[论文解读] Creativity in the era of artificial intelligence

Philippe Esling, Ninon Devis|arXiv (Cornell University)|Aug 13, 2020

Creativity in Education and Neuroscience参考文献 50被引用 23

一句话总结

本文主张，人工智能不应仅仅模仿人类创造力，而应促进人机之间的协同创造伙伴关系，利用人工智能的计算能力，将创造力的边界拓展至人类认知能力的极限之外。通过整合社会科学研究中关于创造力的视角与计算模型，本文提出从以人为中心的模仿转向涌现的、分布式的协同创造系统，以增强而非取代人类创造力。

ABSTRACT

Creativity is a deeply debated topic, as this concept is arguably quintessential to our humanity. Across different epochs, it has been infused with an extensive variety of meanings relevant to that era. Along these, the evolution of technology have provided a plurality of novel tools for creative purposes. Recently, the advent of Artificial Intelligence (AI), through deep learning approaches, have seen proficient successes across various applications. The use of such technologies for creativity appear in a natural continuity to the artistic trend of this century. However, the aura of a technological artefact labeled as intelligent has unleashed passionate and somewhat unhinged debates on its implication for creative endeavors. In this paper, we aim to provide a new perspective on the question of creativity at the era of AI, by blurring the frontier between social and computational sciences. To do so, we rely on reflections from social science studies of creativity to view how current AI would be considered through this lens. As creativity is a highly context-prone concept, we underline the limits and deficiencies of current AI, requiring to move towards artificial creativity. We argue that the objective of trying to purely mimic human creative traits towards a self-contained ex-nihilo generative machine would be highly counterproductive, putting us at risk of not harnessing the almost unlimited possibilities offered by the sheer computational power of artificial agents.

研究动机与目标

• 通过超越人类模仿，重新定义人工智能在创造力中的角色，转向共生的协同创造系统。
• 解决当前人工智能在捕捉人类创造力中情境敏感性与定性特征方面的局限性。
• 探讨如何利用计算能力，不是复制人类认知，而是超越它。
• 研究人工智能作为生成工具的潜力，以拓展人类感知与认知边界之外的创造性探索领域。
• 基于代理之间涌现的、非线性的、反馈驱动的互动，提出人工智能在创造力中的一种新范式。

提出的方法

• 将创造力的社会学与认知科学视角与计算人工智能模型相结合，以挑战以人为中心的假设。
• 分析人工智能在处理创造力中情境依赖性与定性方面当前的局限性，特别是在音乐等领域的表现。
• 提出从‘数学实体化’（即模仿人类认知过程）转向在多智能体系统中建模涌现的、分布的行为。
• 强调协同创造系统中的非线性动力学与反馈回路，作为生成新颖、不可约创造性形式的机制。
• 以音乐作为研究模型，探讨抽象的、无监督的、高度结构化的创造性过程，这些过程难以通过任务导向的优化来实现。
• 倡导具备前瞻性、实时自适应能力的系统，通过代理知识与行为的持续协同进化，支持集体创造力的演化。

实验结果

研究问题

• RQ1 如何设计人工智能系统以支持协同创造互动，而非仅仅模仿人类的创造性行为？
• RQ2 当人工智能模型应用于艺术与音乐等情境敏感、定性领域时，其认识论与认知上的局限性是什么？
• RQ3 计算能力在何种方式下可被用于拓展而非复制人类的创造力潜能？
• RQ4 哪些机制能够促成多智能体系统中涌现的、非线性的、不可约的创造性行为？
• RQ5 人类与人工智能代理之间的反馈回路与交叉学习如何促成更丰富、更具适应性的创造性成果？

主要发现

• 当前的人工智能力模型在捕捉人类创造力的情境依赖性与定性特征方面存在根本性局限，尤其在缺乏明确目标的音乐等领埴更为显著。
• 单纯追求模仿人类创造性特质的人工智能，会导致狭窄的、局部极小值的优化路径，存在标准化与创造力贫乏的风险。
• 人工智能的真正潜力不在于复制人类认知，而在于将创造性探索的搜索空间拓展至人类感知与认知能力的极限之外。
• 依赖非线性动力学与反馈回路的协同创造系统，能够生成涌现的、连贯的行为，这些行为无法还原为单个代理行为的总和。
• 将社会科学见解整合到计算模型中，揭示了创造力源于复杂、分布式互动，而非孤立的生成过程。
• 从以单个代理为中心的设计转向系统层面的协同进化，能够实现更具适应性、韧性与创新性的创造性成果。