XiaoMi-AI文件搜索系统
World File Search SystemJordanous
类比设计中人与人工智能的交互协同创造力
简介 十一年前，马希尔 (Maher) 问道：“谁在创造？” (Maher 2012)，并提出了几个创造性应用的分析空间，包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架，其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行，以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架，其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而，对于人与人工智能互动中创造力的位置，人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动，这些活动可以由人类或人工智能以某种结构化对话的形式执行（Deterding 等人，2017 年；Spoto 和 Oleynik，2017 年），随后扩展到生成应用（Muller、Weisz 和 Geyer，2020 年），针对特定算法方法进行了改进（Grabe、Duque 和 Zhu，2022 年），并针对其他算法方法进行了批评（Zheng，2023 年）。虽然这些方法生成了重叠的分析动作词汇，但它们并没有解决创造力在何处发生（以及由谁或什么通过这些动作发生）的问题。在这篇短文中，我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念，提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
在音乐组成的计算系统中操作创造力的基本特征
简介AI在相当长的时间里一直在某些类型的Nar-Row Intelligence任务上表现优于人类[例如，（Silver等人（Silver等人）2016）];但是，对于其他类型的任务，包括那些需要创造力的任务并非如此，导致研究人员将计算创造力（CC）描述为AI的“最终边界”（Colton and Wiggins 2012）。 建立具有计算创造力的系统需要对创造力必要特征的明确识别和故意操作。 最新的基础模型表现出自主性和生成性，产生了令人印象深刻的结果，最著名的是语言和图像伪像。 因此，可能会说声称这种系统是其主要目标的副作用（例如，下一步的预测）。 但是，尽管自主性和生成性对于创造力肯定是必要的，但它们还不够，尤其是在高度结构化和专业的领域中（Ventura 2016）。 毫无疑问，当需要高度结构化或约束的产生时，例如，以诗歌和音乐形式进行高度结构化或约束的产生时，目前以人工神经网络为中心的实施（包括高度成功的变压器和大型语言模型）已经表现出无力（Hadjeres和Nielsen 2018; Glines 2018; Glines; Glines 20222）。 虽然创造力的概念可能是可以固有地检测的，但多个特征已被确定为计算创造力的必要性（Colton等人。 2015; Ventura 2017; Jordanous 2014）有许多（如果不是全部），最终2016）];但是，对于其他类型的任务，包括那些需要创造力的任务并非如此，导致研究人员将计算创造力（CC）描述为AI的“最终边界”（Colton and Wiggins 2012）。建立具有计算创造力的系统需要对创造力必要特征的明确识别和故意操作。最新的基础模型表现出自主性和生成性，产生了令人印象深刻的结果，最著名的是语言和图像伪像。因此，可能会说声称这种系统是其主要目标的副作用（例如，下一步的预测）。但是，尽管自主性和生成性对于创造力肯定是必要的，但它们还不够，尤其是在高度结构化和专业的领域中（Ventura 2016）。毫无疑问，当需要高度结构化或约束的产生时，例如，以诗歌和音乐形式进行高度结构化或约束的产生时，目前以人工神经网络为中心的实施（包括高度成功的变压器和大型语言模型）已经表现出无力（Hadjeres和Nielsen 2018; Glines 2018; Glines; Glines 20222）。虽然创造力的概念可能是可以固有地检测的，但多个特征已被确定为计算创造力的必要性（Colton等人。2015; Ventura 2017; Jordanous 2014）有许多（如果不是全部），最终