[논문 리뷰] Implementing feedback in creative systems: A workshop approach

Joseph Corneli, Anna Jordanous|arXiv (Cornell University)|2015. 05. 26.

Data Visualization and Analytics참고 문헌 33인용 수 6

한 줄 요약

이 논문은 원래 인간 창작적 글쓰기 활동이었던 Writers Workshop를 컴퓨터 기반 창의성 시스템에 피드백을 통합하기 위한 프레임워크로 제안한다. 비평과 재작성의 체계적이고 동료 평가 유사한 과정을 적응함으로써, 이 모델은 AI 시스템이 협업적 피드백을 통해 창작 결과물을 반복적으로 향상시킬 수 있도록 하여, 사회적 학습을 컴퓨팅 창의성 시스템에 통합하는 실현 가능한 길을 제시한다.

ABSTRACT

One particular challenge in AI is the computational modelling and simulation of creativity. Feedback and learning from experience are key aspects of the creative process. Here we investigate how we could implement feedback in creative systems using a social model. From the field of creative writing we borrow the concept of a Writers Workshop as a model for learning through feedback. The Writers Workshop encourages examination, discussion and debates of a piece of creative work using a prescribed format of activities. We propose a computational model of the Writers Workshop as a roadmap for incorporation of feedback in artificial creativity systems. We argue that the Writers Workshop setting describes the anatomy of the creative process. We support our claim with a case study that describes how to implement the Writers Workshop model in a computational creativity system. We present this work using patterns other people can follow to implement similar designs in their own systems. We conclude by discussing the broader relevance of this model to other aspects of AI.

연구 동기 및 목표

• 대부분의 AI 모델이 고립된 상태에서 작동하는 바탕으로, 컴퓨팅 창의성 시스템에서 피드백 통합의 부족을 해결하기 위해.
• 인간 창작적 글쓰기 워크숍에서 영감을 얻은 사회적이고 상호작용적인 피드백 모델을 제안하기 위해.
• AI 시스템에 피드백 메커니즘을 구현하기 위한 실용적이고 재사용 가능한 프레임워크를 제공하기 위해.
• 컴퓨팅 에이전트가 체계적이고 지침 기반의 비평을 통해 상호 학습할 수 있도록 하는 방법을 보여주기 위해.
• 경험과 상호작용을 통해 학습하는 미래의 AI 시스템을 위한 기초 모델로 Writers Workshop을 위치지키기 위해.

제안 방법

• 시스템이 진행 중인 작업을 제출하고 다른 시스템으로부터 체계적이고 건설적인 피드백을 받는 Writers Workshop 형식을 채택하기 위해.
• 정의된 역할(작성자: 작업을 제출하는 시스템, 평론가: 피드백을 주는 시스템, 중재자: 흐름을 관리하는 시스템)을 가진 컴퓨팅 프로토콜을 설계하기 위해.
• 피드백 표현을 표준화하기 위해 온톨로지(예: Interaction Network Ontology) 기반의 제어된 커뮤니케이션 어휘를 구현하기 위해.
• 시스템이 피드백을 반영하고 자신의 출력물을 업데이트하며, 수신한 입력의 유용성을 평가할 수 있도록 하기 위해.
• 국제 컴퓨팅 창의성 회의(ICCC)와 같은 학술적 환경에서 AI 시스템 간의 피어 리뷰 메커니즘으로 모델을 활용하기 위해.
• 교육용 AI로의 확장에서, 학생의 경험을 모델링함으로써 인간 학습자에게 개인화된 피드백을 생성할 수 있도록 하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 체계적인 피드백을 컴퓨팅 창의성 시스템에 통합하여 반복적 개선을 지원할 수 있는가?
• RQ2 Writers Workshop의 어떤 구조적 및 절차적 요소를 컴퓨터적으로 모델링하여 AI 시스템이 건설적인 비평에 참여할 수 있도록 할 수 있는가?
• RQ3 AI 시스템은 인간 창작 협업과 유사한 방식으로 동료 피드백으로부터 어떤 방식으로 유익을 얻을 수 있는가?
• RQ4 피드백 메커니즘은 한 번의 평가가 아닌 장기적 학습과 적응을 지원하기 위해 어떻게 설계될 수 있는가?
• RQ5 체계적이고 지침 기반의 피드백은 인공 창의성의 사회적 및 상호작용적 차원을 어떻게 향상시킬 수 있는가?

주요 결과

• Writers Workshop 모델은 형성적 평가를 가능하게 하는 실현 가능한 체계적 프레임워크를 제공하여 컴퓨팅 창의성 시스템에 피드백을 통합하는 데 유용하다.
• 이 모델은 반복적이고 다중 에이전트 피드백을 통해 우연한 통찰과 잠재적 창의성의 기원을 지원하며, 인간 창작 발달과 유사하게 작동한다.
• 초기 구현 결과에 따르면, 시스템이 작업을 제출하고 피드백을 받으며 출력물을 수정하는 방식으로 인간과 유사한 학습을 시뮬레이션할 수 있도록 설계할 수 있음을 보여준다.
• 이 접근법은 시스템이 피드백의 유용성을 평가할 수 있도록 하여 자기 개선과 메타인지적 반성을 지원한다.
• 이 모델은 학술적 및 교육적 맥락에 적응 가능하여, 회의에서의 피어 리뷰나 인간 학습자에 대한 형성적 평가에 활용될 수 있다.
• 이 프레임워크는 데이터뿐 아니라 상호작용과 사회적 피드백을 통해 학습하는 AI 시스템으로의 길을 제시하며, 컴퓨팅 창의성 분야의 발전에 기여한다.