创造力与人工智能

创意与人工智能Margaret A.Boden摘要创造力是人类智力的基本特征，并为人工智能的挑战。

人工智能技术，可用于创建新的想法在三个方面：通过熟悉的想法生产的新组合;通过探索概念空间的潜力，并使通过转换，使以前不可能的想法产生。

AI会比它们的评价较少的自动化建模的新思路产生的困难，1998年Elsevier科学BV公司保留所有权利。

1。

为什么我一定要设法模式的创新问题创造力是人类智力的基本特征，以及对人工智能不可避免的挑战。

即使是技术型的AI不能忽视它，创意方案可以在实验室或在商场上，非常有用。

并且AI模型作为认知科学的一部分（或考虑）可以帮助心理学家，以了解它有可能为人类的头脑，勇于创新。

、创造力不是一个特殊的“教员“，也不是心理属性限制在一个狭小的精英。

相反，它是一种在一般人的智力功能。

它植根于日常生活能力，如联想的思路，提醒，感知，类比思考，寻找一个结构性的问题空间，和反射自我批评。

它不仅涉及一个认知维度（新思路一代），而且动机和情感，是密切相关的文化背景和个性因素[3]。

当前人工智能的创造性模式主要侧重于认知层面。

一个创意，是一些新颖，令人惊讶的，有价值的（有趣的，有用的美。

）。

但“新型“，这里有两个重要的不同感觉。

这个想法可能就只对有关个人（或AI系统）的心态，或者，只要我们知道，以往全部的历史。

前者一种新奇的生产能力可称为P-创意（心理上的规划），后者的H-创意（由于历史高）。

P-创意是更根本的概念，其中H型创新是一个特例。

认可机构应主要集中在P-创造力。

如果这一点它管理的模型在一个强大的方式，那么人为的H-创造性，在某些情况下发生，事实上，它已拥有，正如我们将看到的。

（在下文中，我将不使用的信中，前缀：通常，它是P-创造性有争议的。

）2。

三种类型的创造力主要有三种类型的创造力，涉及新想法产生不同的方式。

在每一个惊喜的三个结果，但只有一个在欢迎一个显然不可能思想（第三个）可导致“休克的惊喜，[2]。

所有类型包括一些H-创造性的例子，在历史的创造者庆祝书比较重视对他们的在第三类的创造力的成就的尊重。

第一类涉及到熟悉的想法新型（不可能）的组合。

让我们称此为“组合“的创意。

例子包括很多意境，也比喻，其中，新联系的两个概念有着一些固有的概念结构。

类比是探索和发展，有时在一些长度，修辞或解决问题的目的。

但是，即使仅仅一代人，或升值的一个恰当的比喻，涉及（不一定意识）明智的结构图，结构的相似性，即不仅注意，但在他们的力量和深度来判断。

第二和第三类是紧密联系在一起的，更接近对方要么是比第一个。

他们是“探索性“和“转型“的创造力。

前者涉及的新型观念由结构性概念空间探索的一代。

这经常导致在结构（“思想“），不仅是新型，但出人意料。

人们可以立即看到，但是，它们满足的思想作风有关的能力。

后者涉及到的一些空间（一个或多个）维改造，使新的结构可以产生可能没有发生过。

更基本的层面而言，和更强大的改造，更令人惊讶的新思路会。

创造力的阴影这两种形式互相进入，因为人类太空探索可以包括最小的“扭捏“相当肤浅的限制。

调整和转换之间的区别是在一定程度上判断的问题，但更明确的空间，可以更清楚这种区别。

许多人，包括（例如）最专业的科学家，艺术家和爵士乐音乐家作出公正尊重创造性的探索出的生活。

也就是说，他们继承了他们的文化思想，，也许从它表面接受的样式调整，然后搜索它，探索其内容，范围，和潜力。

但人类有时变换接受的概念空间，通过改变或删除，或加入新的一个又一个的尺寸（或以上）。

这种转变使思想是生成的（相对于该概念空间）以前是不可能的。

更根本的转变，和/或更根本的是改变维，更多不同的新的可能结构会。

在惊愕震惊，参加这样的（以前是不可能的）想法是远远大于单纯的即兴可能力引起更大的惊喜，但他们可能是意外。

如果变换过于极端，新旧之间的关系和新的空间将不会立即显现出来。

在这种情况下，新结构将难以理解的，而且很可能拒绝。

事实上，它可能需要一些两者的认可和普遍接受的时间空间的关系。

3。

创造力的计算机模型创造力的计算机模型，其中包括所有三种类型的例子。

到目前为止，在第二个（探索）型集中，那是最成功的。

这并不是说，探索创意是很容易繁殖。

相反，它通常需要大量的领域的专业知识和分析能力来定义空间概念放在首位，并指定程序，使其潜力有待探索。

但是，组合和变革创新更是遥遥无期。

造成这种情况的原因，简单来说，是接近人类丰富的联想记忆困难，并确定我们的价值观和在计算的形式表达他们的困难。

前者难度试图模拟组合的创造力。

后者在任何困难出席创意型的努力的，但特别是在第三个（见第4段）有问题。

组合创意是由人工智能研究（例如）笑话和比喻的研究。

这些都需要一定的语义网络进行排序，或者作为其地面相互联系的知识基础。

显然，它们将退出这样的信号随机协会很简单。

但是，一个协会可能不会讲，或在适当的范围内。

对于所有不是“自由联合“等组合的任务，性质和联想连接结构也很重要。

理想的情况下，每一个组合方案的产品应至少最低限度容易，以及原创的各种组合应该由人工智能系统课税。

最近，而且比较成功，人工智能生成（组合）幽默的例子是Jape，用于产生双关语灯谜程序[一]。

Jape生产，如笑话九个一般句子形式的基础上，：什么时候，你得到交叉与X的Y;什么X的种类有Y;什么样的X可以Ÿ;一个X和Y有什么区别吗？语义网络程序使用集成了语音，语义，语法和拼写的知识。

这些方面的不同的词组合使用，在明显的结构化方法，用于生成每个笑话型。

由Jape产生的灯谜的例子包括：（问）什么样的凶手有纤维？（A）一个谷物杀手;（问）你叫一个陌生的市场？（A）一个奇怪的街;（问）你叫一个郁闷的火车？（A）低俗;及（问）有什么区别叶和汽车的区别？（A）你把刷和耙，其他的,你匆匆和制动。

这些可能无法发送到我们的发作笑声，尽管在一个宽松的社会环境，其中的一个或两个可能。

但它们都是有趣足以使苦笑欣赏的呻吟声。

宾斯特德做了一系列的心理测试系统，比较人们对Jape的灯谜他们接受的反应与人类起源于笑话图书出版的笑话。

她还相比之下，由随机组合产生的“非笑话“Jape的产品。

她发现，例如，儿童是最欣赏这样的幽默，能分辨笑话（包括Jape的谜语）和非笑话。

虽然他们普遍认为比Jape的人类起源的笑话有趣，这种差异消失，如果Jape修剪，这样才能以最少的成功省略图式产生的项目。

在人类笑话图书出版的谜语是高度选择的只有那些撰文，认为合理的滑稽会出现再打印。

宾斯特德已成立自己是一个具有挑战性的任务：确保每Jape的笑话之一将是有趣的。

她的跟踪研究表明，尽管没有被认为是特大有趣，很少产生任何反应。

与此相反，其他一些铝型号的创造力如AM[161，那里有新生成的结构的很大一部分还没有思想的人有趣。

这并不意味着所有铝创造性建模应该效法宾斯特德的野心。

这是尤其如此，如果系统是用于人类交互方式，以帮助促使他们去思考，否则他们可能没有考虑自己的创意想法。

一些“不成功“的产品应在任何情况下允许的，甚至人类的创造者，往往产生二流，甚至不恰当的想法。

Jape的成功是由于这一事实，即它的笑话，模板和生成图式是非常有限的。

宾斯特德确定了现实生活中的谜语不属于并联在Jape，其（可靠滑稽）的实现是不是在可预见的未来可能发生的一些方面。

为了将这些方面，以便产生有趣的笑话是可靠的评价会提高棘手的问题（见第4节）。

至于禽流感，类比模型，其中大部分产生和评估一般使用域映射规则，适用于心理学实验的概念（如[7,12,13]）。

这些模型的创建者相比，一些与他们的的心理学实验的结果，声称在其领域的一般方法支持大量的证据[8]。

在这些模型中之间存在着一个概念，而它的概念映射到其他一些明显的区别。

这两个概念所涉及的比喻通常保持不变。

有些的AI-类比模型允许一个概念更加灵活的代表性。

一个例子是山寨方案，广泛联结系统之间的字母信弦[11,18]类比的样子。

山寨的概念是字符串上下文敏感的描述，例如“mmpprr“和”klmmno “。

两个M的在刚上市会被山寨描述为一对，第一个字符串，但在第二串者，将被作为最终的两个不同的三胞胎点所述。

有人可能会说，山寨将“最终”形容他们在这些方面。

对于它的概念演变的加工收益。

这项研究是遵循的理论假设，即看到一个新的比喻是多少，作为一种新的方式感知的东西一样。

所以，山寨不依赖于现成的，固定的，交涉，但建在一个上下文敏感的方式自己：新的类比，新观念，共同发展。

一个半建成的描述，这似乎是映射到新生的比喻也得以保持，并进一步发展。

一个似乎是死路一条的标题是放弃，而另一种是利用不同的方面开始。

该模型允许一个（或多或少大胆）的产生，并评估各种类比。

在何种程度上是显而易见的类比或牵强附会可以通过系统参数改变的手段之一。

无论是在山寨中使用的方法是可取的更一般形式的（域干事）映射是有争议的。

霍夫斯塔特[11]批评假设概念是不变的，缺乏灵活性，并保证所要求的比喻（等等）将由概念上有必要的结构和内置的映射规则集中发现的其他小交涉比喻的AI-模型与此相反的阵营反驳这些指控[8]。

他们认为，以确定高层次的认知类比思考，如霍夫斯塔特那样，是使用一种模糊的，误导的比喻：类比映射，他们坚持认为，是一个域的一般过程，必须从概念区别解析代表性。

他们指出，最详细的公布帐户山寨[18]只提供了这样的分析，描述为有别于代表建设程序，虽然有，代表性，比较模块进行交互。

他们报告说，结构绘图引擎（中小企业），例如，可以成功地表述是“非常大”，与山寨的，其中一些是由其他系统为目的，建立独立的比较使用。

他们比较了“块世界”20世纪70年代的场景分析，忽略了有趣的复杂性在现实世界（噪声）最山寨的字母微观世界。

虽然他们的早期模型不允许在概念结构的变化，作为对模拟结果，他们指的工作学习（使用中小型企业），涉及图式的抽象，推理的预测，并重新表示[9]进程。

此外（如说以上），他们声称他们的心理支持他们的实验方法来模拟。

例如，他们说有证据表明，内存访问，其中一个是一个（缺席）模拟提醒，取决于心理过程，与相似种，涉及显着的映射关系，同时提出两个类似物的不同。

陪审团仍然就这争议。

不管怎么样，它可能没有必要对任何一方绝对丰满。

我的预感是，山寨的做法是更接近人类的思维流体的复杂性。

但类比领域的一般原则可能是重要的。

而这些大概是丰富了许多领域的具体过程。

（当然，人类如何检索和解释比喻很可能会有所帮助。

心理学研究的）总之，即使组合创造力，也可以，一个高度复杂的问题。

创造性的探索和变革类型也可以建模，人工智能，系统。

对于概念空间，探索和修改它们的办法，可以计算的概念来描述。

创造性的探索和变革类型也可以建模，人工智能，系统。

对于概念空间，探索和修改它们的办法，可以计算的概念来描述。