Creatividad computacional
La creatividad computacional (también conocida como creatividad artificial, creatividad mecánica, computación creativa o computación creativa ) es un esfuerzo multidisciplinario que se encuentra en la intersección de los campos de la inteligencia artificial, la psicología cognitiva, la filosofía y las artes.
El objetivo de la creatividad computacional es modelar, simular o replicar la creatividad usando una computadora, para lograr uno de varios fines:
Construir un programa o computadora capaz de creatividad a nivel humano.
Comprender mejor la creatividad humana y formular una perspectiva algorítmica sobre el comportamiento creativo en humanos.
Diseñar programas que puedan mejorar la creatividad humana sin ser necesariamente ellos mismos creativos.
El campo de la creatividad computacional se ocupa de cuestiones teóricas y prácticas en el estudio de la creatividad. El trabajo teórico sobre la naturaleza y la definición adecuada de la creatividad se realiza en paralelo con el trabajo práctico sobre la implementación de sistemas que exhiben creatividad, con un hilo de trabajo informando al otro.
La forma aplicada de creatividad computacional se conoce como síntesis de medios.
Contenido
Cuestiones teóricas
Según lo medido por la cantidad de actividad en el campo (por ejemplo, publicaciones, conferencias y talleres), la creatividad computacional es un área de investigación en crecimiento. Pero el campo todavía se ve obstaculizado por una serie de problemas fundamentales. La creatividad es muy difícil, quizás incluso imposible de definir en términos objetivos.
Es un estado mental, un talento o habilidad, o un proceso? La creatividad toma muchas formas en la actividad humana, algunas eminentes (a veces denominadas «Creatividad» con una C mayúscula) y otras mundanas.
Estos son problemas que complican el estudio de la creatividad en general, pero ciertos problemas se unen específicamente a la creatividad computacional :
Puede la creatividad estar cableada? En los sistemas existentes a los que se atribuye la creatividad, ¿es la creatividad del sistema o la del programador o diseñador del sistema?
Cómo evaluamos la creatividad computacional? ¿Qué cuenta como creatividad en un sistema computacional? ¿Son creativos los sistemas de generación de lenguaje natural ? ¿Son creativos los sistemas de traducción automática ? ¿Qué distingue la investigación en creatividad computacional de la investigación en inteligencia artificial en general?
Si la creatividad eminente se trata de romper las reglas o de rechazar las convenciones, ¿cómo es posible que un sistema algorítmico sea creativo? En esencia, esta es una variante de la objeción de Ada Lovelace a la inteligencia artificial, como lo recapitulan los teóricos modernos como Teresa Amabile.
Si una máquina solo puede hacer lo que fue programada, ¿cómo puede llamarse su comportamiento creativo ?
De hecho, no todos los teóricos informáticos estarían de acuerdo con la premisa de que las computadoras solo pueden hacer lo que están programadas para hacer, un punto clave a favor de la creatividad computacional.
Definición de creatividad en términos computacionales
Debido a que ninguna perspectiva o definición única parece ofrecer una imagen completa de la creatividad, los investigadores de IA Newell, Shaw y Simon desarrollaron la combinación de novedad y utilidad en la piedra angular de una visión múltiple de la creatividad, que utiliza lo siguiente Cuatro criterios para clasificar una respuesta o solución dada como creativa:
La respuesta es novedosa y útil (ya sea para el individuo o para la sociedad)
La respuesta exige que rechacemos las ideas que habíamos aceptado previamente.
La respuesta es el resultado de una intensa motivación y persistencia.
La respuesta proviene de aclarar un problema que originalmente era vago
Mientras que lo anterior refleja un enfoque «de arriba hacia abajo» para la creatividad computacional, se ha desarrollado un hilo alternativo entre los psicólogos computacionales «de abajo hacia arriba» involucrados en la investigación de redes neuronales artificiales. A fines de la década de 1980 y principios de la década de 1990, por ejemplo, dichos sistemas neuronales generativos fueron impulsados por algoritmos genéticos.
Los experimentos con redes recurrentes tuvieron éxito en la hibridación de melodías musicales simples y en la predicción de las expectativas del oyente.
Simultáneamente con dicha investigación, varios psicólogos computacionales tomaron la perspectiva, popularizada por Stephen Wolfram, de que los comportamientos del sistema percibidos como complejos, incluida la producción creativa de la mente, podrían surgir de lo que se considerarían algoritmos simples.
A medida que el pensamiento neurofilosófico maduró, también se hizo evidente que el lenguaje en realidad presentaba un obstáculo para producir un modelo científico de cognición, creativo o no, ya que llevaba consigo muchos engrandecimientos no científicos que eran más edificantes que precisos. Por lo tanto, surgieron naturalmente preguntas sobre cuán en realidad era la cognición creativa «rica», «compleja» y «maravillosa».
Redes neuronales artificiales
Antes de 1989, las redes neuronales artificiales se usaban para modelar ciertos aspectos de la creatividad. Peter Todd (1989) entrenó por primera vez una red neuronal para reproducir melodías musicales de un conjunto de entrenamiento de piezas musicales. Luego usó un algoritmo de cambio para modificar los parámetros de entrada de la red.
La red pudo generar aleatoriamente nueva música de una manera altamente descontrolada. En 1992, Todd amplió este trabajo, utilizando el llamado enfoque de maestro distal desarrollado por Paul Munro, Paul Werbos, D. Nguyen y Bernard Widrow, Michael I. Jordan y David Rumelhart. En el nuevo enfoque hay dos redes neuronales, una de las cuales proporciona patrones de entrenamiento a otra.
En los esfuerzos posteriores de Todd, un compositor seleccionaría un conjunto de melodías que definen el espacio de la melodía, las colocaría en un plano 2D con una interfaz gráfica basada en el mouse y entrenaría una red conexionista para producir esas melodías, y escucharía Nuevas melodías «interpoladas» que la red genera correspondientes a puntos intermedios en el plano 2D.
Más recientemente, se ha desarrollado un modelo neurodinámico de redes semánticas para estudiar cómo la estructura de conectividad de estas redes se relaciona con la riqueza de las construcciones semánticas o ideas que pueden generar. Se demostró que las redes neuronales semánticas que tienen dinámicas semánticas más ricas que aquellas con otras estructuras de conectividad pueden proporcionar información sobre la importante cuestión de cómo la estructura física del cerebro determina una de las características más profundas de la mente humana:
Su capacidad para el pensamiento creativo..
Conceptos clave de la literatura
Algunos temas filosóficos y de alto nivel se repiten en todo el campo de la creatividad computacional.
Categorías importantes de creatividad
Margaret Boden se refiere a la creatividad que es novedosa simplemente para el agente que la produce como «creatividad P» (o «creatividad psicológica»), y se refiere a la creatividad reconocida como novela por la sociedad en general como » H-creatividad «(o» creatividad histórica «). Stephen Thaler ha sugerido una nueva categoría que él llama «V-» o «creatividad visceral» en la que la importancia se inventa a las entradas sensoriales en bruto a una arquitectura de Creativity Machine, con las redes de «puerta de enlace» perturbadas para producir interpretaciones alternativas, y las redes aguas abajo cambian tales interpretaciones para adaptarse al contexto general.
Una variedad importante de tal V-creatividad es la conciencia misma,
Creatividad exploratoria y transformacional
Boden también distingue entre la creatividad que surge de una exploración dentro de un espacio conceptual establecido, y la creatividad que surge de una transformación deliberada o trascendencia de este espacio. Ella etiqueta a la primera como creatividad exploratoria y a la segunda como creatividad transformadora, viendo a este último como una forma de creatividad mucho más radical, desafiante y más raro que el primero.
Siguiendo los criterios de Newell y Simon elaborados anteriormente, podemos ver que ambas formas de creatividad deberían producir resultados apreciablemente novedosos y útiles (criterio 1), pero es más probable que la creatividad exploratoria surja de una búsqueda exhaustiva y persistente de un pozo.
Espacio comprendido (criterio 3): mientras que la creatividad transformacional debe implicar el rechazo de algunas de las restricciones que definen este espacio (criterio 2) o algunos de los supuestos que definen el problema en sí (criterio 4). Las ideas de Boden han guiado el trabajo en creatividad computacional a un nivel muy general, proporcionando más una piedra de inspiración para el trabajo de desarrollo que un marco técnico de sustancia algorítmica.
Sin embargo, Boden ‘
Generación y evaluación
El criterio de que los productos creativos deben ser novedosos y útiles significa que los sistemas computacionales creativos generalmente se estructuran en dos fases, generación y evaluación. En la primera fase, se generan construcciones novedosas (para el sistema mismo, por lo tanto P-Creative); Las construcciones no originales que ya son conocidas por el sistema se filtran en esta etapa.
Este cuerpo de construcciones potencialmente creativas se evalúa para determinar cuáles son significativas y útiles y cuáles no. Esta estructura de dos fases se ajusta al modelo Geneplore de Finke, Ward y Smith, que es un modelo psicológico de generación creativa basado en la observación empírica de la creatividad humana.
Creatividad combinatoria
Una gran parte, tal vez todo, de la creatividad humana puede entenderse como una combinación novedosa de ideas u objetos preexistentes. Las estrategias comunes para la creatividad combinatoria incluyen:
Colocar un objeto familiar en un entorno desconocido (por ejemplo, la Fuente de Marcel Duchamp ) o un objeto desconocido en un entorno familiar (por ejemplo, una historia de pez fuera del agua como The Beverly Hillbillies )
Combinando dos objetos o géneros superficialmente diferentes (por ejemplo, una historia de ciencia ficción ambientada en el Salvaje Oeste, con vaqueros robot, como en Westworld, o al revés, como en Firefly; poemas de haiku japoneses, etc.)
Comparar un objeto familiar con un concepto superficialmente no relacionado y semánticamente distante (por ejemplo, «El maquillaje es la burka occidental «; «Un zoológico es una galería con exhibiciones vivas»)
Agregar una característica nueva e inesperada a un concepto existente (por ejemplo, agregar un bisturí a una navaja suiza; agregar una cámara a un teléfono móvil )
Comprimir dos escenarios incongruentes en la misma narrativa para obtener una broma (por ejemplo, la broma Emo Philips «Las mujeres siempre usan a los hombres para avanzar en sus carreras. ¡Malditos antropólogos!»)
Usar una imagen icónica de un dominio en un dominio para una idea o producto no relacionado o incongruente (por ejemplo, usar la imagen de Marlboro Man para vender automóviles o para anunciar los peligros de la impotencia relacionada con fumar).
La perspectiva combinatoria nos permite modelar la creatividad como un proceso de búsqueda a través del espacio de posibles combinaciones. Las combinaciones pueden surgir de la composición o concatenación de diferentes representaciones, o mediante una transformación estocástica o basada en reglas de representaciones iniciales e intermedias.
Los algoritmos genéticos y las redes neuronales se pueden usar para generar representaciones combinadas o cruzadas que capturan una combinación de diferentes entradas.
Mezcla conceptual
Mark Turner y Gilles Fauconnier proponen un modelo llamado Redes de integración conceptual que desarrolla las ideas de Arthur Koestler sobre la creatividad, así como el trabajo más reciente de Lakoff y Johnson, al sintetizar ideas de Cognitive Investigación lingüística en espacios mentales y metáforas conceptuales.
Su modelo básico define una red de integración como cuatro espacios conectados:
Un primer espacio de entrada (contiene una estructura conceptual o espacio mental)
Un segundo espacio de entrada (para combinar con la primera entrada)
Un espacio genérico de convenciones de stock y esquemas de imágenes que permiten comprender los espacios de entrada desde una perspectiva integrada
Un espacio de mezcla en el que se combina una proyección seleccionada de elementos de ambos espacios de entrada; Las inferencias derivadas de esta combinación también residen aquí, lo que a veces conduce a estructuras emergentes que entran en conflicto con las entradas.
Fauconnier y Turner describen una colección de principios de optimización que, según se afirma, guían la construcción de una red de integración bien formada. En esencia, ven la combinación como un mecanismo de compresión en el que dos o más estructuras de entrada se comprimen en una sola estructura de combinación.
Esta compresión opera en el nivel de las relaciones conceptuales. Por ejemplo, una serie de relaciones de similitud entre los espacios de entrada se puede comprimir en una única relación de identidad en la combinación.
Se ha logrado cierto éxito computacional con el modelo de mezcla al extender modelos computacionales preexistentes de mapeo analógico que son compatibles en virtud de su énfasis en las estructuras semánticas conectadas. Más recientemente, Francisco Câmara Pereira presentó una implementación de la teoría de mezcla que emplea ideas tanto de GOFAI como de algoritmos genéticos para realizar algunos aspectos de la teoría de mezcla en una forma práctica;
Sus dominios de ejemplo van desde lo lingüístico a lo visual, y el último incluye la creación de monstruos míticos mediante la combinación de modelos gráficos en 3-D.
Creatividad lingüística
El lenguaje brinda una oportunidad continua para la creatividad, evidente en la generación de nuevas oraciones, frases, juegos de palabras, neologismos, rimas, alusiones, sarcasmo, ironía, símiles, metáforas, analogías, ingenios y chistes. Los hablantes nativos de lenguas ricas en morfología a menudo crean nuevas formas de palabras que se entienden fácilmente, y algunas han llegado al diccionario.
El área de la generación del lenguaje natural. ha sido bien estudiado, pero estos aspectos creativos del lenguaje cotidiano aún no se han incorporado con solidez o escala.
Hipótesis de patrones creativos
En el trabajo seminal del lingüista aplicado Ronald Carter, planteó la hipótesis de dos tipos principales de creatividad que involucran palabras y patrones de palabras: creatividad de reforma de patrones y creatividad de formación de patrones. La creatividad de reforma de patrones se refiere a la creatividad al romper las reglas, reformar y reformar los patrones del lenguaje a menudo a través de la innovación individual, mientras que la creatividad de formación de patrones se refiere a la creatividad mediante la conformidad con las reglas del lenguaje en lugar de romperlas, creando convergencia, simetría y mayor mutualidad entre interlocutores a través de sus interacciones en forma de repeticiones.
Generación de historias
Se ha realizado un trabajo sustancial en esta área de la creación lingüística desde la década de 1970, con el desarrollo del sistema TALE-SPIN de James Meehan. TALE-SPIN vio las historias como descripciones narrativas de un esfuerzo de resolución de problemas, y creó historias al establecer primero una meta para los personajes de la historia para que su búsqueda de una solución pudiera ser rastreada y registrada.
El sistema MINSTREL representa una elaboración compleja de este enfoque básico, que distingue un rango de objetivos a nivel de personaje en la historia de un rango de objetivos a nivel de autor para la historia. Sistemas como el BRUTO de BringsjordElabore estas ideas para crear historias con temas interpersonales complejos como la traición.
No obstante, MINSTREL modela explícitamente el proceso creativo con un conjunto de métodos de transformación, recuperación y adaptación (TRAM) para crear escenas novedosas de antaño. El modelo MÉXICO de Rafael Pérez y Pérez y Mike Sharples está más explícitamente interesado en el proceso creativo de la narración de historias, e implementa una versión del modelo cognitivo de reflexión de compromiso de la escritura creativa.
La compañía Narrative Science hace que las noticias y los informes generados por computadora estén disponibles comercialmente, incluido el resumen de eventos deportivos de equipo basados en datos estadísticos del juego. También crea informes financieros y análisis inmobiliarios.
Metáfora y símil
Ejemplo de una metáfora: «Ella era un simio».
Ejemplo de símil: «Me sentí como una manta de piel de tigre «. El estudio computacional de estos fenómenos se ha centrado principalmente en la interpretación como un proceso basado en el conocimiento. Los computacionalistas como Yorick Wilks, James Martin, Dan Fass, John Barnden, y Mark Lee han desarrollado enfoques basados en el conocimiento para el procesamiento de metáforas, ya sea a nivel lingüístico o lógico.
Tony Veale y Yanfen Hao han desarrollado un sistema, llamado Sardonicus, que adquiere una base de datos integral de símiles explícitos de la web; estos símiles se etiquetan como auténticos (por ejemplo, «tan duros como el acero») o irónicos (por ejemplo, «tan peludos como una bola de boliche «, «tan agradables como un conducto radicular»»);
Los símiles de cualquier tipo se pueden recuperar a pedido para cualquier adjetivo dado. Utilizan estos símiles como la base de un sistema de generación de metáforas en línea llamado Aristóteles que puede sugerir metáforas léxicas para un objetivo descriptivo dado (por ejemplo, para describir a una supermodelo como flaca, se sugieren los términos fuente «lápiz», «látigo», » whippet «, «cuerda», » insecto palo » y «serpiente«).
Analogía
El proceso de razonamiento analógico se ha estudiado desde una perspectiva de mapeo y de recuperación, siendo este último clave para la generación de analogías novedosas. La escuela dominante de investigación, como avanza Dedre Gentner, ve la analogía como un proceso de preservación de la estructura;
Esta vista se ha implementado en el motor de mapeo de estructuras o SME, el motor de recuperación MAC / FAC (Muchos son llamados, pocos son elegidos), ACME ( Motor de mapeo de restricciones analógicas ) y ARCS ( Sistema de restricción de recuperación analógica ). Otros enfoques basados en el mapeo incluyen Sapper,que sitúa el proceso de mapeo en un modelo de memoria de red semántica.
La analogía es una subárea muy activa de computación creativa y cognición creativa; Las figuras activas en esta subárea incluyen Douglas Hofstadter, Paul Thagard y Keith Holyoak. También es digno de mención aquí el enfoque de aprendizaje automático de Peter Turney y Michael Littman para la resolución de problemas de analogía al estilo SAT;
Su enfoque logra un puntaje que se compara bien con los puntajes promedio logrados por los humanos en estas pruebas.
Generación de broma
El humor es un proceso especialmente hambriento de conocimiento, y los sistemas de generación de bromas más exitosos hasta la fecha se han centrado en la generación de juegos de palabras, como lo demuestra el trabajo de Kim Binsted y Graeme Ritchie. Este trabajo incluye el JAPEsistema, que puede generar una amplia gama de juegos de palabras que los niños pequeños evalúan constantemente como novedoso y humorístico.
Se ha desarrollado una versión mejorada de JAPE bajo la apariencia del sistema STANDUP, que se ha implementado experimentalmente como un medio para mejorar la interacción lingüística con niños con discapacidades de comunicación. Se han realizado algunos avances limitados en la generación de humor que involucra otros aspectos del lenguaje natural, como el malentendido deliberado de la referencia pronominal (en el trabajo de Hans Wim Tinholt y Anton Nijholt), así como en la generación de siglas humorísticas en el acrónimo HAHA sistema de Oliviero Stock y Carlo Strapparava.
Neologismo
La combinación de múltiples formas de palabras es una fuerza dominante para la creación de nuevas palabras en el lenguaje; estas nuevas palabras se llaman comúnmente «mezclas» o » palabras-valija » (después de Lewis Carroll ). Tony Veale ha desarrollado un sistema llamado ZeitGeist que recoge palabras clave neológicas de Wikipedia y las interpreta en relación con su contexto local en Wikipedia y con los sentidos de palabras específicos en WordNet.
ZeitGeist se ha ampliado para generar neologismos propios; el enfoque combina elementos de un inventario de partes de palabras que se cosechan de WordNet, y simultáneamente determina glosas probables para estas nuevas palabras (por ejemplo, «viajero de comida» para «gastronauta» y «viajero del tiempo» para » crononauta «).
Luego utiliza la búsqueda web para determinar qué glosas son significativas y qué neologismos no se han utilizado antes; Esta búsqueda identifica el subconjunto de palabras generadas que son tanto novedosas («H-creativas») como útiles. Las inspiraciones neurolingüísticas se han utilizado para analizar el proceso de creación de nuevas palabras en el cerebro, comprender los procesos neurocognitivos responsables de la intuición, la comprensión, y para crear un servidor que invente nombres nuevos para productos, en función de su descripción.
Además, el sistema Nehovah combina dos palabras de origen en un neologismo que combina los significados de las dos palabras de origen. Nehovah busca en WordNet sinónimos y TheTopTens.com para los homónimos de la cultura pop. Los sinónimos e hipónimos se mezclan para crear un conjunto de neologismos candidatos.
Los neologismos se puntúan según su estructura de palabras, cuán única es la palabra, cuán evidentes se transmiten los conceptos y si el neologismo tiene una referencia de la cultura pop. Nehovah sigue libremente la combinación conceptual.
Un corpus lingüístico aproximación a la búsqueda y extracción de neologismo también han demostrado que es posible. Utilizando el Corpus del Inglés Americano Contemporáneo como un corpus de referencia, Locky Law ha realizado una extracción de palabras de neologismo, acrónimo y jerga usando el hapax legomena que apareció en los guiones del drama de televisión estadounidense House MD
En términos de investigación lingüística en neologismo, Stefan Th. Gries realizó un análisis cuantitativo de la estructura de la mezcla en inglés y descubrió que «el grado de reconocimiento de las palabras de origen y que la similitud de las palabras de origen con la combinación juega un papel vital en la formación de la combinación».
Los resultados se validaron mediante una comparación de mezclas intencionales con mezclas de error de voz.
Poesía
Más que hierro, más que plomo, más que oro, necesito electricidad.
Lo necesito más de lo que necesito cordero, cerdo, lechuga o pepino.
Lo necesito para mis sueños. Racter, de La barba del policía está medio construido
Al igual que los chistes, los poemas involucran una interacción compleja de diferentes restricciones, y ningún generador de poemas de propósito general combina adecuadamente los aspectos de significado, fraseo, estructura y rima de la poesía. No obstante, Pablo Gervás ha desarrollado un sistema notable llamado ASPERA que emplea un enfoque de razonamiento basado en casos (CBR) para generar formulaciones poéticas de un texto de entrada dado a través de una composición de fragmentos poéticos que se recuperan de una base de casos existente poemas Cada fragmento de poema en la base de caso ASPERA se anota con una cadena en prosa que expresa el significado del fragmento, y esta cadena en prosa se usa como la clave de recuperación para cada fragmento.
Las reglas métricas se utilizan para combinar estos fragmentos en una estructura poética bien formada.Racter es un ejemplo de tal proyecto de software.
Creatividad musical
La creatividad computacional en el dominio de la música se ha centrado tanto en la generación de partituras musicales para el uso de músicos humanos como en la generación de música para el desempeño de las computadoras. El dominio de la generación ha incluido la música clásica (con software que genera música al estilo de Mozart y Bach ) y el jazz.
En particular, David Cope ha escrito un sistema de software llamado «Experimentos en Inteligencia Musical» (o «EMI») que es capaz de analizar y generalizar a partir de la música existente de un compositor humano para generar nuevas composiciones musicales en el mismo estilo. La producción de EMI es lo suficientemente convincente como para persuadir a los oyentes humanos de que su música es generada por humanos a un alto nivel de competencia.
En el campo de la música clásica contemporánea, Iamus es la primera computadora que compone desde cero y produce partituras finales que los intérpretes profesionales pueden tocar. La Orquesta Sinfónica de Londres tocó una pieza para orquesta completa, incluida en el CD debut de Iamus, que New Scientist describió como «El primer trabajo importante compuesto por una computadora e interpretado por una orquesta completa».
Melomics, la tecnología detrás de Iamus, es capaz de generar piezas en diferentes estilos de música con un nivel de calidad similar.
La investigación de la creatividad en el jazz se ha centrado en el proceso de improvisación y las demandas cognitivas que esto le impone a un agente musical: razonar sobre el tiempo, recordar y conceptualizar lo que ya se ha jugado, y planificar con anticipación lo que se podría tocar a continuación.
El robot Shimon, desarrollado por Gil Weinberg de Georgia Tech, ha demostrado improvisación de jazz. El software de improvisación virtual basado en investigaciones sobre modelado estilístico realizadas por Gerard Assayag y Shlomo Dubnov incluyen OMax, SoMax y PyOracle, se utilizan para crear improvisaciones en tiempo real reinyectando secuencias de longitud variable aprendidas sobre la marcha de un artista en vivo..
En 1994, una arquitectura de Creativity Machine (ver arriba) fue capaz de generar 11,000 ganchos musicales al entrenar una red neuronal perturbada sinápticamente en 100 melodías que habían aparecido en la lista de los diez primeros en los últimos 30 años. En 1996, una máquina de creatividad de arranque automático observó las expresiones faciales de la audiencia a través de un avanzado sistema de visión artificial y perfeccionó sus talentos musicales para generar un álbum titulado «Canción de las neuronas»
En el campo de la composición musical, las obras patentadas de René-Louis Baron permitieron hacer un robot que puede crear y tocar una multitud de melodías orquestadas llamadas «coherentes» en cualquier estilo musical. Todos los parámetros físicos al aire libre asociados con uno o más parámetros musicales específicos pueden influir y desarrollar cada una de estas canciones (en tiempo real mientras se escucha la canción).
La invención patentada Medal-Composer plantea problemas de derechos de autor.
Creatividad visual y artística
La creatividad computacional en la generación de arte visual ha tenido algunos éxitos notables en la creación de arte abstracto y arte representativo. El programa más famoso de este dominio es Harold Cohen ‘s AARON, que ha sido desarrollado y aumentada desde 1973. Aunque fórmulas continuamente, Aaron exhibe un rango de salidas, la generación de dibujos en blanco y negro o pinturas de color que incorporan humana figuras (como bailarines), plantas en macetas, rocas y otros elementos de imágenes de fondo.
Estas imágenes son de una calidad lo suficientemente alta como para mostrarse en galerías acreditadas.
Otros artistas de software notables incluyen el sistema NEvAr (para » Neuro-Evolutionary Art») de Penousal Machado. NEvAr utiliza un algoritmo genético para derivar una función matemática que luego se utiliza para generar una superficie tridimensional coloreada. Un usuario humano puede seleccionar las mejores imágenes después de cada fase del algoritmo genético, y estas preferencias se utilizan para guiar fases sucesivas, empujando así la búsqueda de NEvAr en los bolsillos del espacio de búsqueda que se consideran más atractivos para el usuario.
The Painting Fool, desarrollado por Simon Colton, se originó como un sistema para pintar en exceso las imágenes digitales de una escena dada en una selección de diferentes estilos de pintura, paletas de colores y tipos de pincel. Dada su dependencia de una imagen fuente de entrada para trabajar, las primeras iteraciones de Painting Fool plantearon preguntas sobre el alcance o la falta de creatividad en un sistema de arte computacional.
Sin embargo, en trabajos más recientes, The Painting Fool se ha extendido para crear imágenes novedosas, como lo hace AARON, desde su propia imaginación limitada. Las imágenes en este sentido incluyen paisajes urbanos y bosques, que son generados por un proceso de satisfacción de restriccionesde algunos escenarios básicos proporcionados por el usuario (por ejemplo, estos escenarios permiten que el sistema infiera que los objetos más cercanos al plano de visualización deberían ser más grandes y más saturados de color, mientras que los que están más lejos deberían estar menos saturados y parecer más pequeños).
Artísticamente, las imágenes ahora creadas por Painting Fool aparecen a la par de las creadas por Aaron, aunque los mecanismos extensibles empleados por el primero (satisfacción de restricciones, etc.) pueden permitirle convertirse en un pintor más elaborado y sofisticado.
El artista Krasi Dimtch (Krasimira Dimtchevska) y el desarrollador de software Svillen Ranev han creado un sistema computacional que combina un generador de oraciones en inglés basado en reglas y un generador de composición visual que convierte las oraciones generadas por el sistema en arte abstracto.
El software genera automáticamente un número indefinido de imágenes diferentes utilizando diferentes paletas de colores, formas y tamaños. El software también permite al usuario seleccionar el tema de las oraciones generadas y / o una o más de las paletas utilizadas por el creador de la composición visual.
Un área emergente de creatividad computacional es la de los videojuegos. ANGELINA es un sistema para el desarrollo creativo de videojuegos en Java por Michael Cook. Un aspecto importante es Mechanic Miner, un sistema que puede generar segmentos cortos de código que actúan como simples mecanismos de juego.
ANGELINA puede evaluar la utilidad de estas mecánicas jugando niveles simples de juego sin resolver y probando para ver si la nueva mecánica hace que el nivel sea solucionable. A veces, Mechanic Miner descubre errores en el código y los explota para crear nuevas mecánicas para que el jugador resuelva los problemas.
En julio de 2015, Google lanzó DeepDream, un programa de visión por computadora de código abierto, creado para detectar rostros y otros patrones en imágenes con el objetivo de clasificar automáticamente las imágenes, que utiliza una red neuronal convolucional para encontrar y mejorar patrones en imágenes mediante pareidolia algorítmica, creando así una apariencia psicodélica de ensueño en las imágenes deliberadamente sobreprocesadas.
En agosto de 2015, investigadores de Tübingen, Alemania, crearon una red neuronal convolucional que usa representaciones neuronales para separar y recombinar el contenido y el estilo de imágenes arbitrarias que puede convertir imágenes en imitaciones estilísticas de obras de arte de artistas como Picasso o Van Gogh en aproximadamente una hora.
Su algoritmo se pone en uso en el sitio web DeepArt que permite a los usuarios crear imágenes artísticas únicas mediante su algoritmo.
A principios de 2016, un equipo global de investigadores explicó cómo un nuevo enfoque de creatividad computacional conocido como sustrato neuronal sináptico digital (DSNS) podría usarse para generar acertijos de ajedrez originales que no se derivaron de las bases de datos finales. El DSNS es capaz de combinar características de diferentes objetos (por ejemplo, problemas de ajedrez, pinturas, música) usando métodos estocásticos para obtener nuevas especificaciones de características que pueden usarse para generar objetos en cualquiera de los dominios originales.
Los rompecabezas de ajedrez generados también se han presentado en YouTube.
Creatividad en la resolución de problemas
La creatividad también es útil para permitir soluciones inusuales en la resolución de problemas. En psicología y ciencias cognitivas, esta área de investigación se llama resolución creativa de problemas. La teoría de la creatividad de la interacción explícita-implícita (EII) se ha implementado recientemente utilizando un modelo computacional basado en CLARION que permite la simulación de incubación y comprensión en la resolución de problemas.
El énfasis de este proyecto de creatividad computacional no está en el rendimiento per se (como en la inteligencia artificialproyectos), sino más bien sobre la explicación de los procesos psicológicos que conducen a la creatividad humana y la reproducción de datos recopilados en experimentos de psicología.
Hasta ahora, este proyecto ha tenido éxito al proporcionar una explicación de los efectos de incubación en experimentos simples de memoria, una visión de la resolución de problemas y la reproducción del efecto de sombra en la resolución de problemas.
Debate sobre las teorías «generales» de la creatividad
Algunos investigadores creen que la creatividad es un fenómeno complejo cuyo estudio se complica aún más por la plasticidad del lenguaje que usamos para describirlo. Podemos describir no solo al agente de la creatividad como «creativo» sino también al producto y al método. En consecuencia, se podría afirmar que no es realista hablar de una teoría general de la creatividad.
Sin embargo, algunos principios generativos son más generales que otros, lo que lleva a algunos defensores a afirmar que ciertos enfoques computacionales son «teorías generales». Stephen Thaler, por ejemplo, propone que ciertas modalidades de redes neuronales son lo suficientemente generativas y lo suficientemente generales como para manifestar un alto grado de capacidades creativas.
Asimismo, la teoría formal de la creatividadse basa en un principio computacional simple publicado por Jürgen Schmidhuber en 1991. La teoría postula que la creatividad y la curiosidad y la atención selectiva en general son subproductos de un principio algorítmico simple para medir y optimizar el progreso del aprendizaje.
Crítica de la creatividad computacional
Las computadoras tradicionales, como se usan principalmente en la aplicación de creatividad computacional, no son compatibles con la creatividad, ya que transforman fundamentalmente un conjunto de parámetros discretos y limitados de entrada en un conjunto de parámetros discretos y limitados de salida utilizando un conjunto limitado de funciones computacionales.
Como tal, una computadora no puede ser creativa, ya que todo en la salida ya debe haber estado presente en los datos de entrada o en los algoritmos. Para algunas discusiones relacionadas y referencias a trabajos relacionados se capturan en algunos trabajos recientes sobre fundamentos filosóficos de simulación.
Matemáticamente, Chaitin ha formulado el mismo conjunto de argumentos contra la creatividad. Observaciones similares provienen de la perspectiva de la teoría del modelo. Toda esta crítica enfatiza que la creatividad computacional es útil y puede parecer creatividad, pero no es creatividad real, ya que no se crea nada nuevo, solo se transforma en algoritmos bien definidos.
Eventos
La Conferencia Internacional sobre Creatividad Computacional (ICCC) ocurre anualmente, organizada por la Asociación para la Creatividad Computacional. Los eventos de la serie incluyen:
ICCC 2018, Salamanca, España
ICCC 2017, Atlanta, Georgia, EE. UU.
ICCC 2016, París, Francia
ICCC 2015, Park City, Utah, EE. UU. Nota clave: Emily Short
ICCC 2014, Ljubljana, Eslovenia. Keynote: Oliver Deussen
ICCC 2013, Sydney, Australia. Nota clave: Arne Dietrich
ICCC 2012, Dublín, Irlanda. Keynote: Steven Smith
ICCC 2011, Ciudad de México, México. Nota clave: George E Lewis
ICCC 2010, Lisboa, Portugal. Conferencia magistral / Charlas invitadas: Nancy J Nersessian y Mary Lou Maher
Anteriormente, la comunidad de creatividad computacional ha realizado un taller dedicado, el Taller Internacional Conjunto sobre Creatividad Computacional, todos los años desde 1999. Los eventos anteriores de esta serie incluyen:
IJWCC 2003, Acapulco, México, como parte de IJCAI’2003
IJWCC 2004, Madrid, España, como parte de ECCBR’2004
IJWCC 2005, Edimburgo, Reino Unido, como parte de IJCAI’2005
IJWCC 2006, Riva del Garda, Italia, como parte de ECAI’2006
IJWCC 2007, Londres, Reino Unido, un evento independiente
IJWCC 2008, Madrid, España, un evento independiente
La primera conferencia sobre simulación informática de la creatividad musical se llevará a cabo
CCSMC 2016, 17–19 de junio, Universidad de Huddersfield, Reino Unido. Notas clave: Geraint Wiggins y Graeme Bailey.
Publicaciones y foros
Design Computing and Cognition es una conferencia que aborda la creatividad computacional. La conferencia ACM Creativity and Cognition es otro foro para temas relacionados con la creatividad computacional. La nota magistral de Journées d’Informatique Musicale 2016 de Shlomo Dubnov fue sobre Creatividad teórica de la información.
Varios libros recientes proporcionan una buena introducción o una buena visión general del campo de la creatividad computacional. Éstos incluyen:
Pereira, FC (2007). «Creatividad e inteligencia artificial: un enfoque de fusión conceptual». Aplicaciones de la serie de Lingüística Cognitiva, Mouton de Gruyter.
Veale, T. (2012). «Explosión del mito de la creatividad: los fundamentos computacionales de la creatividad lingüística». Bloomsbury Academic, Londres.
McCormack, J. y d’Inverno, M. (eds.) (2012). «Computadoras y creatividad». Springer, Berlín.
Veale, T., Feyaerts, K. y Forceville, C. (2013, de próxima publicación). «Creatividad y la mente ágil: un estudio multidisciplinario de un fenómeno multifacético». Mouton de Gruyter.
Además de las actas de conferencias y talleres, la comunidad de creatividad computacional ha producido hasta ahora estos números especiales de revistas dedicados al tema:
New Generation Computing, volumen 24, número 3, 2006
Journal of Knowledge-Based Systems, volumen 19, número 7, noviembre de 2006
Revista AI, volumen 30, número 3, otoño 2009
Mentes y máquinas, volumen 20, número 4, noviembre de 2010
Computación cognitiva, volumen 4, número 3, septiembre de 2012
AIEDAM, volumen 27, número 4, otoño 2013
Computers in Entertainment, dos números especiales sobre Music Meta-Creation (MuMe), otoño de 2016 (de próxima publicación)
Además de estos, ha comenzado una nueva revista que se centra en la creatividad computacional dentro del campo de la música.
JCMS 2016, Journal of Creative Music Systems
Referencias
Anna Jordanous, Ph.D. (10 de abril de 2014). «¿Qué es la creatividad computacional?». Consultado el 7 de enero de 2019.
Amabile, Teresa (1983), La psicología social de la creatividad, Nueva York, NY: Springer-Verlag
Minsky, Marvin (1967), ¿Por qué la programación es un buen medio para expresar ideas mal entendidas y formuladas descuidadamente (PDF), págs. 120-125
Newell, Allen, Shaw, JG y Simon, Herbert A. (1963), El proceso del pensamiento creativo, HE Gruber, G. Terrell y M. Wertheimer (Eds.), Enfoques contemporáneos del pensamiento creativo, pp 63 – 119 Nueva York: Atherton
Gibson, PM (1991) NEUROGEN, composición musical usando algoritmos genéticos y redes neuronales cooperantes, Segunda Conferencia Internacional sobre Redes Neuronales Artificiales: 309-313.
Todd, PM (1989). «Un enfoque conexionista a la composición algorítmica». Computer Music Journal. 13(4): 27–43. doi:.2307 / 3679551. JSTOR 3679551. S2CID 36726968.
Thaler, SL (1998). «La inteligencia emergente y su mirada crítica a nosotros» (PDF). Revista de estudios cercanos a la muerte. 17 (1): 21–29. doi : 10.1023 / A: 1022990118714.
Bharucha, JJ; Todd, PM (1989). «Modelado de la percepción de la estructura tonal con redes neuronales». Computer Music Journal. 13 (4): 44–53. doi : 10.2307 / 3679552. JSTOR 3679552. S2CID 19286486.
Todd, PM y Loy, DG (Eds.) (1991). Música y conexionismo. Cambridge, MA: MIT Press.
Todd, PM (1992). Un sistema conexionista para explorar el espacio melódico. En Actas de la Conferencia Internacional de Música Informática de 1992 (págs. 65-68). San Francisco: Asociación Internacional de Música Informática.
Un esquema dual de propagación hacia atrás para el aprendizaje de recompensa escalar. P Munro – Novena Conferencia Anual de la Ciencia Cognitiva, 1987
Redes neuronales para el control y la identificación del sistema. PJ Werbos – Decisión y control, 1989.
The truck backer-upper: un ejemplo de autoaprendizaje en redes neuronales. D Nguyen, B Widrow – IJCNN’89, 1989.
Modelos avanzados: aprendizaje supervisado con un maestro distal. MI Jordan, DE Rumelhart – Ciencia Cognitiva, 1992.
Marupaka, Nagendra y Ali A. Minai. «Conectividad y creatividad en redes neuronales semánticas». Redes neuronales (IJCNN), La Conferencia Conjunta Internacional de 2011 sobre. IEEE, 2011.
Boden, Margaret (1990), La mente creativa: mitos y mecanismos, Londres: Weidenfeld y Nicolson
Boden, Margaret (1999), Modelos computacionales de creatividad., Handbook of Creativity, págs. 351–373
Computación creativa». Wayback machine: Asociación Americana de Filosofía. Archivado desde el original el 15 de noviembre de 2012. Consultado el 16 de marzo de 2016.
Wiggins, Geraint (2006), Un marco preliminar para la descripción, análisis y comparación de sistemas creativos, Journal of Knowledge Based Systems 19 (7), pp. 449-458, CiteSeerX 10.1.1.581.5208
Finke, R., Ward, T. y Smith, S. (1992), Cognición creativa: teoría, investigación y aplicaciones (PDF), Cambridge: MIT press.
Margaret Boden (10 de mayo de 2010). «¿Pueden los modelos informáticos ayudarnos a comprender la creatividad humana?». Consultado el 7 de enero de 2019.
Fauconnier, Gilles, Turner, Mark (2007), La forma en que pensamos, libros básicos
Fauconnier, Gilles, Turner, Mark (2007), Redes de integración conceptual, ciencia cognitiva, 22 (2) pp 133-187
Koestler, Arthur (1964), {El acto de la creación}, Londres: Hutchinson y Nueva York: Macmillan
Lakoff, George; Johnson, Mark (2008), Metáforas por las que vivimos, prensa de la Universidad de Chicago
Veale, Tony, O’Donoghue, Diarmuid (2007),Computation and Blending, Cognitive Linguistics, 11 (3-4), número especial sobre Conceptual Blending
Pereira, Francisco Câmara (2006), Creatividad e inteligencia artificial: un enfoque de combinación conceptual, aplicaciones de la lingüística cognitiva. Amsterdam: Mouton de Gruyter
Carter, Ronald (2004). Lenguaje y creatividad: el arte de la conversación común. Londres: Routledge.
Martin, Katherine Connor (January 30, 2018). «From hangry to mansplain: spend a little ‘me time’ with the latest OED update». Oxford Dictionaries. Retrieved January 4, 2019.
Anh Vo, Thuc; Carter, Ronald (2010), «What can a corpus tell us about creativity?», The Routledge Handbook of Corpus Linguistics, Routledge, doi:.4324/9780203856949.ch, ISBN 9780203856949
Meehan, James (1981), TALE-SPIN, Shank, R. C. and Riesbeck, C. K., (eds.), Inside Computer Understanding: Five Programs plus Miniatures. Hillsdale, NJ: Lawrence Erlbaum Associates
Turner, S.R. (1994), The Creative Process: A Computer Model of Storytelling, Hillsdale, NJ: Lawrence Erlbaum Associates
Bringsjord, S., Ferrucci, D. A. (2000), Artificial Intelligence and Literary Creativity. Inside the Mind of BRUTUS, a Storytelling Machine., Hillsdale NJ: Lawrence Erlbaum Associates
Pérez y Pérez, Rafael, Sharples, Mike (2001), MEXICA: A computer model of a cognitive account of creative writing (PDF), Journal of Experimental and Theoretical Artificial Intelligence, 13, pp 119-139
Archived copy». Archived from the original on 2011-11-03. Retrieved 2011-05-01.
Martin, James (1990), A Computational Model of Metaphor Interpretation, Academic Press
Barnden, John (1992), Belief in Metaphor: Taking Commonsense Psychology Seriously, Computational Intelligence 8, pp 520-552
Veale, Tony, Hao, Yanfen (2007), Comprehending and Generating Apt Metaphors: A Web-driven, Case-based Approach to Figurative Language (PDF), Proceedings of AAAI 2007, the 22nd AAAI Conference on Artificial Intelligence. Vancouver, Canada
Falkenhainer, Brian, Forbus, Ken and Gentner, Dedre (1989), The structure-mapping engine: Algorithm and examples (PDF), Artificial Intelligence, 20(41) pp 1–63
Binsted, K., Pain, H., and Ritchie, G. (1997), «Children’s evaluation of computer-generated punning riddles», Pragmatics & Cognition, 5 (2): 305–354, doi:.1075/pc..2.06bin
Stock, Oliviero, Strapparava, Carlo (2003), HAHAcronym: Humorous agents for humorous acronyms (PDF), Humor: International Journal of Humor Research, 16(3) pp 297–314
Veale, Tony (2006), Tracking the Lexical Zeitgeist with Wikipedia and WordNet, Proceedings of ECAI’2006, the 17th European Conference on Artificial Intelligence
Duch, Wlodzislaw (2007), Creatividad y el cerebro, en: Un manual de creatividad para maestros. Ed. Ai-Girl Tan (PDF), World Scientific Publishing, Singapur, págs. 507–530
Duch, Wlodzislaw (2007), «Intuición, perspicacia, imaginación y creatividad», IEEE Computational Intelligence Magazine, 2 (3): 40–52, CiteSeerX 10.1.1.76.4130, doi : 10.1109 / MCI..385365
Pilichowski Maciej, Duch Wlodzislaw (2007), Experimentos con creatividad computacional, Procesamiento de información neuronal – Cartas y comentarios, 11 (4-6) pp 123-133
Smith, MR, Hintze, RS y Ventura, D. (2014), Nehovah: A Neologism Creator Nomen Ipsum (PDF), Actas de la Conferencia Internacional sobre Creatividad Computacional (ICCC 2014), pp 173-181
Ley, Locky (2019). «Creatividad y drama televisivo: un análisis multimodal basado en corpus de la creatividad de reforma de patrones en House MD». Corpora. 14 (2): 135-171. doi : 10.3366 / cor..0167.
Gries, Stefan Th. (2004-01-21). «¿No debería ser el desayuno? Un análisis cuantitativo de la estructura de la mezcla en inglés». La lingüística. 42 (3). doi : 10.1515 / ling..021. ISSN 0024-3949. S2CID 3762246.
Gervás, Pablo (2001), Un sistema experto para la composición de la poesía española formal (PDF), Journal of Knowledge-Based Systems 14 (3-4) pp 181-188
D. Herremans, CH, Chuan, E. Chew (2017). «Una taxonomía funcional de los sistemas de generación de música». Encuestas de computación ACM. 50 (5): 69: 1–30. arXiv : 1812.04832. doi : 10.1109 / TAFFC..2737984.
Cope, David (2006), Modelos de computadora de la creatividad musical, Cambridge, MA: MIT Press
David Cope (1987), «Experimentos en inteligencia musical». En Actas de la Conferencia Internacional de Música Informática, San Francisco: Computer Music Assn.
Fuentes
- Fuente: computationalcreativity.net
- Fuente: www.creativitypost.com
- Fuente: pdfs.semanticscholar.org
- Fuente: ieeexplore.ieee.org
- Fuente: doi.org
- Fuente: www.jstor.org
- Fuente: api.semanticscholar.org
- Fuente: newdualism.org
- Fuente: web.stanford.edu
- Fuente: web.archive.org
- Fuente: www.apaonline.org
- Fuente: citeseerx.ist.psu.edu
- Fuente: www.dcs.warwick.ac.uk
- Fuente: nationalhumanitiescenter.org
- Fuente: eden.dei.uc.pt
- Fuente: blog.oxforddictionaries.com
- Fuente: axon.cs.byu.edu
- Fuente: www.narrativescience.com
- Fuente: www.aaai.org
- Fuente: www.qrg.northwestern.edu
- Fuente: www.researchgate.net
- Fuente: ris.utwente.nl
- Fuente: cogprints.org
- Fuente: www.worldcat.org
- Fuente: nil.fdi.ucm.es
- Fuente: arxiv.org
Autor
