[논문 리뷰] The Digital Synaptic Neural Substrate: A New Approach to Computational Creativity

Azlan Iqbal, Matej Guid외 4명|arXiv (Cornell University)|2015. 07. 25.

Creativity in Education and Neuroscience참고 문헌 55인용 수 5

한 줄 요약

이 논문은 체스 퍼즐, 음악, 그림, 사진과 같은 다양한 분야의 수치적 특성들을 재조합하여 새로운 미학적 품질이 높은 체스 퍼즐을 생성하는 AI 프레임워크인 디지털 시냅스 신경 기반구조(DSNS)를 소개한다. 계산 기반의 미학 모델과 전문가 평가를 통해 DSNS는 인간 전문가 수준이거나 그 이상의 품질을 지닌 3수 체스 퍼즐을 생성했으며, 낮은 품질의 체스 게임 데이터로도 훈련된 경우에도 성능을 유지하여 계산 기반 창의성의 다중 도메인 특성 전이를 입증한다.

ABSTRACT

We introduce a new artificial intelligence (AI) approach called, the 'Digital Synaptic Neural Substrate' (DSNS). It uses selected attributes from objects in various domains (e.g. chess problems, classical music, renowned artworks) and recombines them in such a way as to generate new attributes that can then, in principle, be used to create novel objects of creative value to humans relating to any one of the source domains. This allows some of the burden of creative content generation to be passed from humans to machines. The approach was tested in the domain of chess problem composition. We used it to automatically compose numerous sets of chess problems based on attributes extracted and recombined from chess problems and tournament games by humans, renowned paintings, computer-evolved abstract art, photographs of people, and classical music tracks. The quality of these generated chess problems was then assessed automatically using an existing and experimentally-validated computational chess aesthetics model. They were also assessed by human experts in the domain. The results suggest that attributes collected and recombined from chess and other domains using the DSNS approach can indeed be used to automatically generate chess problems of reasonably high aesthetic quality. In particular, a low quality chess source (i.e. tournament game sequences between weak players) used in combination with actual photographs of people was able to produce three-move chess problems of comparable quality or better to those generated using a high quality chess source (i.e. published compositions by human experts), and more efficiently as well. Why information from a foreign domain can be integrated and functional in this way remains an open question for now. The DSNS approach is, in principle, scalable and applicable to any domain in which objects have attributes that can be represented using real numbers.

연구 동기 및 목표

• 다양한 소스에서 특성을 재조합함으로써 다양한 도메인에서 창의적 산출물을 생성할 수 있는 확장 가능한 AI 프레임워크를 개발하는 것.
• 체스 퍼즐 제작과 같이 미학적 품질이 주관적이지만 측정 가능한 분야에서 창의적 콘텐츠 생성을 자동화하는 데 도전하는 것.
• 비체스 도메인(예: 사진, 음악)의 특성이 고급 체스 구성에 의미 있게 기여할 수 있는지 탐구하는 것.
• 자동화된 계산 기반의 미학 모델과 인간 전문가 평가를 모두 활용하여 DSNS 접근법의 효과성을 평가하는 것.

제안 방법

• DSNS 프레임워크는 체스 퍼즐, 고전 음악, 그림, 사진과 같은 다양한 도메인의 물체들에서 수치적 특성(예: 대칭성, 균형, 복잡성)을 추출한다.
• 시냅스 가소성에 영감을 받은 신경형 아키텍처를 사용하여 이러한 특성을 재조합함으로써 원본 데이터에 존재하지 않는 새로운 조합을 가능하게 한다.
• 재조합된 특성들을 유효한 3수 체스 퍼즐의 구조로 매핑함으로써 새로운 체스 퍼즐을 생성한다.
• 생성된 퍼즐은 계산 기반 체스 미학 모델을 통해 자동으로 평가되며, 미학적 품질에 대한 정량적 측정치를 제공한다.
• 인간 전문가들은 생성된 퍼즐의 예술적 가치를 평가하여 모델의 출력이 도메인 전문 기준과 일치하는지 검증한다.
• 이 접근법은 특성이 실수값 벡터로 표현될 수 있는 모든 도메인에 대해 확장 가능하고 적용 가능하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 고전 음악과 시각 예술과 같은 비체스 도메인의 특성들이 체스 퍼즐 기능과 효과적으로 재조합되어 새로운 고미학적 품질의 체스 구성으로 이어질 수 있는가?
• RQ2 약한 플레이어 간의 게임 데이터(예: 낮은 품질의 체스 데이터)로 훈련된 DSNS 프레임워크가 인간 전문가의 뛰어난 작품과 비교해도 동등하거나 그 이상의 품질의 체스 퍼즐을 생성할 수 있는가?
• RQ3 다중 도메인 특성 재조합이 목표 도메인의 인간 전문가들이 가치 있다고 느끼는 창의적 산출물로 이어질 정도로 어느 정도의 영향을 미치는가?
• RQ4 특성이 수치적 특성으로 표현될 수 있는 도메인이라면 DSNS 접근법이 다양한 도메인에 일반화될 수 있는가?

주요 결과

• DSNS 프레임워크는 인간이 만든 퍼즐과 비교하거나 그 이상의 품질을 지닌 3수 체스 퍼즐을 성공적으로 생성했다.
• 약한 플레이어의 낮은 품질의 체스 게임 시퀀스로 훈련된 경우에도 DSNS는 계산 모델과 인간 전문가 모두로부터 높은 품질로 평가받는 퍼즐을 생성했다.
• 특히 사람의 사진에서 유래한 특성들의 통합이 창의적 산출물의 품질을 크게 향상시켜, 다중 도메인 전이 가능성의 증거가 되었다.
• 평가에 사용된 계산 기반의 미학 모델은 인간 전문가의 판단과 강한 상관관계를 보였으며, 이는 자동 평가에 대한 신뢰성을 입증했다.
• 시스템은 생성 효율성이 뛰어나 전통적인 인간의 구성 방식보다 더 빠르게 고품질의 퍼즐을 생성했다.
• 결과적으로 외부 도메인의 특성이 창의적 생성에 의미 있게 작용할 수 있음을 시사하지만, 이러한 통합이 작동하는 근본적인 메커니즘은 아직 미해결 과제로 남아 있다.