[論文レビュー] A Big Data Approach to Computational Creativity

Lav R. Varshney, Florian Pinel+4 more|arXiv (Cornell University)|Nov 5, 2013

Creativity in Education and Neuroscience参考文献 41被引用数 33

ひとこと要約

本論文は、料理レシピ、ケモインフォマティクス、快楽的心理学のビッグデータを活用して、新規で高品質なレシピやメニューを生成するデータ駆動型の計算的創造性システムを提案する。ベイジアンサプライズを用いたノベルティ評価、心理物理学モデルによるフレーバー予測、トピックモデリングによるメニューの多様性管理を統合することで、先行研究の主な限界である有効な選択ステップを克服し、人間の専門家による評価でも既存のレシピよりも創造的とされる結果を得た。

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.

研究の動機と目的

• 計算的創造性分野における長年の課題である、高品質で新規なアイデアを効果的にフィルタリングするための有効な選択ステップを達成すること。
• 料理レシピ、分子食品化学、快楽的フレーバー認識といった多様なデータソースを統合し、一元的なシステムとして創造的デザインを実現すること。
• 混合イニシアチブフレームワークを用いて、人間と機械の間でリアルタイムで部分的に自律的かつ協働的に創造プロセスを遂行できる仕組みを提供すること。
• ビッグデータ分析が、スケーラブルでモジュラーなシステムとして、創造プロセスの生成段階と評価段階の両方を支援できることを示すこと。
• 料理分野における人間による評価と専門家のフィードバックを通じて、本システムの有効性を検証すること。

提案手法

• 本システムは、ドメイン知識データベースに供給される3つのコンponent（デザイナー：アイデア生成、アセッサー：品質とノベルティ評価、プランナー：メニュー計画）から成るアーキテクチャを採用している。
• ノベルティは、知覚的期待の予測誤差に基づき、注意を惹くような新規性を定量化する情報理論的関数であるベイジアンサプライズによって測定される。
• フレーバー品質は、快楽的心理学データに基づいて訓練された回帰モデルを用いて予測され、分子化合物と人間の嗜好の関係を結びつける。
• ケモインフォマティクスデータにより、分子レベルでの材料の相性をモデル化し、レシピ生成に活用できる。
• メニューの多様性スコアはトピックモデリングを用いて算出され、各レシピがトピック確率のベクトルとして表現され、多様性はレシピ間の距離メトリクス（例：ユークリッド距離）によって計算される。
• 本システムは自律的モードとセミ自律的モードの両方で動作し、人間と機械が共同で創造を生み出す混合イニシアチブ型の相互作用を支援する。

実験結果

リサーチクエスチョン

• RQ1 ビッグデータ分析は、計算的創造性システムにおける有効な選択ステップの欠如を克服できるか？
• RQ2 料理、化学、心理学的データといった異なるデータソースを、アイデア生成と評価の両段階で統合的に活用できるか？
• RQ3 ベイジアンサプライズと心理物理学モデルは、レシピにおける人間のノベルティとフレーバー品質の認識をどの程度正確に予測できるか？
• RQ4 トピックモデリングは、多品目メニューにおける多様性を効果的にモデル化・最適化できるか？
• RQ5 本システムのパフォーマンスは、人間がキュレートしたレシピと比較して、創造性と品質の観点でどの程度優れているか？

主な発見

• 本システムは、ケイマン諸島のマナゴスイーツなど、新規な料理レシピを効果的に生成した。オンラインレポジトリの既存レシピと比較して、コンセンサスアセスメント技法に類似した手法で、専門家による評価でより創造的とされた。
• ホテル、レストラン、料理学校のプロのシェフらは、本システムが食事デザインにおける新たな創造的展開を可能にしたと報告した。
• ケモインフォマティクスと快楽的心理学データの統合により、嗜好の正確な予測が可能となり、高品質なレシピ生成を支援した。
• ベイジアンサプライズをノベルティ指標として用いることで、注目を惹くような非自明な組み合わせが的確に捉えられ、本システムが真正に新規なアイデアを生み出す能力を高めた。
• トピックモデリングに基づく多様性スコアリング機構により、トピック空間におけるレシピ間距離を測定した結果、高いテーマ的多様性を持つメニューが効果的に生成された。
• 本システムはリアルタイムでの動作を実現し、人間の思考速度に準拠した速度で動作し、創造プロセスにおける人間と機械の有効な協働を可能にした。