZeitGeist [48] , которая собирает неологические заголовки из Википедии и интерпретирует их относительно их местного контекста в Википедии и относительно конкретных значений слов в WordNet . ZeitGeist был расширен для создания собственных неологизмов; этот подход объединяет элементы из перечня частей слов, полученных из WordNet, и одновременно определяет вероятные толкования этих новых слов (например, «путешественник еды» для «гастронавта» и «путешественник во времени» для «хрононавта»). Затем он использует веб-поиск , чтобы определить, какие толкования имеют смысл, а какие неологизмы ранее не использовались; этот поиск определяет подмножество сгенерированных слов, которые являются одновременно новыми («H-креативными») и полезными.

Также показала возможность корпусного лингвистического подхода к поиску и извлечению неологизмов . Используя Корпус современного американского английского языка в качестве справочного корпуса, Локки Лоу выполнил извлечение неологизмов , портманто и жаргонных слов, используя hapax legomena , которые появлялись в сценариях американской телевизионной драмы «Доктор Хаус» [49].

Что касается лингвистических исследований неологизмов, Стефан Т. Грис провел количественный анализ структуры смеси в английском языке и обнаружил, что «степень узнаваемости исходных слов и сходство исходных слов со смесью играют жизненно важную роль в формировании смеси». Результаты были подтверждены путем сравнения преднамеренных смесей со смесями с речевыми ошибками. [50]

Поэзия

Больше, чем железо, больше, чем свинец, больше, чем золото, мне нужно электричество.
Мне это нужно больше, чем баранина, свинина, салат или огурец.
Мне это нужно для моей мечты.

Рактер из фильма "Борода полицейского наполовину построена"

Как и шутки, стихи включают в себя сложное взаимодействие различных ограничений, и ни один генератор стихотворений общего назначения не может адекватно сочетать в себе смысл, фразировку, структуру и аспекты рифмы поэзии. Тем не менее, Пабло Гервас [51] разработал заслуживающую внимания систему под названием ASPERA, которая использует подход рассуждения на основе прецедентов (CBR) для генерации поэтических формулировок заданного входного текста посредством композиции поэтических фрагментов, которые извлекаются из прецедентной базы существующих стихи. Каждый фрагмент стихотворения в базе регистров ASPERA аннотирован прозаической строкой, которая выражает смысл фрагмента, и эта прозаическая строка используется в качестве ключа поиска для каждого фрагмента. Затем с помощью метрических правил эти фрагменты объединяются в стройную поэтическую структуру. Racter является примером такого программного проекта.

Музыкальное творчество

Вычислительное творчество в музыкальной сфере сосредоточено как на создании музыкальных партитур для использования музыкантами, так и на создании музыки для исполнения на компьютерах. Область генерации включала классическую музыку (с программным обеспечением, генерирующим музыку в стиле Моцарта и Баха ) и джаз . [52] В частности, Дэвид Коуп [53] написал систему программного обеспечения под названием «Эксперименты в области музыкального интеллекта» (или «EMI») [54] , которая способна анализировать и обобщать существующую музыку композитора-человека для создания новых музыкальных произведений. композиции в одном стиле. Продукция EMI достаточно убедительна, чтобы убедить слушателей в том, что ее музыка создана людьми на высоком уровне компетентности. [55]

В области современной классической музыки Iamus — первый компьютер, который сочиняет музыку с нуля и создает окончательные партитуры, которые могут воспроизводить профессиональные переводчики. Лондонский симфонический оркестр исполнил пьесу для полного оркестра, вошедшую в дебютный компакт-диск Ямуса , [56] который New Scientist описал как «первое крупное произведение, написанное на компьютере и исполненное полным оркестром». [57] Меломика , технология, лежащая в основе Iamus, способна создавать произведения в разных музыкальных стилях с одинаковым уровнем качества.

Исследования креативности в джазе были сосредоточены на процессе импровизации и когнитивных требованиях, которые он предъявляет музыкальному агенту: рассуждения о времени, запоминание и концептуализация того, что уже было сыграно, и заранее планирование того, что можно сыграть дальше. [58] Робот Шимон, разработанный Гилом Вайнбергом из Технологического института Джорджии, продемонстрировал джазовую импровизацию. [59] Программное обеспечение для виртуальной импровизации, основанное на исследованиях стилистического моделирования, проведенных Джерардом Ассайагом и Шломо Дубновым, включает OMax, SoMax и PyOracle, которые используются для создания импровизации в реальном времени путем повторного внедрения последовательностей переменной длины, полученных на лету от живого исполнителя. . [60]

В 1994 году архитектура Creativity Machine (см. выше) смогла сгенерировать 11 000 музыкальных зацепок, обучая синаптически возмущенную нейронную сеть 100 мелодиям, которые появлялись в первой десятке списка за последние 30 лет. В 1996 году самозагружающаяся Creativity Machine наблюдала за выражениями лиц аудитории с помощью усовершенствованной системы машинного зрения и усовершенствовала свои музыкальные таланты, создав альбом под названием «Song of the Neurons» [61].

В области музыкальной композиции запатентованные работы [62] Рене -Луи Барона позволили создать робота, способного создавать и воспроизводить множество оркестрованных мелодий, так называемых «связных» в любом музыкальном стиле. Все внешние физические параметры, связанные с одним или несколькими конкретными музыкальными параметрами, могут влиять и развивать каждую из этих песен (в режиме реального времени во время прослушивания песни). Запатентованное изобретение Медаль-Композитор поднимает проблемы авторского права.

Визуальное и художественное творчество

Вычислительное творчество в создании визуального искусства добилось заметных успехов в создании как абстрактного искусства, так и изобразительного искусства. Хорошо известной программой в этой области является AARON Гарольда Коэна [63] , которая постоянно разрабатывается и дополняется с 1973 года. Несмотря на шаблонность, Аарон демонстрирует ряд результатов, генерируя черно-белые рисунки или цветные картины, которые включают человеческие фигуры (например, танцоры), растения в горшках, камни и другие элементы фонового изображения. Эти изображения имеют достаточно высокое качество, чтобы их можно было выставлять в авторитетных галереях.

Среди других известных художников-разработчиков программного обеспечения - система NEVAr (что означает « Нейро-эволюционное искусство») Пенусала Мачадо. [64] NEvAr использует генетический алгоритм для получения математической функции, которая затем используется для создания цветной трехмерной поверхности. Пользователю-человеку разрешается выбирать лучшие изображения после каждого этапа генетического алгоритма, и эти предпочтения используются для управления последовательными этапами, тем самым продвигая поиск NEvAr в те части пространства поиска, которые считаются наиболее привлекательными для пользователя.

The Painting Fool , разработанная Саймоном Колтоном , возникла как система для перерисовки цифровых изображений заданной сцены с выбором различных стилей рисования, цветовых палитр и типов кистей. Учитывая зависимость от входного исходного изображения, с которым нужно работать, самые ранние версии Painting Fool поднимали вопросы о степени или отсутствии креативности в системе вычислительного искусства . Тем не менее, «Рисующий дурак» был расширен для создания новых образов, как это делает ААРОН , на основе его собственного ограниченного воображения. Изображения в этом ключе включают городские пейзажи и леса, которые генерируются в процессе удовлетворения ограничений на основе некоторых базовых сценариев, предоставленных пользователем (например, эти сценарии позволяют системе сделать вывод, что объекты, расположенные ближе к плоскости просмотра, должны быть больше и более цветными). насыщенные, а те, что дальше, должны быть менее насыщенными и казаться меньшими). В художественном отношении образы, созданные сейчас Рисующим Дураком, кажутся наравне с изображениями, созданными Аароном, хотя расширяемые механизмы, используемые первым (удовлетворение ограничений и т. д.), вполне могут позволить ему развиться в более сложного и утонченного художника.

Художница Краси Димч (Красимира Димчевска) и разработчик программного обеспечения Свиллен Ранев создали вычислительную систему, сочетающую основанный на правилах генератор английских предложений и построитель визуальных композиций, который преобразует предложения, сгенерированные системой, в абстрактное искусство. [65] Программное обеспечение автоматически генерирует неопределенное количество различных изображений, используя разные палитры цвета, формы и размера. Программное обеспечение также позволяет пользователю выбирать тему сгенерированных предложений и/или одну или несколько палитр, используемых построителем визуальной композиции.

Новой областью вычислительного творчества являются видеоигры . ANGELINA — это система для творческой разработки видеоигр на языке Java от Майкла Кука. Одним из важных аспектов является Mechanic Miner, система, которая может генерировать короткие сегменты кода, которые действуют как простая игровая механика. [66] АНДЖЕЛИНА может оценить полезность этой механики, играя в простые неразрешимые игровые уровни и проверяя, делает ли новая механика уровень разрешимым. Иногда Mechanic Miner обнаруживает ошибки в коде и использует их для создания новой механики, с помощью которой игрок может решать проблемы. [67]

В июле 2015 года Google выпустила DeepDream — программу компьютерного зрения с открытым исходным кодом [68] , созданную для обнаружения лиц и других закономерностей на изображениях с целью автоматической классификации изображений, которая использует сверточную нейронную сеть для поиска и улучшения закономерностей на изображениях с помощью алгоритмических алгоритмов. pareidolia , создавая таким образом сказочный психоделический вид в намеренно чрезмерно обработанных изображениях. [69] [70] [71]

В августе 2015 года исследователи из Тюбингена, Германия, создали сверточную нейронную сеть, которая использует нейронные представления для разделения и рекомбинации содержания и стиля произвольных изображений, что позволяет превращать изображения в стилистические имитации произведений искусства таких художников, как Пикассо или Ван Гог. примерно через час. Их алгоритм используется на сайте DeepArt , который позволяет пользователям создавать уникальные художественные изображения с помощью их алгоритма. [72] [73] [74] [75]

В начале 2016 года глобальная группа исследователей объяснила, как новый подход к вычислительному творчеству, известный как цифровой синаптический нейронный субстрат (DSNS), можно использовать для создания оригинальных шахматных головоломок, которые не были получены из баз данных эндшпиля. [76] DSNS способна комбинировать характеристики различных объектов (например, шахматные задачи, картины, музыку) с использованием стохастических методов для получения новых характеристик характеристик, которые можно использовать для создания объектов в любой из исходных областей. Созданные шахматные головоломки также были размещены на YouTube. [77]

Креативность в решении проблем

Креативность также полезна, позволяя находить необычные решения при решении проблем . В психологии и когнитивной науке эта область исследований называется творческим решением проблем . Теория творчества «Явно-неявное взаимодействие» (EII) была реализована с использованием вычислительной модели на основе CLARION , которая позволяет моделировать инкубацию и понимание решений проблем. [78] Акцент в этом проекте вычислительного творчества делается не на производительности как таковой (как в проектах искусственного интеллекта ), а скорее на объяснении психологических процессов, ведущих к человеческому творчеству и воспроизведению данных, собранных в психологических экспериментах. На данный момент этот проект оказался успешным в объяснении эффектов инкубации в простых экспериментах с памятью, в понимании решения проблем и воспроизведении эффекта затенения при решении проблем.

Спор об «общих» теориях творчества.

Некоторые исследователи считают, что творчество — это сложное явление, изучение которого еще больше осложняется пластичностью языка, который мы используем для его описания. Мы можем назвать «творческим» не только агента творчества, но также продукт и метод. Следовательно, можно было бы утверждать, что говорить об общей теории творчества нереально . [ нужна цитация ] Тем не менее, некоторые порождающие принципы являются более общими, чем другие, что заставляет некоторых сторонников утверждать, что определенные вычислительные подходы являются «общими теориями». Стивен Талер, например, предполагает, что определенные модальности нейронных сетей являются достаточно генеративными и достаточно общими, чтобы проявлять высокую степень творческих способностей. [ нужна цитата ]

Критика вычислительного творчества

Традиционные компьютеры, которые в основном используются в приложениях для вычислительной креативности, не поддерживают креативность, поскольку они фундаментально преобразуют набор дискретных, ограниченных областей входных параметров в набор дискретных, ограниченных областей выходных параметров, используя ограниченный набор вычислительных функций. [ нужна цитация ] Таким образом, компьютер не может быть творческим, поскольку все на выходе должно уже присутствовать во входных данных или алгоритмах. [ нужна цитация ] Соответствующие обсуждения и ссылки на соответствующие работы отражены в работе по философским основам моделирования. [79]

Математически тот же набор аргументов против творчества выдвинул Чайтин. [80] Подобные наблюдения происходят и с точки зрения теории моделей. Вся эта критика подчеркивает, что вычислительное творчество полезно и может выглядеть как творчество, но это не настоящее творчество, поскольку не создается ничего нового, а просто преобразуется в четко определенные алгоритмы.

События

Международная конференция по вычислительному творчеству (ICCC) проводится ежегодно и организуется Ассоциацией вычислительного творчества. [81] События в сериале включают:

Ранее сообщество вычислительного творчества проводило специальный семинар — Международный совместный семинар по вычислительному творчеству — каждый год, начиная с 1999 года. Предыдущие мероприятия из этой серии включают: [ нужна ссылка ]

Состоится I конференция по компьютерному моделированию музыкального творчества

Смотрите также

Списки

Рекомендации

  1. ↑ Анна Джорданус (10 апреля 2014 г.). «Что такое вычислительное творчество?» . Проверено 7 января 2019 г.
  2. ^ Амабайл, Тереза ​​(1983), Социальная психология творчества , Нью-Йорк, Нью-Йорк: Springer-Verlag
  3. ^ Мински, Марвин (1967), «Почему программирование является хорошим средством для выражения плохо понятых и небрежно сформулированных идей» (PDF) , Design and Planning II-Computers in Design and Communication , стр. 120–125.[ постоянная мертвая ссылка ]
  4. ^ Ньюэлл, Аллен, Шоу, Дж. Г., и Саймон, Герберт А. (1963), Процесс творческого мышления , Х. Э. Грубер, Г. Террелл и М. Вертхаймер (ред.), Современные подходы к творческому мышлению, стр. 63–119. Нью-Йорк: Атертон{{citation}}: CS1 maint: multiple names: authors list (link)
  5. ^ Гибсон, PM (1991) NEUROGEN, музыкальная композиция с использованием генетических алгоритмов и взаимодействующих нейронных сетей, Вторая международная конференция по искусственным нейронным сетям: 309-313.
  6. ^ Аб Тодд, PM (1989). «Коннекционистский подход к алгоритмической композиции». Компьютерный музыкальный журнал . 13 (4): 27–43. дои : 10.2307/3679551. JSTOR  3679551. S2CID  36726968.
  7. ^ Матея, Дебора; Хайнцль, Армин (декабрь 2021 г.). «На пути к машинному обучению как фактору вычислительного творчества». Транзакции IEEE по искусственному интеллекту . 2 (6): 460–475. дои : 10.1109/TAI.2021.3100456 . ISSN  2691-4581. S2CID  238941032.
  8. ^ Бхаруча, Джей-Джей; Тодд, премьер-министр (1989). «Моделирование восприятия тональной структуры с помощью нейронных сетей». Компьютерный музыкальный журнал . 13 (4): 44–53. дои : 10.2307/3679552. JSTOR  3679552. S2CID  19286486.
  9. ^ Тодд, П.М., и Лой, Д.Г. (ред.) (1991). Музыка и коннекционизм. Кембридж, Массачусетс: MIT Press.
  10. ^ Тодд, премьер-министр (1992). Коннекционистская система исследования мелодического пространства. В материалах Международной компьютерной музыкальной конференции 1992 года (стр. 65–68). Сан-Франциско: Международная ассоциация компьютерной музыки.
  11. ^ Схема двойного обратного распространения ошибки для обучения со скалярным вознаграждением. П. Манро - Девятая ежегодная конференция когнитивных наук, 1987 г.
  12. ^ Нейронные сети для управления и идентификации систем. П. Дж. Вербос - Решение и контроль, 1989.
  13. ^ Поддержка грузовика: пример самообучения в нейронных сетях. Д. Нгуен, Б. Уидроу - IJCNN'89, 1989.
  14. ^ Прямые модели: обучение под наблюдением с преподавателем на удаленном расстоянии. М. И. Джордан, Д. Е. Румельхарт - Когнитивная наука, 1992.
  15. ^ Боден, Маргарет (1990), Творческий разум: мифы и механизмы , Лондон: Weidenfeld & Nicolson.
  16. ^ Боден, Маргарет (1999), Компьютерные модели творчества. , Справочник творчества, стр. 351–373.
  17. ^ Талер, Стивен (1 января 2012 г.). «Парадигма творческой машины: противодействие аргументу сознания». Информационные бюллетени АПА . 11 .
  18. ^ «Творческие вычисления». Машина обратного пути: Американская философская ассоциация. Архивировано из оригинала 15 ноября 2012 года . Проверено 16 марта 2016 г.
  19. ^ Лой, Мишель; Вигано, Элеонора; ван дер Плас, Лоннеке (23 июля 2020 г.). «Социальная и этическая значимость вычислительного творчества». arXiv : 2007.11973 [cs.AI].
  20. ^ Виггинс, Герайнт (2006), Предварительная основа описания, анализа и сравнения творческих систем , Журнал систем, основанных на знаниях 19 (7), стр. 449-458, CiteSeerX 10.1.1.581.5208 
  21. ^ Финке Р., Уорд Т. и Смит С. (1992), Творческое познание: теория, исследования и приложения (PDF) , Кембридж: MIT press.{{citation}}: CS1 maint: multiple names: authors list (link)
  22. ^ Аб Хатчинсон, П. (2020). Новое изобретение управления инновациями: влияние самоинновационного искусственного интеллекта. Транзакции IEEE по инженерному менеджменту , 68 (2), 628-639.
  23. ^ Ван, Кай; Никерсон, Джеффри В. (сентябрь 2017 г.). «Обзор литературы по системам поддержки индивидуального творчества». Компьютеры в поведении человека . 74 : 139–151. дои : 10.1016/j.chb.2017.04.035 . ISSN  0747-5632. S2CID  38485202.
  24. ^ Габриэль, А.; Монтиколо, Д.; Камарго, М.; Бурго, М. (сентябрь 2016 г.). «Системы поддержки творчества: систематическое картографическое исследование». Мышление и креативность . 21 : 109–122. дои : 10.1016/j.tsc.2016.05.009. ISSN  1871-1871.
  25. ^ аб Кокберн, И.М., Хендерсон, Р., и Стерн, С. (2018). Влияние искусственного интеллекта на инновации: исследовательский анализ. В книге «Экономика искусственного интеллекта: повестка дня» (стр. 115–146). Издательство Чикагского университета.
  26. ^ Карими, Пега; Махер, Мэри Лу; Дэвис, Николас; Грейс, Казжон (24 июня 2019 г.). «Глубокое обучение в вычислительной модели для концептуальных изменений в системе совместного творческого проектирования». arXiv : 1906.10188 [cs.HC].
  27. ^ «Как генеративный ИИ может расширить творческие способности человека» . Гарвардское деловое обозрение . 16 июня 2023 г. ISSN  0017-8012 . Проверено 20 июня 2023 г.
  28. ^ Маргарет Боден (10 мая 2010 г.). «Могут ли компьютерные модели помочь нам понять творческие способности человека?» . Проверено 7 января 2019 г.
  29. ^ Фоконье, Жиль, Тернер, Марк (2007), «Как мы думаем» , Basic Books{{citation}}: CS1 maint: multiple names: authors list (link)
  30. ^ Фоконье, Жиль, Тернер, Марк (2007), Сети концептуальной интеграции , Когнитивная наука, 22 (2), стр. 133–187.{{citation}}: CS1 maint: multiple names: authors list (link)
  31. ^ Кестлер, Артур (1964), {Акт творения} , Лондон: Хатчинсон и Нью-Йорк: Макмиллан.
  32. ^ Лакофф, Джордж; Джонсон, Марк (2008), Метафоры, которыми мы живем , издательство Чикагского университета.
  33. ^ ab Veale, Тони, О'Донохью, Диармуид (2007), Вычисления и смешивание , Когнитивная лингвистика, 11 (3-4), специальный выпуск о концептуальном смешении{{citation}}: CS1 maint: multiple names: authors list (link)
  34. ^ Перейра, Франсиско Камара (2006), Креативность и искусственный интеллект: подход концептуального смешивания, Применение когнитивной лингвистики. Амстердам: Мутон де Грютер
  35. ^ Аб Картер, Рональд (2004). Язык и творчество: искусство общего разговора . Лондон: Рутледж.
  36. ↑ Мартин, Кэтрин Коннор (30 января 2018 г.). «От голода до бессмысленности: потратьте немного своего времени на последнее обновление OED». Оксфордские словари . Архивировано из оригинала 8 февраля 2018 года . Проверено 4 января 2019 г.
  37. ^ Ань Во, Тук; Картер, Рональд (2010), «Что корпус может рассказать нам о творчестве?», Справочник Routledge по корпусной лингвистике , Routledge, doi : 10.4324/9780203856949.ch22, ISBN 9780203856949
  38. ^ Михан, Джеймс (1981), TALE-SPIN , Шэнк, Р.К. и Рисбек, К.К., (ред.), Понимание компьютера изнутри: пять программ плюс миниатюры. Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates
  39. ^ Тернер, SR (1994), Творческий процесс: компьютерная модель рассказывания историй , Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates.
  40. ^ Брингсйорд, С., Ферруччи, Д.А. (2000), Искусственный интеллект и литературное творчество. Внутри разума БРУТА, машины-рассказчика. , Хиллсдейл, штат Нью-Джерси: Lawrence Erlbaum Associates{{citation}}: CS1 maint: multiple names: authors list (link)
  41. ^ Перес-и-Перес, Рафаэль, Шарплс, Майк (2001), МЕКСИКА: Компьютерная модель когнитивного описания творческого письма (PDF) , Журнал экспериментального и теоретического искусственного интеллекта, 13, стр. 119-139{{citation}}: CS1 maint: multiple names: authors list (link)
  42. ^ Мартин, Джеймс (1990), Вычислительная модель интерпретации метафор , Academic Press
  43. ^ Барнден, Джон (1992), Вера в метафору: серьезное отношение к психологии здравого смысла , Computational Intelligence 8, стр. 520-552.
  44. ^ Вил, Тони, Хао, Янфэн (2007), Понимание и генерация подходящих метафор: веб-ориентированный подход к образному языку на основе прецедентов (PDF) , Материалы AAAI 2007, 22-й конференции AAAI по искусственному интеллекту. Ванкувер, Канада{{citation}}: CS1 maint: multiple names: authors list (link)
  45. ^ Фалькенхайнер, Брайан, Форбус, Кен и Гентнер, Дедре (1989), Механизм структурного отображения: алгоритм и примеры (PDF) , Искусственный интеллект, 20 (41), стр. 1–63{{citation}}: CS1 maint: multiple names: authors list (link)
  46. ^ Бинстед, К., Пейн, Х., и Ричи, Г. (1997), «Оценка детьми компьютерных загадок-каламбуров», Pragmatics & Cognition , 5 (2): 305–354, doi : 10.1075/pc. 5.2.06бин{{citation}}: CS1 maint: multiple names: authors list (link)
  47. ^ Сток, Оливьеро, Страппарава, Карло (2003), HAHAcronym: Юмористические агенты для юмористических сокращений (PDF) , Юмор: Международный журнал исследований юмора, 16 (3), стр. 297–314.{{citation}}: CS1 maint: multiple names: authors list (link)
  48. ^ Вил, Тони (2006), Отслеживание лексического духа времени с помощью Википедии и WordNet , Материалы ECAI'2006, 17-й Европейской конференции по искусственному интеллекту
  49. ^ Закон, Локки (2019). «Творчество и телевизионная драма: мультимодальный анализ на основе корпуса творчества в House MD». Корпора . 14 (2): 135–171. дои : 10.3366/cor.2019.0167. S2CID  201903734.
  50. ^ Грис, Стефан Т. (21 января 2004 г.). «Разве это не должен быть брейкфанч? Количественный анализ структуры смеси на английском языке». Лингвистика . 42 (3). дои : 10.1515/ling.2004.021. ISSN  0024-3949. S2CID  3762246.
  51. ^ Гервас, Пабло (2001), Экспертная система для составления формальной испанской поэзии (PDF) , том. 14, Журнал систем, основанных на знаниях, стр. 181–188.
  52. ^ Херреманс, Дориен; Чуан, Чинг-Хуа; Чу, Элейн (2017). «Функциональная таксономия систем генерации музыки». Обзоры вычислительной техники ACM . 50 (5): 1–30. arXiv : 1812.04832 . дои : 10.1145/3108242. S2CID  54475410.
  53. ^ Коуп, Дэвид (2006), Компьютерные модели музыкального творчества , Кембридж, Массачусетс: MIT Press
  54. ^ Дэвид Коуп (1987), «Эксперименты в области музыкального интеллекта». В материалах Международной конференции по компьютерной музыке, Сан-Франциско: Computer Music Assn.
  55. ^ "miller-mccune.com" . www.miller-mccune.com . Архивировано из оригинала 26 февраля 2010 года.
  56. ^ "Дебютный компакт-диск Ямуса" - через www.youtube.com.
  57. ^ «Компьютерный композитор отмечает столетие Тьюринга» . Новый учёный . 5 июля 2012 г.
  58. ^ Ассаяг, Жерар; Блох, Джордж; Продолжение, Аршия; Дубнов, Шломо (2010), Взаимодействие с машинной импровизацией , Шломо Аргамон, Кевин Бернс, Шломо Дубнов (Ред.), Структура стиля, Springer, Бибкод : 2010tsos.book..219A
  59. ^ «Робот по имени Шимон хочет с тобой поджемовать» . NPR.org . 22 декабря 2009 г.
  60. ^ Дубнов, Шломо; Сёрджес, Грег (2014), Делегирование творчества: использование музыкальных алгоритмов в машинном прослушивании и композиции , Ньютон Ли (ред.), Digital Da Vinci, Springer
  61. ^ "Песня нейронов". Архивировано из оригинала 29 июля 2014 г. Проверено 21 мая 2015 г.
  62. ^ (на французском языке) Пресс-релиз: «Génération autotique d'œuvres numériques», статья о медали за изобретение Беатрис Перре дю Крей», Science et Vie Micro
  63. ^ МакКордак, Памела (1991), Кодекс Аарона. , WH Freeman & Co., Ltd.
  64. ^ Мачадо, Пенусал; Ромеро, Хуан, ред. (2008), Искусство искусственной эволюции: Справочник по эволюционному искусству и музыке, серия Natural Computing, Берлин: Springer Verlag, ISBN 9783540728764
  65. ^ «Методы, системы и программное обеспечение для создания предложений, а также визуальных и аудиокомпозиций, представляющих указанные предложения» Патент Канады 2704163
  66. ^ "Знакомство с шахтером-механиком" . Игры Ангелины . 5 ноября 2012 г.
  67. ^ «Почему я считаю, что шахтер-механик — это круто» . Игры Ангелины . 16 ноября 2012 г.
  68. ^ DeepDream на GitHub
  69. ^ Сегеди, Кристиан; Лю, Вэй; Цзя, Янцин; Сермане, Пьер; Рид, Скотт Э.; Ангелов, Драгомир; Эрхан, Дмитрий; Ванхук, Винсент; Рабинович, Андрей (2015). «Углубляемся с извилинами». Конференция IEEE по компьютерному зрению и распознаванию образов, CVPR 2015, Бостон, Массачусетс, США, 7–12 июня 2015 г. Компьютерное общество IEEE. стр. 1–9. arXiv : 1409.4842 . дои : 10.1109/CVPR.2015.7298594.
  70. ^ Мордвинцев, Александр; Ола, Кристофер; Тыка, Майк (2015). «DeepDream — пример кода для визуализации нейронных сетей». Google Исследования. Архивировано из оригинала 8 июля 2015 г.
  71. ^ Мордвинцев, Александр; Ола, Кристофер; Тыка, Майк (2015). «Инцепционизм: углубляясь в нейронные сети». Google Исследования. Архивировано из оригинала 3 июля 2015 г.
  72. ↑ Макфарланд, Мэтт (31 августа 2015 г.). «Этот алгоритм может создать нового Ван Гога или Пикассо всего за час». Вашингтон Пост . Проверено 3 сентября 2015 г.
  73. ↑ Калпан, Дэниел (1 сентября 2015 г.). «Этот алгоритм может создать имитацию Ван Гога за 60 минут». Проводная Великобритания . Проверено 3 сентября 2015 г.
  74. ^ «GitXiv — нейронный алгоритм художественного стиля» . gitxiv.com . Проверено 3 сентября 2015 г.
  75. ^ Гатис, Леон А.; Экер, Александр С.; Бетге, Матиас (2015). «Нейронный алгоритм художественного стиля». arXiv : 1508.06576 [cs.CV].
  76. ^ Икбал, Азлан; Гид, Матей; Колтон, Саймон; Кривец, Яна; Асман, Шазрил; Хагиги, Бошра (2016). Цифровой синаптический нейронный субстрат: новый подход к вычислительному творчеству . SpringerBriefs по когнитивным вычислениям. Швейцария: Шпрингер. ISBN 978-3-319-28078-3.
  77. ^ "Честетика - YouTube". www.youtube.com .
  78. ^ Хели, С.; Сан, Р. (2010). «Инкубация, понимание и творческое решение проблем: единая теория и коннекционистская модель». Психологический обзор . 117 (3): 994–1024. CiteSeerX 10.1.1.405.2245 . дои : 10.1037/a0019532. ПМИД  20658861. 
  79. ^ Толк, Андреас (2013). «Истина, доверие и Тьюринг – последствия для моделирования и симуляции». Онтология, эпистемология и телеология для моделирования и симуляции . Справочная библиотека интеллектуальных систем. Том. 44. стр. 1–26. дои : 10.1007/978-3-642-31140-6_1. ISBN 978-3-642-31139-0.
  80. ^ Чайтин, GJ (1987). Алгоритмическая теория информации. Кембриджские трактаты по теоретической информатике, издательство Кембриджского университета.
  81. ^ «Ассоциация вычислительного творчества».
  82. ^ «ICCC 2020». Ассоциация вычислительного творчества .
  83. ^ «ICCC 2019». Ассоциация вычислительного творчества .
  84. ^ CCSMC 2016, WordPress , 2016.

дальнейшее чтение

Внешние ссылки

Викискладе есть медиафайлы, связанные с вычислительным творчеством .
Документальные фильмы