[논문 리뷰] A Big Data Approach to Computational Creativity

Lav R. Varshney, Florian Pinel외 4명|arXiv (Cornell University)|2013. 11. 05.

Creativity in Education and Neuroscience참고 문헌 41인용 수 33

한 줄 요약

이 논문은 요리 레시피, 화학정보학, 헤도닉 심리물리학 분야의 대량 데이터를 활용하여 새로운 고급 요리와 메뉴를 생성하는 데이터 기반 계산적 창의성 시스템을 제안한다. 베이지안 놀라움을 통해 새로운 아이디어를 평가하고, 심리물리 모델을 통해 풍미를 예측하며, 토픽 모델링을 통해 메뉴의 다양성을 확보함으로써, 이전 연구에서의 핵심 한계를 극복하는 강력한 선택 단계를 달성하여, 기존 요리보다 더 창의적으로 평가된 요리를 생성한다.

ABSTRACT

Computational creativity is an emerging branch of artificial intelligence that places computers in the center of the creative process. Broadly, creativity involves a generative step to produce many ideas and a selective step to determine the ones that are the best. Many previous attempts at computational creativity, however, have not been able to achieve a valid selective step. This work shows how bringing data sources from the creative domain and from hedonic psychophysics together with big data analytics techniques can overcome this shortcoming to yield a system that can produce novel and high-quality creative artifacts. Our data-driven approach is demonstrated through a computational creativity system for culinary recipes and menus we developed and deployed, which can operate either autonomously or semi-autonomously with human interaction. We also comment on the volume, velocity, variety, and veracity of data in computational creativity.

연구 동기 및 목표

• 계산적 창의성 분야에서 높은 품질의 새로운 아이디어를 걸러내는 유효한 선택 단계를 확보하는 데 장기적인 과제를 해결하기 위해.
• 요리 레시피, 분자 음식 화학, 헤도닉 풍미 인식이라는 다양한 데이터 소스를 통합하여 창의적 설계를 위한 유일한 시스템을 구축하기 위해.
• 혼합 주도형 프레임워크를 통해 인간과 기계 간 실시간으로 반자동으로 협업할 수 있도록 창의적 과정을 지원하기 위해.
• 대량 데이터 분석이 확장 가능하고 모듈화된 시스템에서 창의성의 생성 및 평가 단계를 뒷받침할 수 있도록 하기 위해.
• 요리 분야에서 인간 평가 및 전문가 피드백을 통해 시스템의 효과성을 검증하기 위해.

제안 방법

• 시스템은 도메인 지식 데이터베이스에서 공급되는 세 구성 요소 아키텍처를 사용한다: 설계자(아이디어 생성), 평가자(품질 및 신선도 평가), 기획자(메뉴 기획), 모두가 이 시스템에 기반한다.
• 신선도는 정보 이론적 기반의 베이지안 놀라움 기능을 사용하여 측정되며, 감각적 기대의 예측 오차에 기반해 주목을 끄는 새로운 아이디어를 정량화한다.
• 풍미 품질은 헤도닉 심리물리학 데이터 기반의 회귀 모델을 통해 예측되며, 분자 화합물과 인간의 미각 선호도 간의 관계를 연결한다.
• 화학정보학 데이터를 통해 성분 간의 분자 수준의 호환성을 모델링함으로써 요리 생성에 기여한다.
• 메뉴의 다양성은 토픽 모델링을 통해 평가되며, 각 요리는 주제 확률의 벡터로 표현되고, 다양성은 상호 요리 간 거리 측도(예: 유클리드 거리)를 통해 계산된다.
• 시스템은 자율적 및 반자동 모드 모두에서 작동하며, 인간과 기계가 공동으로 창작하는 혼합 주도형 상호작용을 지원한다.

실험 결과

연구 질문

• RQ1 대량 데이터 분석이 계산적 창의성 시스템에서 유효한 선택 단계의 부재를 극복할 수 있는가?
• RQ2 요리, 화학, 심리물리학 분야의 다각적인 데이터 소스는 어떻게 통합되어 아이디어 생성과 평가를 지원할 수 있는가?
• RQ3 베이지안 놀라움과 심리물리 모델은 요리에서 인간이 느끼는 새로운 느낌과 풍미 품질을 얼마나 정확히 예측할 수 있는가?
• RQ4 토픽 모델링은 다코스 메뉴의 다양성을 효과적으로 모델링하고 최적화할 수 있는가?
• RQ5 시스템의 성능는 인간이 기획한 요리에 비해 창의성과 품질 측면에서 어떻게 평가되는가?

주요 결과

• 시스템은 캐이맨 섬의 바나나 디저트와 같은 새로운 요리 레시피를 성공적으로 생성하였으며, 일관된 평가 기법을 사용한 온라인 레지스트리에서 기존 요리보다 더 창의적으로 평가되었다.
• 호텔, 레스토랑, 요리 학교 소속 전문 요리사들은 시스템이 그들의 요리 설계에서 새로운 창의적 가능성을 탐색하는 데 도움이 되었다고 보고했다.
• 화학정보학과 헤도닉 심리물리학 데이터의 통합은 풍미 선호도의 정확한 예측을 가능하게 하여 고급 요리 생성을 뒷받침했다.
• 베이지안 놀라움을 새로운 아이디어 측정 지표로 사용함으로써 주목을 끄는 비직관적인 조합을 효과적으로 포착하여, 진정으로 새로운 아이디어를 생성하는 데 기여했다.
• 토픽 모델링 기반의 다양성 평가 메커니즘이 주제 공간 내 요리 간 거리 측도로 측정된 바와 같이, 높은 주제적 다양성을 지닌 메뉴를 성공적으로 생성하였다.
• 시스템은 실시간 성능를 보였으며 인간의 사고 속도에 맞춰 작동하여 창의적 과정에서 효과적인 인간-기계 협업을 가능케 하였다.