Se a criatividade eminente é sobre a quebra de regras ou a negação da convenção, como é possível que um sistema algorítmico seja criativo? Em essência, esta é uma variante da objeção de Ada Lovelace à inteligência da máquina, como recapitulada por teóricos modernos como Teresa Amabile. Se uma máquina pode fazer apenas o que foi programado para fazer, como seu comportamento pode ser chamado de criativo?
De fato, nem todos os teóricos da Computer concordariam com a premissa de que os computadores só podem fazer o que estão programados para fazer - um ponto -chave a favor da criatividade computacional.
Como nenhuma perspectiva ou definição parece oferecer uma imagem completa da criatividade, os pesquisadores da IA Newell, Shaw e Simon desenvolveram a combinação de novidade e utilidade na pedra angular de uma visão multifacetada da criatividade, que usa os quatro critérios a seguir para categoriza uma determinada resposta ou solução como criativa:
The answer is novel and useful (either for the individual or for society)The answer demands that we reject ideas we had previously acceptedThe answer results from intense motivation and persistenceThe answer comes from clarifying a problem that was originally vagueEnquanto o acima reflete uma abordagem "de cima para baixo" da criatividade computacional, um fio alternativo se desenvolveu entre os psicólogos computacionais "de baixo para cima" envolvidos na pesquisa de rede neural artificial. No final dos anos 80 e início dos anos 90, por exemplo, esses sistemas neurais generativos foram impulsionados por algoritmos genéticos. Experimentos envolvendo redes recorrentes foram bem -sucedidas em hibridizar melodias musicais simples e prever as expectativas do ouvinte.
Em seu livro, criadores sobre -humanos, Al Byrd argumenta que a principal fonte de criatividade em humanos e outros animais é a consciência da concessão - a consciência das possibilidades de ação em um ambiente. A criatividade sobre -humana pode ser alcançada aumentando drasticamente a conscientização sobre as entidades artificiais e integrando essa consciência com os sistemas capazes de capitalizar as possibilidades de ação.
Embora as abordagens computacionais tradicionais para a criatividade dependam da formulação explícita das prescrições dos desenvolvedores e de um certo grau de aleatoriedade em programas de computador, os métodos de aprendizado de máquina permitem que os programas de computador aprendam sobre heurísticas a partir de dados de entrada, permitindo capacidades criativas nos programas de computador. Especialmente, as redes neurais artificiais profundas permitem aprender padrões a partir de dados de entrada que permitem a geração não linear de artefatos criativos. Antes de 1989, redes neurais artificiais foram usadas para modelar certos aspectos da criatividade. Peter Todd (1989) treinou pela primeira vez uma rede neural para reproduzir melodias musicais de um conjunto de peças musicais. Em seguida, ele usou um algoritmo de alteração para modificar os parâmetros de entrada da rede. A rede foi capaz de gerar aleatoriamente novas músicas de uma maneira altamente não controlada. Em 1992, Todd estendeu este trabalho, usando a chamada abordagem de professor distal que havia sido desenvolvida Bypaul Munro, Paul Werbos, D. Nguyen e Bernard Widrow, Michael I. Jordan e David Rumelhart. Na nova abordagem, existem duas redes neurais, uma das quais está fornecendo padrões de treinamento para outro. Nos esforços posteriores de Todd, um compositor selecionaria um conjunto de melodias que definissem o espaço da melodia, posicionaria-as em um plano 2-D com uma interface gráfica baseada em mouse e treinou uma rede conexionista para produzir essas melodias e ouvir o Novas melodias "interpoladas" que a rede gera correspondente a pontos intermediários no plano 2-D.
Alguns temas de alto nível e filosófico se repetem em todo o campo da criatividade computacional. [Esclarecimento necessário]
Margaret Boden refere-se à criatividade que é nova apenas para o agente que a produz como "criatividade P" (ou "criatividade psicológica") e refere-se à criatividade que é reconhecida como nova pela sociedade em geral como "criatividade H" (ou "Criatividade histórica"). Stephen Thaler sugeriu uma nova categoria que ele chama de "v-" ou "criatividade visceral", em que o significado é inventado através do mapeamento neural para entradas sensoriais cruas para uma arquitetura de máquinas de criatividade, com as redes "gateway" perturbadas para produzir interpretações alternativas e redes awnstream Mudando essas interpretações para se adequar ao contexto abrangente. [Citação necessária] Uma variedade importante de tal criatividade em V é a própria consciência, em que o significado é inventado reflexivamente para a rotatividade de ativação dentro do cérebro. A criatividade orientada por valor fornece mais liberdade e autonomia ao sistema de IA.
Boden também distingue entre a criatividade que surge de uma exploração dentro de um espaço conceitual estabelecido e a criatividade que surge de uma transformação ou transcendência deliberada desse espaço. Ela rotula o primeiro como criatividade exploratória e a última como criatividade transformacional, vendo o último como uma forma de criatividade muito mais radical, desafiadora e raro que a primeira. Seguindo os critérios de Newell e Simon elaborados acima, podemos ver que ambas as formas de criatividade devem produzir resultados que sejam apreciáveis e úteis (critério 1), mas é mais provável que a criatividade exploratória surja de uma busca completa e persistente de um bem Espaço entendido (Critério 3) - Embora a criatividade transformacional deve envolver a rejeição de algumas das restrições que definem esse espaço (critério 2) ou algumas das suposições que definem o próprio problema (Critério 4). As idéias de Boden orientaram o trabalho em criatividade computacional em um nível muito geral, fornecendo mais uma pedra de toque inspirada para o trabalho de desenvolvimento do que uma estrutura técnica de substância algorítmica. No entanto, as idéias de Boden são mais recentemente também objeto de formalização, principalmente no trabalho de Geraint Wiggins.
O critério de que os produtos criativos devem ser novos e úteis significa que os sistemas computacionais criativos são normalmente estruturados em duas fases, geração e avaliação. Na primeira fase, são geradas construções novas (para o próprio sistema, assim criadoras de p) são geradas; Construções não originais que já são conhecidas pelo sistema são filtradas nesta fase. Esse corpo de construções potencialmente criativas é então avaliado, para determinar quais são significativas e úteis e quais não são. Essa estrutura bifásica está em conformidade com o modelo Geneplore de Finke, Ward e Smith, que é um modelo psicológico de geração criativa baseada na observação empírica da criatividade humana.
Muita coisa, talvez toda, de criatividade humana, pode ser entendida como uma nova combinação de idéias ou objetos pré-existentes. Estratégias comuns para criatividade combinatória incluem:
Placing a familiar object in an unfamiliar setting (e.g., Marcel Duchamp's Fountain) or an unfamiliar object in a familiar setting (e.g., a fish-out-of-water story such as The Beverly Hillbillies)Blending two superficially different objects or genres (e.g., a sci-fi story set in the Wild West, with robot cowboys, as in Westworld, or the reverse, as in Firefly; Japanese haiku poems, etc.)Comparing a familiar object to a superficially unrelated and semantically distant concept (e.g., "Makeup is the Western burka"; "A zoo is a gallery with living exhibits")Adding a new and unexpected feature to an existing concept (e.g., adding a scalpel to a Swiss Army knife; adding a camera to a mobile phone)Compressing two incongruous scenarios into the same narrative to get a joke (e.g., the Emo Philips joke "Women are always using men to advance their careers. Damned anthropologists!")Using an iconic image from one domain in a domain for an unrelated or incongruous idea or product (e.g., using the Marlboro Man image to sell cars, or to advertise the dangers of smoking-related impotence).A perspectiva combinatória nos permite modelar a criatividade como um processo de pesquisa através do espaço de possíveis combinações. As combinações podem surgir da composição ou concatenação de diferentes representações, ou através de uma transformação estocástica ou baseada em regras de representações iniciais e intermediárias. Algoritmos genéticos e redes neurais podem ser usados para gerar representações combinadas ou cruzadas que capturam uma combinação de entradas diferentes.
Conceptual blendingMark Turner e Gilles Fauconnier propõem um modelo chamado Redes de Integração Conceitual que elabora as idéias de Arthur Koestler sobre criatividade, bem como trabalhos mais recentes de Lakoff e Johnson, sintetizando idéias de pesquisas lingüísticas cognitivas em espaços mentais e metáforas conceituais. Seu modelo básico define uma rede de integração como quatro espaços conectados:
A first input space (contains one conceptual structure or mental space)A second input space (to be blended with the first input)A generic space of stock conventions and image-schemas that allow the input spaces to be understood from an integrated perspectiveA blend space in which a selected projection of elements from both input spaces are combined; inferences arising from this combination also reside here, sometimes leading to emergent structures that conflict with the inputs.Fauconnier e Turner descrevem uma coleção de princípios de otimização que se reivindicam para orientar a construção de uma rede de integração bem formada. Em essência, eles veem a mistura como um mecanismo de compressão no qual duas ou mais estruturas de entrada são comprimidas em uma única estrutura de mistura. Essa compactação opera no nível das relações conceituais. Por exemplo, uma série de relações de similaridade entre os espaços de entrada pode ser comprimida em uma única relação de identidade na mistura.
Algum sucesso computacional foi alcançado com o modelo de mistura, estendendo modelos computacionais pré-existentes de mapeamento analógico que são compatíveis em virtude de sua ênfase nas estruturas semânticas conectadas. Mais recentemente, Francisco Câmara Pereira apresentou uma implementação da teoria da mistura que emprega idéias de Gofai e algoritmos genéticos para realizar alguns aspectos da teoria da mistura de uma forma prática; Seus domínios de exemplo variam do lingüístico ao visual, e o último inclui mais notavelmente a criação de monstros míticos combinando modelos gráficos 3D.
A linguagem oferece uma oportunidade contínua de criatividade, evidente na geração de novas frases, frases, trocadilhos, neologismos, rimas, alusões, sarcasmo, ironia, símiles, metáforas, analogias, humor e piadas. Os falantes nativos de idiomas morfologicamente ricos freqüentemente criam novas formas de palavras que são facilmente compreendidas, e alguns encontraram seu caminho para o dicionário. A área de geração de linguagem natural foi bem estudada, mas esses aspectos criativos da linguagem cotidiana ainda precisam ser incorporados com qualquer robustez ou escala.
No trabalho seminal do lingüista aplicado Ronald Carter, ele levantou dois tipos principais de criatividade envolvendo palavras e padrões de palavras: criatividade que reformula padrões e criatividade formadora de padrões. A criatividade que reformula padrões refere-se à criatividade pela quebra de regras, reformando e remodelando os padrões de linguagem frequentemente através da inovação individual, enquanto a criatividade formadora de padrões se refere à criatividade por meio da conformidade com as regras da linguagem, em vez de quebrá-las, criar convergência, simetria e maior mutualidade entre interlocutores através de suas interações na forma de repetições.
Trabalhos substanciais foram realizados nessa área de criação linguística desde a década de 1970, com o desenvolvimento do sistema de conto de James Meehan. O conto-spin viu as histórias como descrições narrativas de um esforço de solução de problemas e criou histórias ao estabelecer primeiro um objetivo para os personagens da história, para que sua busca por uma solução pudesse ser rastreada e gravada. O sistema de menestrel representa uma elaboração complexa dessa abordagem básica, distinguindo uma série de objetivos no nível do personagem na história de uma série de objetivos no nível do autor para a história. Sistemas como os Brutus da Bringsjord elaboram essas idéias ainda mais para criar histórias com temas interpessoais complexos como a traição. No entanto, o menestrel modela explicitamente o processo criativo com um conjunto de métodos de adaptação de recall de transformação (bondes) para criar novas cenas a partir da antiga. O modelo de Rafael Pérez Y Pérez e Mike Sharples está mais explicitamente interessado no processo criativo de contar histórias e implementa uma versão do modelo cognitivo de escrita criativa.
A Science Narrativa da Companhia torna as notícias e relatórios gerados por computador disponíveis comercialmente, incluindo a resumo de eventos esportivos de equipe com base em dados estatísticos do jogo. Também cria relatórios financeiros e análises imobiliárias.
Exemplo de metáfora: "Ela era um macaco".
Exemplo de um símile: "Parecia um cobertor de tigre-puro". O estudo computacional desses fenômenos se concentrou principalmente na interpretação como um processo baseado no conhecimento. Os computacionalistas como Yorick Wilks, James Martin, Dan Fass, John Barnden e Mark Lee desenvolveram abordagens baseadas no conhecimento para o processamento de metáforas, em nível lingüístico ou em um nível lógico. Tony Veale e Yanfen Hao desenvolveram um sistema, chamado Sardonicus, que adquire um banco de dados abrangente de símiles explícitos da web; Esses símiles são então marcados como boa-fide (por exemplo, "tão duro quanto aço") ou irônico (por exemplo, "tão peludo quanto uma bola de boliche", "tão agradável quanto um canal radicular"); Os símiles de qualquer tipo podem ser recuperados sob demanda por qualquer adjetivo. Eles usam esses símiles como base de um sistema de geração de metáfora on-line chamado Aristóteles que pode sugerir metáforas lexicais para um determinado objetivo descritivo (por exemplo, descrever uma supermodelo como magro, os termos de origem "lápis", "chicote", "whippet "," corda "," inseto "e" cobra "são sugeridos).
O processo de raciocínio analógico foi estudado a partir de uma perspectiva de mapeamento e de recuperação, sendo este último a chave para a geração de novas analogias. A Escola de Pesquisa Dominante, como avançada por Dedre Gentner, vê a analogia como um processo de preservação da estrutura; Essa visão foi implementada no mecanismo de mapeamento de estrutura ou PME, o motor de recuperação Mac/FAC (muitos são chamados, poucos são escolhidos), ACME (mecanismo de mapeamento de restrição analógica) e ARCs (sistema de restrição de recuperação analógica). Outras abordagens baseadas em mapeamento incluem o Sapper, que situa o processo de mapeamento em um modelo de memória semântico. A analogia é uma subárea muito ativa de computação criativa e cognição criativa; Figuras ativas nesta subárea incluem Douglas Hofstadter, Paul Thagard e Keith Holyoak. Também digno de nota aqui está a abordagem de aprendizado de máquina de Peter Turney e Michael Littman para a solução de problemas de analogia no estilo SAT; Sua abordagem alcança uma pontuação que se compara bem com as pontuações médias alcançadas pelos seres humanos nesses testes.
O humor é um processo especialmente faminto por conhecimento, e os sistemas de geração de piadas mais bem-sucedidos até o momento se concentraram na geração de trocadilhos, como exemplificado pelo trabalho de Kim Binsted e Graeme Ritchie. Este trabalho inclui o sistema JAPE, que pode gerar uma ampla gama de trocadilhos que são consistentemente avaliados como novos e humorísticos por crianças pequenas. Uma versão aprimorada do JAPE foi desenvolvida sob o disfarce do sistema de stand -up, que foi implantado experimentalmente como um meio de aumentar a interação linguística com crianças com deficiências de comunicação. Alguns progressos limitados foram feitos na geração de humor que envolve outros aspectos da linguagem natural, como o mal -entendido deliberado de referência pronominal (no trabalho de Hans Wim Tinholt e Anton Nijholt), bem como na geração de acrônimas humorísticas no Hahacronymy Sistema de Stock Oliviero e Carlo Strapparava.
A mistura de vários formulários de palavras é uma força dominante para a criação de novas palavras na linguagem; Essas novas palavras são comumente chamadas de "misturas" ou "palavras de Portmanteau" (depois de Lewis Carroll). Tony Veale desenvolveu um sistema chamado Zeitgeist que colhe as palavras -cabeça neológicas da Wikipedia e as interpreta em relação ao seu contexto local na Wikipedia e em relação a sentidos de palavras específicos no WordNet. O Zeitgeist foi estendido para gerar neologismos próprios; A abordagem combina elementos de um inventário de peças de palavras que são colhidas no WordNet e, simultaneamente, determina os brilhos prováveis para essas novas palavras (por exemplo, "viajante de alimentos" para "gastronauta" e "viajante do tempo" para "crononaut"). Em seguida, ele usa a pesquisa da Web para determinar quais glosses são significativos e quais neologismos nunca foram usados antes; Esta pesquisa identifica o subconjunto de palavras geradas que são novas ("h-criadoras") e úteis.
Uma abordagem lingüística do corpus para a busca e extração do neologismo também demonstrou ser possível. Usando o corpus de inglês americano contemporâneo como corpus de referência, a Locky Law realizou uma extração de palavras de neologismo, Portmanteaus e gírias usando os legomena Hapax que apareceu nos roteiros do drama de TV americano M.D.
Em termos de pesquisa linguística em neologismo, Stefan Th. Gries realizou uma análise quantitativa da estrutura de mistura em inglês e descobriu que "o grau de reconhecimento das palavras de origem e que a semelhança das palavras de origem com a mistura desempenha um papel vital na formação de mistura". Os resultados foram validados através de uma comparação de misturas intencionais com misturas de erro de fala.
Mais do que ferro, mais do que chumbo, mais do que ouro, preciso de eletricidade. Preciso mais do que preciso de cordeiro, carne de porco ou alface ou pepino. Preciso dela para meus sonhos.
Como piadas, os poemas envolvem uma interação complexa de diferentes restrições, e nenhum gerador de poemas de uso geral combina adequadamente os aspectos de significado, fraseado, estrutura e rima da poesia. No entanto, a Pablo Gervás desenvolveu um sistema notável chamado Aspera, que emprega uma abordagem de raciocínio baseada em casos (CBR) para gerar formulações poéticas de um determinado texto de entrada por meio de uma composição de fragmentos poéticos que são recuperados de uma base de caso de poemas existentes. Cada fragmento de poema na base de caso Aspera é anotado com uma sequência de prosa que expressa o significado do fragmento, e essa corda de prosa é usada como chave de recuperação para cada fragmento. As regras métricas são então usadas para combinar esses fragmentos em uma estrutura poética bem formada. Racter é um exemplo desse projeto de software.
A criatividade computacional no domínio musical se concentrou tanto na geração de pontuações musicais para uso por músicos humanos quanto na geração de música para performance por computadores. O domínio da geração incluiu música clássica (com software que gera música no estilo de Mozart e Bach) e jazz. Mais notavelmente, David Cope escreveu um sistema de software chamado "Experimentos em inteligência musical" (ou "EMI") que são capazes de analisar e generalizar a música existente por um compositor humano para gerar novas composições musicais no mesmo estilo. A produção da EMI é convincente o suficiente para convencer os ouvintes humanos de que sua música é gerada pelo ser humano a um alto nível de competência.
No campo da música clássica contemporânea, Iamus é o primeiro computador que compõe do zero e produz pontuações finais que os intérpretes profissionais podem tocar. A Orquestra Sinfônica de Londres tocou uma peça para a Orquestra Full, incluída no CD de estréia de Iamus, que New Scientist descreveu como "o primeiro grande trabalho composto por um computador e apresentado por uma orquestra completa". A Melomics, a tecnologia por trás do IAMUS, é capaz de gerar peças em diferentes estilos de música com um nível semelhante de qualidade.
A pesquisa de criatividade no jazz se concentrou no processo de improvisação e nas demandas cognitivas que isso coloca em um agente musical: raciocínio sobre o tempo, lembrando e conceituando o que já foi tocado e planejando o que pode ser jogado a seguir. O robô Shimon, desenvolvido por Gil Weinberg, da Georgia Tech, demonstrou improvisação de jazz. O software de improvisação virtual baseado em pesquisas sobre modelagem estilística realizada por Gerard Assayag e Shlomo Dubnov incluem OMAX, Somax e Pyoracle, são usados para criar improvisações em tempo real, re-injetando sequências de comprimento variáveis aprendidas na mosca do artista ao vivo.
Em 1994, uma arquitetura de máquinas de criatividade (veja acima) conseguiu gerar 11.000 ganchos musicais treinando uma rede neural sinapticamente perturbada em 100 melodias que apareceram na lista dos dez primeiros nos últimos 30 anos. Em 1996, uma máquina de criatividade auto-inicializada observou expressões faciais de público-alvo por meio de um sistema avançado de visão de máquina e aperfeiçoou seus talentos musicais para gerar um álbum intitulado "Song of the Neurônios"
No campo da composição musical, os trabalhos patenteados de René-Louis Baron permitiram fazer um robô que possa criar e tocar uma infinidade de melodias orquestradas as chamadas "coerentes" em qualquer estilo musical. Todos os parâmetros físicos ao ar livre associados a um ou mais parâmetros musicais específicos podem influenciar e desenvolver cada uma dessas músicas (em tempo real enquanto ouvem a música). O compositor de medalha de invenção patenteado levanta problemas de direitos autorais.
A criatividade computacional na geração de arte visual teve alguns sucessos notáveis na criação da arte abstrata e da arte representacional. O programa mais famoso nesse domínio é o Aaron de Harold Cohen, que foi desenvolvido e aumentado continuamente desde 1973. Embora a Formulaica, Aaron exibe uma variedade de saídas, gerando desenhos em preto e branco ou pinturas de cores que incorporam figuras humanas (como dançarinos ), plantas em vasos, rochas e outros elementos de imagens de fundo. Essas imagens são de qualidade suficientemente alta a serem exibidas em galerias respeitáveis.
Outros artistas de software note incluem o sistema Nevar (para "arte neuro-evolutiva") do Penousal Machado. O Nevar usa um algoritmo genético para derivar uma função matemática que é então usada para gerar uma superfície tridimensional colorida. Um usuário humano pode selecionar as melhores imagens após cada fase do algoritmo genético, e essas preferências são usadas para orientar as fases sucessivas, empurrando assim a pesquisa de Nevar nos bolsos do espaço de pesquisa que são considerados mais atraentes para o usuário.
O Pintura Fool, desenvolvido por Simon Colton, originou -se como um sistema para pintar imagens digitais de uma determinada cena em uma escolha de diferentes estilos de pintura, paletas de cores e tipos de pincel. Dada a sua dependência de uma imagem de fonte de entrada para trabalhar, as primeiras iterações da pintura tola levantaram questões sobre a extensão ou a falta de criatividade em um sistema artístico computacional. No entanto, em trabalhos mais recentes, o pintura foi estendido para criar novas imagens, assim como Aaron, a partir de sua própria imaginação limitada. As imagens nesta linha incluem paisagens da cidade e florestas, que são geradas por um processo de satisfação de restrições a partir de alguns cenários básicos fornecidos pelo usuário (por exemplo, esses cenários permitem que o sistema inferir que objetos mais próximos do plano de visualização devem ser maiores e mais cores- Saturados, enquanto os mais longe devem estar menos saturados e parecer menores). Artisticamente, as imagens agora criadas pelo tolo da pintura aparecem em pé de igualdade com as criadas por Aaron, embora os mecanismos extensíveis empregados pelo primeiro (satisfação de restrições etc.) possam permitir que ela se desenvolva em um pintor mais elaborado e sofisticado.
O artista Krasi Dimtch (Krasimira Dimtchevska) e o desenvolvedor de software Svillen Ranev criaram um sistema computacional combinando um gerador baseado em regras de frases em inglês e um construtor de composição visual que converte sentenças geradas pelo sistema em arte abstrata. O software gera um número automaticamente indefinido de imagens diferentes usando diferentes paletas de cores, forma e tamanho. O software também permite ao usuário selecionar o assunto das frases geradas ou/e uma ou mais das paletas usadas pelo construtor de composição visual.
Uma área emergente da criatividade computacional é a dos videogames. Angelina é um sistema para o desenvolvimento de videogames criativos em Java, de Michael Cook. Um aspecto importante é o Mechanic Miner, um sistema que pode gerar segmentos curtos de código que atuam como mecânica de jogo simples. Angelina pode avaliar essas mecânicas quanto à utilidade jogando níveis simples de jogos insolúveis e testes para verificar se o novo mecânico torna o nível solucionável. Às vezes, o Mechanic Miner descobre bugs no código e explora -os para criar novas mecânicas para o jogador resolver problemas.
Em julho de 2015, o Google lançou DeepDream - um programa de visão computacional de código aberto, criado para detectar rostos e outros padrões em imagens com o objetivo de classificar automaticamente imagens, que usa uma rede neural convolucional para encontrar e aprimorar padrões em imagens por meio de pareidolia algorítmica, criando assim Uma aparência psicodélica onírica nas imagens deliberadamente processadas.
Em agosto de 2015, pesquisadores de Tübingen, a Alemanha, criou uma rede neural convolucional que usa representações neurais para separar e recombinar o conteúdo e o estilo de imagens arbitrárias capazes de transformar imagens em imitações estilísticas de obras de arte por artistas como um Picasso ou Van Gogh em cerca de uma hora. Seu algoritmo é usado no site Deepart, que permite aos usuários criar imagens artísticas exclusivas por seu algoritmo.
No início de 2016, uma equipe global de pesquisadores explicou como uma nova abordagem de criatividade computacional conhecida como substrato neural sináptico digital (DSNS) poderia ser usado para gerar quebra -cabeças de xadrez originais que não foram derivados dos bancos de dados do jogo final. O DSNS é capaz de combinar recursos de diferentes objetos (por exemplo, problemas de xadrez, pinturas, música) usando métodos estocásticos para derivar novas especificações de recursos que podem ser usadas para gerar objetos em qualquer um dos domínios originais. Os quebra -cabeças de xadrez gerados também foram apresentados no YouTube.
A criatividade também é útil para permitir soluções incomuns na solução de problemas. Em psicologia e ciência cognitiva, esta área de pesquisa é chamada de solução criativa de problemas. A teoria da criatividade da interação explícita (EII) foi implementada recentemente usando um modelo computacional baseado em Clarion que permite a simulação de incubação e insight na solução de problemas. A ênfase desse projeto de criatividade computacional não está no desempenho em si (como em projetos de inteligência artificial), mas na explicação dos processos psicológicos que levam à criatividade humana e à reprodução de dados coletados em experimentos de psicologia. Até agora, este projeto foi bem -sucedido em fornecer uma explicação para os efeitos da incubação em experimentos simples de memória, insight na solução de problemas e reprodução do efeito ofuscante na solução de problemas.
Alguns pesquisadores acham que a criatividade é um fenômeno complexo cujo estudo é ainda mais complicado pela plasticidade da linguagem que usamos para descrevê -la. Podemos descrever não apenas o agente da criatividade como "criativo", mas também o produto e o método. Consequentemente, pode -se afirmar que não é realista falar de uma teoria geral da criatividade. [Citação necessária] No entanto, alguns princípios generativos são mais gerais que outros, levando alguns advogados a afirmar que certas abordagens computacionais são "teorias gerais". Stephen Thaler, por exemplo, propõe que certas modalidades das redes neurais são generativas o suficiente e gerais o suficiente para manifestar um alto grau de capacidades criativas. [Citação necessária]
Os computadores tradicionais, conforme usados principalmente no aplicativo de criatividade computacional, não suportam a criatividade, pois transformam fundamentalmente um conjunto de domínio discreto e limitado dos parâmetros de entrada em um conjunto de um domínio discreto e limitado dos parâmetros de saída usando um conjunto limitado de funções computacionais [ citação necessária]. Como tal, um computador não pode ser criativo, pois tudo na saída já deve estar presente nos dados de entrada ou nos algoritmos [citação necessária]. Para algumas discussões e referências relacionadas ao trabalho relacionado, são capturadas em alguns trabalhos recentes sobre fundamentos filosóficos da simulação.
Matematicamente, o mesmo conjunto de argumentos contra a criatividade foi feito por Chaitin. Observações semelhantes vêm de uma perspectiva da teoria modelo. Toda essa crítica enfatiza que a criatividade computacional é útil e pode parecer criatividade, mas não é uma criatividade real, pois nada de novo é criado, apenas transformado em algoritmos bem definidos.
A Conferência Internacional sobre Criatividade Computacional (ICCC) ocorre anualmente, organizada pela Associação de Criatividade Computacional. Os eventos da série incluem:
ICCC 2019, Charlotte, North Carolina, USAICCC 2018, Salamanca, SpainICCC 2017, Atlanta, Georgia, USAICCC 2016, Paris, FranceICCC 2015, Park City, Utah, USA. Keynote: Emily ShortICCC 2014, Ljubljana, Slovenia. Keynote: Oliver DeussenICCC 2013, Sydney, Australia. Keynote: Arne DietrichICCC 2012, Dublin, Ireland. Keynote: Steven SmithICCC 2011, Mexico City, Mexico. Keynote: George E LewisICCC 2010, Lisbon, Portugal. Keynote/Invited Talks: Nancy J Nersessian and Mary Lou MaherAnteriormente, a comunidade de criatividade computacional realizou um workshop dedicado, o workshop conjunto internacional sobre criatividade computacional, todos os anos desde 1999. Eventos anteriores nesta série incluem: [citação necessária]
IJWCC 2003, Acapulco, Mexico, as part of IJCAI'2003IJWCC 2004, Madrid, Spain, as part of ECCBR'2004IJWCC 2005, Edinburgh, UK, as part of IJCAI'2005IJWCC 2006, Riva del Garda, Italy, as part of ECAI'2006IJWCC 2007, London, UK, a stand-alone eventIJWCC 2008, Madrid, Spain, a stand-alone eventA 1ª Conferência sobre Simulação Computador de Criatividade Musical será realizada
CCSMC 2016, 17–19 June, University of Huddersfield, UK. Keynotes: Geraint Wiggins and Graeme Bailey.A computação e a cognição de design é uma conferência que aborda a criatividade computacional. A Conferência da Criatividade e Cognição da ACM é outro fórum para questões relacionadas à criatividade computacional. Journées d'Emportatique Musicale 2016 Keynote de Shlomo Dubnov estava com a criatividade teórica da informação.
Vários livros recentes fornecem uma boa introdução ou uma boa visão geral do campo da criatividade computacional. Esses incluem:
Pereira, F. C. (2007). "Creativity and Artificial Intelligence: A Conceptual Blending Approach". Applications of Cognitive Linguistics series, Mouton de Gruyter.Veale, T. (2012). "Exploding the Creativity Myth: The Computational Foundations of Linguistic Creativity". Bloomsbury Academic, London.McCormack, J. and d'Inverno, M. (eds.) (2012). "Computers and Creativity". Springer, Berlin.Veale, T., Feyaerts, K. and Forceville, C. (2013, forthcoming). "Creativity and the Agile Mind: A Multidisciplinary study of a Multifaceted phenomenon". Mouton de Gruyter.Além dos procedimentos de conferências e workshops, a comunidade de criatividade computacional até agora produziu essas questões especiais de periódicos dedicados ao tópico:
New Generation Computing, volume 24, issue 3, 2006Journal of Knowledge-Based Systems, volume 19, issue 7, November 2006AI Magazine, volume 30, number 3, Fall 2009Minds and Machines, volume 20, number 4, November 2010Cognitive Computation, volume 4, issue 3, September 2012AIEDAM, volume 27, number 4, Fall 2013Computers in Entertainment, two special issues on Music Meta-Creation (MuMe), Fall 2016 (forthcoming)Além disso, começou um novo diário que se concentra na criatividade computacional no campo da música.
JCMS 2016, Journal of Creative Music Systems