Creatività computazionale - Computational creativity

Image
Edmond de Belam y , un'opera d'arte generata da una rete generativa di contraddittorio .

La creatività computazionale (nota anche come creatività artificiale , creatività meccanica , calcolo creativo o calcolo creativo ) è uno sforzo multidisciplinare che si trova all'intersezione dei campi dell'intelligenza artificiale , della psicologia cognitiva , della filosofia e delle arti .

L'obiettivo della creatività computazionale è modellare, simulare o replicare la creatività utilizzando un computer, per raggiungere uno dei tanti scopi:

  • Costruire un programma o un computer capace di creatività a livello umano .
  • Comprendere meglio la creatività umana e formulare una prospettiva algoritmica sul comportamento creativo negli esseri umani.
  • Progettare programmi in grado di potenziare la creatività umana senza essere necessariamente creativi essi stessi.

Il campo della creatività computazionale si occupa di questioni teoriche e pratiche nello studio della creatività. Il lavoro teorico sulla natura e la corretta definizione della creatività viene svolto in parallelo con il lavoro pratico sull'implementazione di sistemi che esibiscono creatività, con un filone di lavoro che informa l'altro.

La forma applicata della creatività computazionale è nota come sintesi dei media .

Problemi teorici

Se la creatività eminente riguarda la violazione delle regole o il disconoscimento delle convenzioni, come è possibile che un sistema algoritmico sia creativo? In sostanza, questa è una variante dell'obiezione di Ada Lovelace all'intelligenza artificiale, ricapitolata da teorici moderni come Teresa Amabile. Se una macchina può fare solo ciò per cui è stata programmata, come può mai essere definito creativo il suo comportamento ?

In effetti, non tutti i teorici dei computer sarebbero d'accordo con la premessa che i computer possono fare solo ciò per cui sono programmati, un punto chiave a favore della creatività computazionale.

Definire la creatività in termini computazionali

Poiché nessuna singola prospettiva o definizione sembra offrire un quadro completo della creatività, i ricercatori di intelligenza artificiale Newell, Shaw e Simon hanno sviluppato la combinazione di novità e utilità nella pietra angolare di una visione multiforme della creatività, che utilizza i seguenti quattro criteri per classifica una data risposta o soluzione come creativa:

  1. La risposta è nuova e utile (sia per l'individuo che per la società)
  2. La risposta richiede che rifiutiamo idee che avevamo precedentemente accettato
  3. La risposta deriva da un'intensa motivazione e perseveranza
  4. La risposta viene dal chiarire un problema che originariamente era vago

Mentre quanto sopra riflette un approccio "top-down" alla creatività computazionale, un filone alternativo si è sviluppato tra gli psicologi computazionali "bottom-up" coinvolti nella ricerca sulle reti neurali artificiali. Durante la fine degli anni '80 e l'inizio degli anni '90, ad esempio, tali sistemi neurali generativi erano guidati da algoritmi genetici . Gli esperimenti che coinvolgono le reti ricorrenti hanno avuto successo nell'ibridare semplici melodie musicali e nel prevedere le aspettative dell'ascoltatore.

Nel suo libro, Superhuman Creators, Al Byrd sostiene che la principale fonte di creatività negli esseri umani e in altri animali è la consapevolezza dell'affordance, la consapevolezza delle possibilità di azione in un ambiente. La creatività sovrumana può essere ottenuta aumentando drammaticamente la consapevolezza dell'affordance delle entità artificiali e integrando strettamente quella consapevolezza con i sistemi in grado di capitalizzare le possibilità di azione.

Reti neurali artificiali

Prima del 1989, le reti neurali artificiali venivano utilizzate per modellare alcuni aspetti della creatività. Peter Todd (1989) ha prima addestrato una rete neurale per riprodurre melodie musicali da un set di brani musicali. Quindi ha utilizzato un algoritmo di modifica per modificare i parametri di input della rete. La rete è stata in grado di generare nuova musica in modo casuale in modo altamente incontrollato. Nel 1992, Todd ha esteso questo lavoro, utilizzando il cosiddetto approccio dell'insegnante distale sviluppato da Paul Munro, Paul Werbos , D. Nguyen e Bernard Widrow , Michael I. Jordan e David Rumelhart . Nel nuovo approccio ci sono due reti neurali, una delle quali fornisce modelli di addestramento all'altra. Negli sforzi successivi di Todd, un compositore avrebbe selezionato una serie di melodie che definiscono lo spazio della melodia, le avrebbe posizionate su un piano 2-d con un'interfaccia grafica basata sul mouse e addestrato una rete connessionista per produrre quelle melodie e ascoltare il nuove melodie "interpolate" che la rete genera in corrispondenza di punti intermedi nel piano 2-d.

Concetti chiave della letteratura

Alcuni temi filosofici e di alto livello ricorrono in tutto il campo della creatività computazionale.

Importanti categorie di creatività

Margaret Boden si riferisce alla creatività che è nuova semplicemente all'agente che la produce come "creatività P" (o "creatività psicologica"), e si riferisce alla creatività che è riconosciuta come nuova dalla società in generale come "creatività H" (o "creatività storica"). Stephen Thaler ha suggerito una nuova categoria che chiama "V-" o "Creatività viscerale" in cui il significato viene inventato attraverso la mappatura neurale di input sensoriali grezzi a un'architettura Creativity Machine, con le reti "gateway" perturbate per produrre interpretazioni alternative e reti a valle spostando tali interpretazioni per adattarle al contesto generale. Un'importante varietà di tale V-creatività è la coscienza stessa, in cui il significato viene inventato in modo riflessivo per il turnover dell'attivazione all'interno del cervello. La creatività orientata al valore dà più libertà e autonomia al sistema di intelligenza artificiale.

Creatività esplorativa e trasformativa

Boden distingue anche tra la creatività che nasce da un'esplorazione all'interno di uno spazio concettuale stabilito e la creatività che nasce da una deliberata trasformazione o trascendenza di questo spazio. Etichetta la prima come creatività esplorativa e la seconda come creatività trasformativa , vedendo la seconda come una forma di creatività molto più radicale, stimolante e più rara della prima. Seguendo i criteri di Newell e Simon elaborati sopra, possiamo vedere che entrambe le forme di creatività dovrebbero produrre risultati apprezzabilmente nuovi e utili (criterio 1), ma è più probabile che la creatività esplorativa derivi da una ricerca approfondita e persistente di un bene- spazio compreso (criterio 3) – mentre la creatività trasformazionale dovrebbe comportare il rifiuto di alcuni dei vincoli che definiscono questo spazio (criterio 2) o di alcuni dei presupposti che definiscono il problema stesso (criterio 4). Le intuizioni di Boden hanno guidato il lavoro nella creatività computazionale a un livello molto generale, fornendo più una pietra di paragone ispiratrice per il lavoro di sviluppo che un quadro tecnico di sostanza algoritmica. Tuttavia, le intuizioni di Boden sono state più recentemente anche oggetto di formalizzazione, in particolare nel lavoro di Geraint Wiggins.

Generazione e valutazione

Il criterio secondo cui i prodotti creativi dovrebbero essere nuovi e utili significa che i sistemi computazionali creativi sono tipicamente strutturati in due fasi, generazione e valutazione. Nella prima fase vengono generati nuovi costrutti (al sistema stesso, quindi P-Creative); i costrutti non originali che sono già noti al sistema vengono filtrati in questa fase. Questo corpo di costrutti potenzialmente creativi viene quindi valutato, per determinare quali sono significativi e utili e quali no. Questa struttura a due fasi è conforme al modello Geneplore di Finke, Ward e Smith, che è un modello psicologico di generazione creativa basato sull'osservazione empirica della creatività umana.

Creatività combinatoria

Gran parte, forse tutta, della creatività umana può essere intesa come una nuova combinazione di idee o oggetti preesistenti. Strategie comuni per la creatività combinatoria includono:

  • Collocare un oggetto familiare in un ambiente sconosciuto (ad es . la fontana di Marcel Duchamp ) o un oggetto sconosciuto in un ambiente familiare (ad es. una storia di pesci fuor d'acqua come The Beverly Hillbillies )
  • Mescolare due oggetti o generi superficialmente diversi (ad esempio, una storia di fantascienza ambientata nel selvaggio West, con cowboy robot, come in Westworld , o il contrario, come in Firefly ; poesie haiku giapponesi , ecc.)
  • Confrontare un oggetto familiare con un concetto superficialmente non correlato e semanticamente distante (ad esempio, "Il trucco è il burka occidentale "; "Uno zoo è una galleria con reperti viventi")
  • Aggiunta di una funzionalità nuova e inaspettata a un concetto esistente (ad es. aggiunta di un bisturi a un coltellino svizzero ; aggiunta di una fotocamera a un telefono cellulare )
  • Comprimere due scenari incongrui nella stessa narrativa per ottenere uno scherzo (ad esempio, la barzelletta di Emo Philips "Le donne usano sempre gli uomini per far avanzare le loro carriere. Antropologi dannati!")
  • Utilizzo di un'immagine iconica di un dominio in un dominio per un'idea o un prodotto non correlato o incongruo (ad esempio, l'utilizzo dell'immagine di Marlboro Man per vendere automobili o per pubblicizzare i pericoli dell'impotenza legata al fumo).

La prospettiva combinatoria permette di modellare la creatività come processo di ricerca attraverso lo spazio delle possibili combinazioni. Le combinazioni possono nascere dalla composizione o dalla concatenazione di diverse rappresentazioni, oppure attraverso una trasformazione basata su regole o stocastica delle rappresentazioni iniziali e intermedie. Gli algoritmi genetici e le reti neurali possono essere utilizzati per generare rappresentazioni miste o incrociate che catturano una combinazione di input diversi.

Fusione concettuale

Articolo principale: fusione concettuale

Mark Turner e Gilles Fauconnier propongono un modello chiamato Conceptual Integration Networks che elabora le idee di Arthur Koestler sulla creatività così come il lavoro più recente di Lakoff e Johnson, sintetizzando idee dalla ricerca linguistica cognitiva in spazi mentali e metafore concettuali . Il loro modello di base definisce una rete di integrazione come quattro spazi connessi:

  • Un primo spazio di input (contiene una struttura concettuale o spazio mentale)
  • Un secondo spazio di input (da fondere con il primo input)
  • Uno spazio generico di convenzioni stock e schemi di immagini che consentono di comprendere gli spazi di input da una prospettiva integrata
  • Uno spazio di fusione in cui viene combinata una proiezione selezionata di elementi da entrambi gli spazi di input; anche qui risiedono le inferenze derivanti da questa combinazione, che a volte portano a strutture emergenti che sono in conflitto con gli input.

Fauconnier e Turner descrivono una raccolta di principi di ottimalità che si sostiene guidino la costruzione di una rete di integrazione ben formata. In sostanza, vedono il blending come un meccanismo di compressione in cui due o più strutture di input sono compresse in un'unica struttura di blend. Questa compressione opera sul piano delle relazioni concettuali. Ad esempio, una serie di relazioni di somiglianza tra gli spazi di input può essere compressa in un'unica relazione di identità nella fusione.

Un certo successo computazionale è stato ottenuto con il modello di blending estendendo modelli computazionali preesistenti di mappatura analogica che sono compatibili in virtù della loro enfasi sulle strutture semantiche connesse. Più recentemente, Francisco Câmara Pereira ha presentato un'implementazione della teoria del blending che utilizza idee sia da GOFAI che da algoritmi genetici per realizzare alcuni aspetti della teoria del blending in forma pratica; i suoi domini di esempio vanno dal linguistico al visivo, e quest'ultimo include in particolare la creazione di mostri mitici combinando modelli grafici 3D.

Creatività linguistica

Lingua offre un'opportunità continua per la creatività, evidente nella generazione di nuove frasi, fraseggi, giochi di parole , neologismi , rime , allusioni , il sarcasmo , l'ironia , similitudini , metafore , analogie , battute e scherzi . I madrelingua di lingue morfologicamente ricche creano spesso nuove forme di parole che sono facilmente comprensibili e alcune hanno trovato la loro strada nel dizionario. L'area della generazione del linguaggio naturale è stata ben studiata, ma questi aspetti creativi del linguaggio quotidiano devono ancora essere incorporati con forza o scala.

Ipotesi di modelli creativi

Nel lavoro seminale del linguista applicato Ronald Carter, ha ipotizzato due principali tipi di creatività che coinvolgono parole e modelli di parole: creatività riformatrice di schemi e creatività creatrice di schemi. La creatività riformatrice di schemi si riferisce alla creatività mediante la violazione delle regole, riformando e rimodellando schemi linguistici spesso attraverso l'innovazione individuale, mentre la creatività formatrice di schemi si riferisce alla creatività mediante la conformità alle regole del linguaggio piuttosto che romperle, creando convergenza, simmetria e una maggiore reciprocità tra interlocutori attraverso le loro interazioni sotto forma di ripetizioni.

Generazione di storie

A partire dagli anni '70, con lo sviluppo del sistema TALE-SPIN di James Meehan, è stato condotto un lavoro sostanziale in quest'area della creazione linguistica. TALE-SPIN ha visto le storie come descrizioni narrative di uno sforzo di risoluzione dei problemi e ha creato storie stabilendo prima un obiettivo per i personaggi della storia in modo che la loro ricerca di una soluzione potesse essere tracciata e registrata. Il sistema MINSTREL rappresenta un'elaborazione complessa di questo approccio di base, distinguendo una serie di obiettivi a livello di personaggio nella storia da una serie di obiettivi a livello di autore per la storia. Sistemi come BRUTUS di Bringsjord elaborano ulteriormente queste idee per creare storie con temi interpersonali complessi come il tradimento. Tuttavia, MINSTREL modella esplicitamente il processo creativo con una serie di Transform Recall Adapt Methods (TRAM) per creare nuove scene dal vecchio. Il modello MEXICA di Rafael Pérez y Pérez e Mike Sharples è più esplicitamente interessato al processo creativo della narrazione e implementa una versione del modello cognitivo di coinvolgimento-riflessione della scrittura creativa.

La società Narrative Science rende disponibili in commercio notizie e rapporti generati dal computer, inclusi riepiloghi di eventi sportivi di squadra basati su dati statistici del gioco. Crea anche report finanziari e analisi immobiliari.

Metafora e similitudine

Esempio di metafora: "Era una scimmia".

Esempio di similitudine: "Mi sentivo come una coperta di pelliccia di tigre " . Lo studio computazionale di questi fenomeni si è concentrato principalmente sull'interpretazione come processo basato sulla conoscenza. Computazionalisti come Yorick Wilks , James Martin, Dan Fass, John Barnden e Mark Lee hanno sviluppato approcci basati sulla conoscenza all'elaborazione delle metafore, sia a livello linguistico che logico. Tony Veale e Yanfen Hao hanno sviluppato un sistema, chiamato Sardonicus, che acquisisce un database completo di similitudini esplicite dal web; queste similitudini vengono poi etichettate come autentiche (es. "duro come l'acciaio") o ironiche (es. "peloso come una palla da bowling ", "piacevole come un canale radicolare "); similitudini di entrambi i tipi possono essere recuperate su richiesta per un dato aggettivo. Usano queste similitudini come base di un sistema di generazione di metafore online chiamato Aristotele che può suggerire metafore lessicali per un dato obiettivo descrittivo (ad esempio, per descrivere una top model come magra, i termini di origine "matita", "frusta", " whippet ". sono suggeriti ", "corda", " insetto stecco " e "serpente").

Analogia

Il processo del ragionamento analogico è stato studiato sia da una prospettiva di mappatura che di recupero, quest'ultima essendo la chiave per la generazione di nuove analogie. La scuola di ricerca dominante, avanzata da Dedre Gentner , vede l'analogia come un processo di conservazione della struttura; questa vista è stata implementata nel motore di mappatura della struttura o SME, nel motore di recupero MAC/FAC (Molti sono chiamati, pochi sono scelti), ACME ( Analogical Constraint Mapping Engine ) e ARCS ( Analogical Retrieval Constraint System ). Altri approcci basati sulla mappatura includono Sapper, che colloca il processo di mappatura in un modello di memoria a rete semantica. L'analogia è una sottoarea molto attiva del calcolo creativo e della cognizione creativa; figure attive in questa sotto-area includono Douglas Hofstadter , Paul Thgard e Keith Holyoak . Degno di nota anche qui è l' approccio di apprendimento automatico di Peter Turney e Michael Littman alla risoluzione di problemi di analogia in stile SAT ; il loro approccio raggiunge un punteggio che si confronta bene con i punteggi medi ottenuti dagli esseri umani in questi test.

generazione scherzo

Articolo principale: umorismo computazionale

L'umorismo è un processo particolarmente affamato di conoscenza e i sistemi di generazione di battute di maggior successo fino ad oggi si sono concentrati sulla generazione di giochi di parole, come esemplificato dal lavoro di Kim Binsted e Graeme Ritchie. Questo lavoro include il sistema JAPE , che può generare una vasta gamma di giochi di parole che vengono costantemente valutati come nuovi e divertenti dai bambini piccoli. Una versione migliorata di JAPE è stata sviluppata sotto forma del sistema STANDUP, che è stato utilizzato sperimentalmente come mezzo per migliorare l'interazione linguistica con bambini con disabilità comunicative. Sono stati compiuti alcuni progressi limitati nella generazione dell'umorismo che coinvolge altri aspetti del linguaggio naturale, come il deliberato fraintendimento del riferimento pronominale (nel lavoro di Hans Wim Tinholt e Anton Nijholt), nonché nella generazione di acronimi umoristici nell'acronimo HAHA sistema di Oliviero Stock e Carlo Strapparava.

Neologismo

La fusione di più forme di parole è una forza dominante per la creazione di nuove parole nel linguaggio; queste nuove parole sono comunemente chiamate "blends" o " portmanteau words " (da Lewis Carroll ). Tony Veale ha sviluppato un sistema chiamato ZeitGeist che raccoglie i lemmi neologi da Wikipedia e li interpreta in relazione al loro contesto locale in Wikipedia e in relazione a specifici significati di parole in WordNet . ZeitGeist è stato esteso per generare propri neologismi; l'approccio combina elementi di un inventario di parti di parole raccolte da WordNet e determina contemporaneamente probabili glosse per queste nuove parole (ad esempio, "viaggiatore del cibo" per "gastronauta" e "viaggiatore del tempo" per " crononauta "). Quindi utilizza la ricerca sul Web per determinare quali glosse sono significative e quali neologismi non sono stati utilizzati prima; questa ricerca identifica il sottoinsieme di parole generate che sono sia nuove ("H-creative") che utili.

Si è anche dimostrato possibile un approccio corpus linguistico alla ricerca e all'estrazione del neologismo . Utilizzando Corpus of Contemporary American English come corpus di riferimento, Locky Law ha eseguito un'estrazione di neologismi , portmanteaus e parole slang utilizzando l' hapax legomena che è apparso nelle sceneggiature del dramma televisivo americano House MD

In termini di ricerca linguistica nel neologismo, Stefan Th. Gries ha eseguito un'analisi quantitativa della struttura della miscela in inglese e ha scoperto che "il grado di riconoscibilità delle parole di origine e che la somiglianza delle parole di origine alla miscela gioca un ruolo vitale nella formazione della miscela". I risultati sono stati convalidati attraverso un confronto tra miscele intenzionali e miscele di errore vocale.

Poesia

Più del ferro, più del piombo, più dell'oro ho bisogno di elettricità.
Ne ho bisogno più di quanto mi serva agnello o maiale o lattuga o cetriolo.
Ne ho bisogno per i miei sogni. Racter, da La barba del poliziotto è costruita a metà

Come le barzellette, le poesie implicano una complessa interazione di diversi vincoli e nessun generatore di poesie generico combina adeguatamente gli aspetti del significato, del fraseggio, della struttura e della rima della poesia. Tuttavia, Pablo Gervás ha sviluppato un sistema degno di nota chiamato ASPERA che impiega un approccio di ragionamento basato sui casi (CBR) per generare formulazioni poetiche di un determinato testo di input tramite una composizione di frammenti poetici recuperati da una casistica di poesie esistenti. Ogni frammento di poesia nel case-base ASPERA è annotato con una stringa di prosa che esprime il significato del frammento e questa stringa di prosa viene utilizzata come chiave di recupero per ogni frammento. Vengono quindi utilizzate regole metriche per combinare questi frammenti in una struttura poetica ben formata. Racter è un esempio di tale progetto software.

Creatività musicale

La creatività computazionale nel dominio della musica si è concentrata sia sulla generazione di spartiti musicali per l'uso da parte di musicisti umani, sia sulla generazione di musica per l'esecuzione da parte dei computer. Il dominio della generazione ha incluso la musica classica (con un software che genera musica nello stile di Mozart e Bach ) e il jazz . In particolare, David Cope ha scritto un sistema software chiamato "Experiments in Musical Intelligence" (o "EMI") che è in grado di analizzare e generalizzare dalla musica esistente di un compositore umano per generare nuove composizioni musicali nello stesso stile. L'output di EMI è abbastanza convincente da persuadere gli ascoltatori umani che la sua musica è generata dall'uomo con un alto livello di competenza.

Nel campo della musica classica contemporanea, Iamus è il primo computer che compone da zero e produce spartiti finali che possono suonare interpreti professionisti. La London Symphony Orchestra ha suonato un brano per orchestra completa, incluso nel CD di debutto di Iamus , che New Scientist ha descritto come "Il primo grande lavoro composto da un computer ed eseguito da un'intera orchestra". Melomics , la tecnologia alla base di Iamus, è in grado di generare brani in diversi stili musicali con un livello di qualità simile.

La ricerca creativa nel jazz si è concentrata sul processo di improvvisazione e sulle esigenze cognitive che questo pone a un agente musicale: ragionare sul tempo, ricordare e concettualizzare ciò che è già stato suonato e pianificare in anticipo ciò che potrebbe essere suonato dopo. Il robot Shimon, sviluppato da Gil Weinberg della Georgia Tech, ha dimostrato l'improvvisazione jazz. I software di improvvisazione virtuale basati sulle ricerche sulla modellazione stilistica svolte da Gerard Assayag e Shlomo Dubnov includono OMax, SoMax e PyOracle, vengono utilizzati per creare improvvisazioni in tempo reale re-iniettando sequenze di lunghezza variabile apprese al volo da performer dal vivo.

Nel 1994, un'architettura Creativity Machine (vedi sopra) è stata in grado di generare 11.000 hook musicali addestrando una rete neurale perturbata sinapticamente su 100 melodie che erano apparse nella top ten degli ultimi 30 anni. Nel 1996, una Creativity Machine che si autoalimenta ha osservato le espressioni facciali del pubblico attraverso un avanzato sistema di visione artificiale e ha perfezionato i suoi talenti musicali per generare un album intitolato "Song of the Neurons"

Nel campo della composizione musicale, le opere brevettate di René-Louis Baron hanno permesso di realizzare un robot in grado di creare e suonare una moltitudine di melodie orchestrate cosiddette "coerenti" in qualsiasi stile musicale. Tutti i parametri fisici esterni associati ad uno o più parametri musicali specifici, possono influenzare e sviluppare ciascuno di questi brani (in tempo reale durante l'ascolto del brano). L'invenzione brevettata Medal-Composer solleva problemi di copyright.

Creatività visiva e artistica

La creatività computazionale nella generazione dell'arte visiva ha avuto alcuni notevoli successi nella creazione sia dell'arte astratta che dell'arte figurativa. Il programma più famoso in questo dominio è Harold Cohen s' AARON , che è stato costantemente sviluppato e aumentato dal 1973. Anche se formule, Aaron espone una serie di uscite, la generazione di disegni in bianco e nero o dipinti a colori che le figure umane incorporata (ad esempio come ballerini), piante in vaso, rocce e altri elementi di immagini di sfondo. Queste immagini sono di qualità sufficientemente alta da essere visualizzate in gallerie affidabili.

Altri artisti del software degni di nota includono il sistema NEvAr (per " Arte Neuro-Evolutiva ") di Penousal Machado. NEvAr utilizza un algoritmo genetico per derivare una funzione matematica che viene poi utilizzata per generare una superficie tridimensionale colorata. Un utente umano può selezionare le immagini migliori dopo ogni fase dell'algoritmo genetico e queste preferenze vengono utilizzate per guidare le fasi successive, spingendo così la ricerca di NEvAr nelle tasche dello spazio di ricerca che sono considerate più attraenti per l'utente.

The Painting Fool , sviluppato da Simon Colton, è nato come un sistema per ridipingere le immagini digitali di una determinata scena in una scelta di diversi stili di pittura, tavolozze di colori e tipi di pennello. Data la sua dipendenza da un'immagine sorgente di input con cui lavorare, le prime iterazioni del Painting Fool hanno sollevato interrogativi sull'estensione o la mancanza di creatività in un sistema di arte computazionale. Tuttavia, in lavori più recenti, The Painting Fool è stato esteso per creare immagini nuove, proprio come fa AARON , dalla sua immaginazione limitata. Le immagini in questo senso includono paesaggi urbani e foreste, che sono generati da un processo di soddisfazione del vincolo da alcuni scenari di base forniti dall'utente (ad esempio, questi scenari consentono al sistema di dedurre che gli oggetti più vicini al piano di osservazione dovrebbero essere più grandi e più colorati). saturi, mentre quelli più lontani dovrebbero essere meno saturati e apparire più piccoli). Artisticamente, le immagini ora create dal Matto della pittura appaiono alla pari con quelle create da Aaron, sebbene i meccanismi estensibili impiegati dal primo (soddisfazione della costrizione, ecc.) possano ben consentirgli di svilupparsi in un pittore più elaborato e sofisticato.

L'artista Krasi Dimtch (Krasimira Dimtchevska) e lo sviluppatore di software Svillen Ranev hanno creato un sistema di calcolo che combina un generatore di frasi inglesi basato su regole e un generatore di composizione visiva che converte le frasi generate dal sistema in arte astratta. Il software genera automaticamente un numero indefinito di immagini diverse utilizzando diverse tavolozze di colori, forme e dimensioni. Il software consente inoltre all'utente di selezionare l'oggetto delle frasi generate e/o una o più tavolozze utilizzate dal generatore di composizioni visive.

Un'area emergente della creatività computazionale è quella dei videogiochi. ANGELINA è un sistema per lo sviluppo creativo di videogiochi in Java di Michael Cook. Un aspetto importante è Mechanic Miner, un sistema in grado di generare brevi segmenti di codice che fungono da semplici meccaniche di gioco. ANGELINA può valutare l'utilità di queste meccaniche giocando a semplici livelli di gioco irrisolvibili e testando per vedere se la nuova meccanica rende il livello risolvibile. A volte Mechanic Miner scopre bug nel codice e li sfrutta per creare nuove meccaniche con cui il giocatore può risolvere i problemi.

Nel luglio 2015 Google ha rilasciato DeepDream - un programma di visione artificiale open source , creato per rilevare volti e altri modelli nelle immagini con l'obiettivo di classificare automaticamente le immagini, che utilizza una rete neurale convoluzionale per trovare e migliorare i modelli nelle immagini tramite pareidolia algoritmica , creando così un aspetto psichedelico onirico nelle immagini deliberatamente troppo elaborate.

Nell'agosto 2015 i ricercatori di Tubinga, in Germania, hanno creato una rete neurale convoluzionale che utilizza rappresentazioni neurali per separare e ricombinare contenuto e stile di immagini arbitrarie, in grado di trasformare le immagini in imitazioni stilistiche di opere d'arte di artisti come Picasso o Van Gogh in Circa un ora. Il loro algoritmo viene utilizzato nel sito Web DeepArt che consente agli utenti di creare immagini artistiche uniche tramite il loro algoritmo.

All'inizio del 2016, un team globale di ricercatori ha spiegato come un nuovo approccio alla creatività computazionale noto come Digital Synaptic Neural Substrate (DSNS) potrebbe essere utilizzato per generare puzzle di scacchi originali non derivati ​​da database di fine partita. Il DSNS è in grado di combinare caratteristiche di oggetti diversi (ad es. problemi di scacchi, dipinti, musica) utilizzando metodi stocastici al fine di derivare nuove specifiche di funzionalità che possono essere utilizzate per generare oggetti in uno qualsiasi dei domini originali. I puzzle di scacchi generati sono stati pubblicati anche su YouTube.

Creatività nella risoluzione dei problemi

La creatività è utile anche per consentire soluzioni insolite nella risoluzione dei problemi . In psicologia e scienze cognitive , quest'area di ricerca è chiamata problem solving creativo . La teoria della creatività dell'interazione esplicita-implicita (EII) è stata recentemente implementata utilizzando un modello computazionale basato su CLARION che consente la simulazione dell'incubazione e l' intuizione nella risoluzione dei problemi. L'enfasi di questo progetto di creatività computazionale non è sulla performance in sé (come nei progetti di intelligenza artificiale ) ma piuttosto sulla spiegazione dei processi psicologici che portano alla creatività umana e sulla riproduzione dei dati raccolti negli esperimenti di psicologia. Finora, questo progetto è riuscito a fornire una spiegazione degli effetti di incubazione in semplici esperimenti di memoria, informazioni sulla risoluzione dei problemi e riprodurre l'effetto di oscuramento nella risoluzione dei problemi.

Dibattito sulle teorie "generali" della creatività

Alcuni ricercatori ritengono che la creatività sia un fenomeno complesso il cui studio è ulteriormente complicato dalla plasticità del linguaggio che usiamo per descriverla. Possiamo definire "creativo" non solo l'agente della creatività, ma anche il prodotto e il metodo. Di conseguenza, si potrebbe affermare che non è realistico parlare di una teoria generale della creatività . Tuttavia, alcuni principi generativi sono più generali di altri, portando alcuni sostenitori ad affermare che alcuni approcci computazionali sono "teorie generali". Stephen Thaler, ad esempio, propone che alcune modalità delle reti neurali siano sufficientemente generative e sufficientemente generali da manifestare un alto grado di capacità creative.

Critica della creatività computazionale

I computer tradizionali, utilizzati principalmente nell'applicazione della creatività computazionale, non supportano la creatività, poiché trasformano fondamentalmente un insieme di parametri di input discreti e limitati in un insieme di parametri di output discreti e limitati utilizzando un insieme limitato di funzioni computazionali. In quanto tale, un computer non può essere creativo, poiché tutto ciò che è in output deve essere già presente nei dati di input o negli algoritmi. Per alcune discussioni correlate e riferimenti a lavori correlati sono catturati in alcuni lavori recenti sui fondamenti filosofici della simulazione.

Dal punto di vista matematico, Chaitin ha fatto lo stesso insieme di argomenti contro la creatività. Osservazioni simili provengono da una prospettiva di teoria dei modelli. Tutta questa critica sottolinea che la creatività computazionale è utile e può sembrare creatività, ma non è vera creatività, poiché non si crea nulla di nuovo, si trasforma semplicemente in algoritmi ben definiti.

Eventi

La Conferenza Internazionale sulla Creatività Computazionale (ICCC) si svolge ogni anno, organizzata dall'Associazione per la Creatività Computazionale. Gli eventi della serie includono:

  • ICCC 2018, Salamanca, Spagna
  • ICCC 2017, Atlanta, Georgia, USA
  • ICCC 2016, Parigi, Francia
  • ICCC 2015, Park City, Utah, Stati Uniti d'America. Keynote: Emily Short
  • ICCC 2014, Lubiana, Slovenia. Keynote: Oliver Deussen
  • ICCC 2013, Sydney, Australia. Keynote: Arne Dietrich
  • ICCC 2012, Dublino, Irlanda. Keynote: Steven Smith
  • ICCC 2011, Città del Messico, Messico. Keynote: George E Lewis
  • ICCC 2010, Lisbona, Portogallo. Keynote/Discussioni su invito: Nancy J Nersessian e Mary Lou Maher

In precedenza, la comunità della creatività computazionale ha tenuto un workshop dedicato, l'International Joint Workshop on Computational Creativity, ogni anno dal 1999. Gli eventi precedenti di questa serie includono:

  • IJWCC 2003, Acapulco, Messico, come parte di IJCAI'2003
  • IJWCC 2004, Madrid, Spagna, come parte di ECCBR'2004
  • IJWCC 2005, Edimburgo, Regno Unito, come parte dell'IJCAI'2005
  • IJWCC 2006, Riva del Garda, Italia, come parte di ECAI'2006
  • IJWCC 2007, Londra, Regno Unito, un evento a sé stante
  • IJWCC 2008, Madrid, Spagna, un evento a sé stante

Si terrà la prima conferenza sulla simulazione al computer della creatività musicale

  • CCSMC 2016, 17-19 giugno, Università di Huddersfield, Regno Unito. Keynote: Geraint Wiggins e Graeme Bailey.

Pubblicazioni e forum

Design Computing and Cognition è una conferenza che affronta la creatività computazionale. La conferenza ACM Creativity and Cognition è un altro forum per le questioni relative alla creatività computazionale. Il keynote di Journées d'Informatique Musicale 2016 di Shlomo Dubnov è stato sulla Creatività Teorica dell'Informazione.

Alcuni libri recenti forniscono una buona introduzione o una buona panoramica del campo della creatività computazionale. Questi includono:

  • Pereira, FC (2007). "Creatività e intelligenza artificiale: un approccio di fusione concettuale". Applicazioni della serie di linguistica cognitiva, Mouton de Gruyter.
  • Veale, T. (2012). "Esplodere il mito della creatività: i fondamenti computazionali della creatività linguistica". Accademico di Bloomsbury, Londra.
  • McCormack, J. e d'Inverno, M. (a cura di) (2012). "Computer e creatività". Springer, Berlino.
  • Veale, T., Feyaerts, K. e Forceville, C. (2013, di prossima pubblicazione). "La creatività e la mente agile: uno studio multidisciplinare di un fenomeno multiforme". Mouton de Gruyter.

Oltre agli atti di conferenze e workshop, la comunità della creatività computazionale ha finora prodotto questi numeri speciali di riviste dedicati all'argomento:

  • New Generation Computing , volume 24, numero 3, 2006
  • Journal of Knowledge-Based Systems , volume 19, numero 7, novembre 2006
  • AI Magazine , volume 30, numero 3, autunno 2009
  • Menti e macchine , volume 20, numero 4, novembre 2010
  • Computazione cognitiva , volume 4, numero 3, settembre 2012
  • AIEDAM , volume 27, numero 4, autunno 2013
  • Computers in Entertainment , due numeri speciali su Music Meta-Creation (MuMe), Autunno 2016 (di prossima pubblicazione)

Oltre a questi, è stata avviata una nuova rivista che si concentra sulla creatività computazionale nel campo della musica.

  • JCMS 2016, Journal of Creative Music Systems

Guarda anche

Elenchi

Riferimenti

Ulteriori letture

link esterno

Documentari