[论文解读] 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 33

一句话总结

本文提出了一种数据驱动的计算创造力系统，利用来自烹饪食谱、化学信息学和享乐心理物理学的大数据，生成新颖且高质量的食谱与菜单。通过结合贝叶斯惊讶（Bayesian surprise）以衡量新颖性、心理物理学模型以预测风味，以及主题建模以确保菜单多样性，该系统实现了稳健的选择性步骤——克服了先前研究中的一个关键局限——生成的食谱在人类评价中被认为比现有食谱更具创造力。

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.

研究动机与目标

• 解决计算创造力领域长期存在的挑战：为筛选高质量、新颖创意提供有效的选择性步骤。
• 整合多样化的数据源——烹饪食谱、分子食品化学和享乐心理感知——构建统一的系统以支持创意设计。
• 通过混合主动性框架，实现实时、半自主的人机协同创意过程。
• 证明大数据分析可在可扩展、模块化的系统中同时支持创造力的生成与评估阶段。
• 通过人类评估和烹饪领域专家反馈，验证系统的有效性。

提出的方法

• 该系统采用三组件架构：设计者（生成创意）、评估者（评估质量和新颖性）和规划者（规划菜单），均由领域知识数据库提供支持。
• 新颖性通过信息论函数贝叶斯惊讶（Bayesian surprise）进行度量，该方法基于感知预期中的预测误差来量化吸引注意力的新颖性。
• 风味质量通过基于享乐心理物理学数据训练的回归模型进行预测，建立分子化合物与人类口味偏好之间的关联。
• 化学信息学数据使系统能够在分子层面建模食材的相容性，从而支持食谱生成。
• 菜单多样性通过主题建模进行评分，其中每道食谱被表示为一组主题概率向量，多样性通过食谱间距离度量（如欧几里得距离）计算。
• 系统可在自主模式和半自主模式下运行，支持人类与机器共同创作的混合主动性交互。

实验结果

研究问题

• RQ1 大数据分析能否克服计算创造力系统中缺乏有效选择性步骤的问题？
• RQ2 如何整合烹饪、化学和心理物理学等异构数据源，以同时支持创意生成与评估？
• RQ3 贝叶斯惊讶和心理物理学模型在多大程度上能够预测人类对食谱新颖性和风味质量的感知？
• RQ4 主题建模能否有效建模并优化多道菜菜单的多样性？
• RQ5 与人工精选的食谱相比，该系统在感知创造力和质量方面表现如何？

主要发现

• 该系统成功生成了新颖的烹饪食谱，例如‘开曼岛木薯甜点’（Caymanian Plantain Dessert），其在在线数据库中被评价为比现有食谱更具创造力，方法与共识评估技术（Consensual Assessment Technique）相似。
• 来自酒店、餐厅和烹饪学校的专业厨师表示，该系统帮助他们探索了食品设计中的全新创意可能性。
• 化学信息学与享乐心理物理学数据的整合，实现了对口味偏好的精确预测，从而支持高质量食谱的生成。
• 使用贝叶斯惊讶作为新颖性度量，有效捕捉了引人注目的、非显而易见的食材组合，显著提升了系统生成真正新颖创意的能力。
• 基于主题建模的多样性评分机制成功生成了主题多样性高的菜单，其多样性通过主题空间中食谱间的距离测量得到验证。
• 该系统表现出实时性能，运行速度与人类思维同步，有效支持了创意过程中的有效人机协作。