[论文解读] Modelling serendipity in a computational context

Joseph Corneli, Anna Jordanous+3 more|arXiv (Cornell University)|Nov 3, 2014

Computability, Logic, AI Algorithms参考文献 170被引用 24

一句话总结

本文提出一个六阶段框架——感知、注意、兴趣、解释、连接与估值——以在自主计算系统中建模意外发现（serendipity），使系统能够在无人干预的情况下检测、评估并利用意外洞察。该模型表明，通过系统架构可主动设计意外发现潜力，且在现有系统的验证中显示出其在计算创造力与人工智能中的实际应用价值。

ABSTRACT

The term serendipity describes a creative process that develops, in context, with the active participation of a creative agent, but not entirely within that agent's control. While a system cannot be made to perform serendipitously on demand, we argue that its $\mathit{serendipity\ potential}$ can be increased by means of a suitable system architecture and other design choices. We distil a unified description of serendipitous occurrences from historical theorisations of serendipity and creativity. This takes the form of a framework with six phases: $\mathit{perception}$, $\mathit{attention}$, $\mathit{interest}$, $\mathit{explanation}$, $\mathit{bridge}$, and $\mathit{valuation}$. We then use this framework to organise a survey of literature in cognitive science, philosophy, and computing, which yields practical definitions of the six phases, along with heuristics for implementation. We use the resulting model to evaluate the serendipity potential of four existing systems developed by others, and two systems previously developed by two of the authors. Most existing research that considers serendipity in a computing context deals with serendipity as a service; here we relate theories of serendipity to the development of autonomous systems and computational creativity practice. We argue that serendipity is not teleologically blind, and outline representative directions for future applications of our model. We conclude that it is feasible to equip computational systems with the potential for serendipity, and that this could be beneficial in varied computational creativity/AI applications, particularly those designed to operate responsively in real-world contexts.

研究动机与目标

• 通过使自主系统能够体验并响应意外事件，将关注点从“作为服务的意外发现”转向“系统中的意外发现”。
• 从哲学、认知科学和计算领域的历史与跨学科资料中提炼出一个统一的、理论基础扎实的意外发现模型。
• 为在计算系统中实现意外发现潜力提供实用启发式方法，尤其适用于人工智能与计算创造力应用。
• 利用所提出的框架评估现有系统的意外发现潜力，证明其适用性与诊断能力。
• 主张意外发现并非纯粹随机或缺乏目的性，而是可通过系统设计加以支持，从而在现实情境中提升适应性与创新能力。

提出的方法

• 作者将历史与理论上的意外发现论述整合为一个六阶段框架：感知、注意、兴趣、解释、连接与估值。
• 每个阶段均通过来自认知科学、哲学与计算系统的实用启发式方法实现，以支持实际部署。
• 该框架被应用于评估四个外部开发系统及作者自身研究中的两个系统的意外发现潜力。
• 该模型整合了学习、情境意识与自适应注意机制，以支持对意外输入的动态推理与信念更新。
• 系统架构设计支持非确定性、情境敏感的处理，从而实现以意外为驱动的探索与变革性洞察。
• 该框架通过元层次问题识别与跨领域类比，同时支持伪意外发现（表面新颖性）与真正意外发现（有意义且具有变革性的洞察）。

实验结果

研究问题

• RQ1 计算系统能否被设计为在无人干预的情况下自主检测并响应意外事件？
• RQ2 如何从哲学、认知科学与计算领域的跨学科资料中构建一个统一的、理论基础扎实的意外发现模型？
• RQ3 哪些系统级设计选择可增强自主人工智能系统的意外发现潜力？
• RQ4 所提出的框架如何在计算系统中区分伪意外发现与真正的意外发现洞察？
• RQ5 在计算创造力与人工智能应用中，意外发现以何种方式可被整合，以提升现实情境中的响应能力与创新能力？

主要发现

• 所提出的六阶段框架有效捕捉了意外发现的认知与系统动态，为计算系统中意外发现处理的建模与评估提供了结构化基础。
• 该模型表明，通过系统架构可增强意外发现潜力，特别是通过支持自适应注意、情境敏感学习与跨领域推理。
• 利用该框架对现有系统的评估显示，大多数系统仅实现表面化的意外发现机制，通常局限于“作为服务的意外发现”，而非内在的意外发现能力。
• 该框架成功区分了伪意外发现与真正意外发现，后者需具备变革性洞察与元层次问题识别。
• 从模型中衍生出的启发式方法为设计能够自主检测并利用意外但有价值的洞察的系统提供了可操作的指导。
• 本研究结论认为，完全可将意外发现潜力工程化地嵌入计算系统中，尤其适用于需要在不可预测环境中具备适应性与创新能力的应用。