XiaoMi-AI文件搜索系统
World File Search Systemcreativity
人工智能创意支持工具中的艺术用户表达
新颖的人工智能算法引入了新一代人工智能驱动的创造力支持工具 (AI-CST)。这些工具可以通过用户无法预料的算法输出来启发和惊喜用户。然而，用户可能很难将他们的意图与意想不到的算法行为结合起来。我的论文研究了艺术创作 AI-CST 中的用户表达需要如何设计。通过对 14 位艺术家的访谈研究和对 111 个现有 CST 的文献调查，我首先分离出三个要求：1) 允许用户表达不受约束的意图，2) 使工具和用户能够共同学习用户表达和算法行为，3) 允许轻松而富有表现力的迭代。基于这些要求，我介绍了两种工具，1) Artinter，它学习用户如何在艺术委托的沟通过程中表达他们的视觉艺术概念，2) TaleBrush，它通过基于草图的故事生成促进用户意图的不受约束和迭代表达。我的研究为设计用户表达交互提供了指导
人工智能与哲学创造力：从分析到创造论 1
摘要：将人工智能理想化为独立于人类操纵者的趋势，加上人类与数字机器之间日益增长的本体论纠缠，创造了一个“人机合一”的视野，其中数据分析、统计和概率使我们的代理能力受到质疑。我们如何避免将智能具体化为普遍操作强加于我们的命运的后果？本文认为，自动化智能幻想中的自主性为哲学意识提供了一个反差的机会，使其能够重新理解自身作为整体和共同创造，超越哲学史上最近的“分析”时刻。这里我们引入了“创造性智能”的概念，这是意识的一个元分析和元辩证方面。智能行为可能包括通过分割分析过程在噪声中区分离散的熟悉部分或可重复的功能；智能也可能通过关联或组装的辩证过程体现在更大的整体和动态统一的构成中。但相反，创造性智能以理想或真理的形象共同创造现实，考虑到充满可能性的欲望主体，不仅与现实有关，而且与创造性崇高或“Creal”有关。关键词：人工智能；技术；分析；创造性智能；元哲学。
艺术中的生成式人工智能：探索技术与创造力的交汇
随着我们深入研究生成式人工智能对艺术的影响，我们必须认识到生成人工智能艺术所带来的担忧和道德考量。重要的是审视围绕原创性等问题的批评以及人工智能生成的艺术提示的潜在滥用，这些问题反映了技术与艺术完整性之间不断发展的关系。生成式人工智能的使用可能会引发对艺术品原创性的担忧。如果人工智能大量参与创作过程，人们可能会对艺术作品的独特性和真实性产生质疑。此外，艺术家过度依赖人工智能算法可能会失去与传统技能和方法的联系。此外，人们担心艺术家过度依赖人工智能工具，这可能会降低传统创作艺术品的价值。
探索人工智能信任对企业创造力的影响，以产生
人工智能 (AI) 越来越受到企业欢迎，用于支持员工的工作。本研究旨在确定人工智能可为企业带来组织价值的情况，分析人工智能能力的概念以提升企业创造力和企业绩效，同时也发现人工智能信任在产生创造力方面发挥的作用程度。研究收集了 61 名受访者的原始数据，并使用 PLS-SEM 进行分析，以发现变量之间的关系。本研究强调了人工智能信任在印度尼西亚企业的人工智能能力和企业创造力之间的调节作用，发现人工智能能力本身在培养创造力方面更为重要，尽管信任并非为了产生绩效而嵌入的。这一发现提供了一个关键点，即信任应该被引导到确保其合乎道德和负责任地使用上，而不是被用作一种削弱人工智能激发创造力的能力的机制。尽管在印度尼西亚，具备人工智能准备的公司仍然非常有限，但这项研究表明，更多的公司开始为员工提供人工智能来支持他们的工作，不仅要增强能力，还要以系统、渐进和迭代的方式分享知识，以形成对如何在工作中与人工智能合作的相同理解和道德规范。
通过脑电图实验了解机械工程专业学生的创造力
脑电图 (EEG) 的 alpha 功率 (8 – 13 Hz) 是各种创造性任务条件的特征，与创造性构思有关。alpha 功率根据与创造力相关的任务要求而变化。本研究调查了事件相关电位 (ERP)、alpha 功率激活和潜在机器学习 (ML)，以对参与创造力任务的工程专业学生的神经反应进行分类。所有参与者都执行了修改后的替代用途任务 (AUT)，其中参与者将日常物品的功能（或用途）归类为创造性、无意义或普通。首先，本研究调查了中央和顶枕颞区的基本 ERP。通过了解工程专业学生创造力的生物反应表明，在 300 – 500 毫秒窗口内，无意义和创造性刺激引起的 N400 振幅（分别为 - 1.107 mV 和 - 0.755 mV）大于普通用途（0.0859 mV）。从每个感兴趣电极的总平均波形的 300 – 500 毫秒窗口上观察到 N400 效应。方差分析确定了一个显著的主效应：在创造性构思过程中 alpha 功率降低，尤其是在（O1/2、P7/8）顶枕颞区。机器学习用于对特定颞区数据的神经反应（创造性、无意义和普通）进行分类。使用 k 最近邻 (kNN) 分类器，并使用从参与者收集的数据集根据准确度、精确度、召回率和 F1 分数评估结果。kNN 分类器的整体准确率为 99.92%，曲线下面积为 0.9995，成功对参与者的神经反应进行了分类。这些结果对于机器学习技术在创造力研究中的更广泛应用具有巨大潜力。 [DOI: 10.1115/1.4056473]
经济与就业：艺术、文化和创造力的变革性影响
尽管我们的文化创意产业比受补贴的艺术和文化部门要广泛得多（见图 1 和图 2），但必须注意的是，受补贴的艺术和文化活动与其对商业文化创意产业的影响之间存在着显著的关系。有效的公共和私人投资释放了艺术、文化和创意产业作为创意产品和服务的主要采购者和展示者的作用，有助于形成创意企业集群，并创造了一个充满活力和繁荣的环境，鼓励人们搬到、留在或访问一个地区（以及其他优势）。有关更多信息，请参阅我们的第 5 份洞察报告。
智力和创造力具有共同的认知和神经基础
智力和创造力是不同的能力，还是依赖相同的认知和神经系统？我们试图通过结合fMRI数据的机器学习和认知能力数据的潜在可变建模（n 186）（n 186）来量化智力和创造性认知在大脑和行为中重叠的程度，他们完成了一系列的智力和创造性思维任务。该研究具有三个分析目标：（a）评估特定智力方面（例如流体和结晶的智力）的贡献，以及对创造力的一般智力（即，思维独创性），（b）模拟全脑功能连接性网络，以预测智力方面和创造性的网络，并（c）量化这些预测的网络，以量化这些预测的网络。使用结构方程建模，我们发现了智力方面和创造力之间的中等到大相关性，以及一般智能与创造力之间的巨大相关性（r .63）。使用基于Connectome的预测建模，我们发现，预测智能方面的功能性大脑网络与预测创意能力的网络重叠，尤其是在执行控制网络的前额叶皮层中。值得注意的是，一个预测通用情报的网络与一个预测创造力的网络共享了46％的功能连接，包括连接执行控制以及显着性/腹侧注意网络的连接，使情报和创造性思维依赖于类似的神经和认知系统。
Morris, TH (2020) “通过自主学习激发创造力
这是作者在《国际终身教育杂志》上发表的一篇文章的已接受手稿。请注意，与 Taylor & Francis 在《国际终身教育杂志》上最终发表的文章相比，可能会有一些细微的差异。最终发表的文章的版权归 Taylor & Francis 所有。这只是作者的手稿，因此此版本的页码与已发表的版本不同。
写作、创造力和人工智能。大学背景下的 ChatGPT
摘要 本研究的主要目的是研究人工智能 (AI) 在教育背景下对写作技能的创造潜力。该研究旨在为人工智能的使用提供证据，并促进其融入课堂，为教学过程提供支持。建立了两种类型的研究设计：描述性和比较性的非实验性定量研究，以及准实验性的前测-后测研究。样本包括 20 个人工智能系统和 193 名大学生，他们参加了西班牙 PIC-A 测试（“成人创造性想象力测试”）的第 2 和第 3 个游戏。学生们在 ChatGPT 的帮助下重复游戏，以比较他们作品可能的改进。研究结果显示，在第二场比赛中，人工智能和学生在流畅性、灵活性和叙事原创性指标上存在统计学上的显著差异。此外，在第二场比赛中，学生在流畅性、灵活性和叙事原创性的前测和后测得分以及在第三场比赛中的流畅性方面存在显著差异。最后，强调了人工智能在写作任务和言语创造力方面提供的帮助，这应该在语言教学中考虑；无论如何，人工智能无法取代人类的智慧和创造力。
人工智能与创造力：人类学、社会学和教育学的思考
Doi：10.2478/gssfj-2024-0001 摘要 人工智能 (AI) 正在重新划定人类创造力的界限，挑战我们传统的艺术和表达观念，同时提出重要的社会学和人类学问题。本文探讨了人类创造力与人工智能之间的复杂关系，以及这些新技术如何重新定义艺术和创造性表达的界限。本文从创造力概念的进化分析出发，探讨了人工智能对创作过程和艺术感知的影响。它展示了人工智能如何导致艺术“失去光环”并改变人类与创作过程之间的关系。最后，本文强调了批判性和反思性方法在分析这些现象中的重要性，并强调需要培训新技术以应对这些变化的复杂性。这项跨学科研究提供了宝贵的工具来了解人工智能如何重新定义创作过程以及我们在数字时代的艺术、真实性和人类表达观念。 关键词：人工智能；创造力；艺术；社会学；人类学