論文の概要: Enhancing user creativity: Semantic measures for idea generation
- arxiv url: http://arxiv.org/abs/2106.10131v1
- Date: Fri, 18 Jun 2021 13:47:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-21 19:59:53.086469
- Title: Enhancing user creativity: Semantic measures for idea generation
- Title（参考訳）: ユーザ創造性を高める:アイデア生成のためのセマンティック尺度
- Authors: Georgi V. Georgiev, Danko D. Georgiev
- Abstract要約: 我々は,WordNet 3.1に基づく49のセマンティック測度を用いて,実環境における設計問題解決会話のデータセットを解析した。
意味的類似性の相違,情報内容の増大,多義性の低下が生成したアイデアの成功を予測していることを示す。
これらの結果は、人間の問題解決における現実世界のプロセスを特定することによって認知科学を推し進める。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human creativity generates novel ideas to solve real-world problems. This
thereby grants us the power to transform the surrounding world and extend our
human attributes beyond what is currently possible. Creative ideas are not just
new and unexpected, but are also successful in providing solutions that are
useful, efficient and valuable. Thus, creativity optimizes the use of available
resources and increases wealth. The origin of human creativity, however, is
poorly understood, and semantic measures that could predict the success of
generated ideas are currently unknown. Here, we analyze a dataset of design
problem-solving conversations in real-world settings by using 49 semantic
measures based on WordNet 3.1 and demonstrate that a divergence of semantic
similarity, an increased information content, and a decreased polysemy predict
the success of generated ideas. The first feedback from clients also enhances
information content and leads to a divergence of successful ideas in creative
problem solving. These results advance cognitive science by identifying
real-world processes in human problem solving that are relevant to the success
of produced solutions and provide tools for real-time monitoring of problem
solving, student training and skill acquisition. A selected subset of
information content (IC S\'anchez-Batet) and semantic similarity
(Lin/S\'anchez-Batet) measures, which are both statistically powerful and
computationally fast, could support the development of technologies for
computer-assisted enhancements of human creativity or for the implementation of
creativity in machines endowed with general artificial intelligence.
- Abstract（参考訳）: 人間の創造性は現実世界の問題を解決する新しいアイデアを生み出す。
これにより、周囲の世界を変革し、人間の属性を現在可能な範囲を超えて拡張する権限が得られます。
創造的なアイデアは新しいだけでなく、有用で効率的で価値あるソリューションを提供するのにも成功しています。
したがって、創造性は利用可能な資源の使用を最適化し、富を増大させる。
しかし、人間の創造性の起源は理解されておらず、生成したアイデアの成功を予測できる意味的尺度は現在不明である。
本稿では,WordNet 3.1に基づく49のセマンティック測度を用いて,実世界の環境における設計問題解決会話のデータセットを分析し,意味的類似性,情報内容の増大,ポリセミーの減少が生成したアイデアの成功を予測することを示す。
クライアントからのフィードバックは情報コンテンツも強化し、創造的な問題解決において成功するアイデアの多様化につながる。
これらの結果は,人間の問題解決における現実のプロセスを特定し,問題解決,学生の学習,スキル獲得をリアルタイムに監視するためのツールを提供することによって認知科学を前進させる。
統計的に強力で計算が速い情報コンテンツ(IC S\anchez-Batet)と意味的類似性(Lin/S\anchez-Batet)のサブセットは、コンピュータ支援による人間の創造性の向上や、汎用人工知能に支えられた機械における創造性の実現を支援することができる。
関連論文リスト
- Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art [90.8684263806649]
視覚芸術の創造において、AIが人間の認知的限界を超越する方法を示します。
我々の研究は、視覚芸術には膨大な未探索の概念的組み合わせが含まれているという仮説を立てている。
本稿では,人間の認知能力を超えた概念の組み合わせを同定し,生成するエイリアン組換え法を提案する。
論文 参考訳（メタデータ） (2024-11-18T11:55:38Z) - Initial Development and Evaluation of the Creative Artificial Intelligence through Recurring Developments and Determinations (CAIRDD) System [0.0]
大型言語モデル (LLMs) は創造性と感覚の出現のファクシミリを提供するが、実際は創造的でも知覚的でもない。
本稿では,概念注入・精錬の反復的プロセスを通じてLCM出力の創造性を向上する手法を提案する。
論文 参考訳（メタデータ） (2024-09-03T21:04:07Z) - On the stochastics of human and artificial creativity [0.0]
コンピュータにおける人間レベルの知性を達成するためには、人間レベルの創造性も必要である、と我々は主張する。
我々は、理論、心理学、哲学、神経科学、カオス理論からの事前の洞察を取り入れて、人間の創造性を統計的に表現する。
私たちの分析には、強化学習や拡散モデル、大規模言語モデルといった最新のAIアルゴリズムが含まれています。
論文 参考訳（メタデータ） (2024-03-03T10:38:57Z) - Can AI Be as Creative as Humans? [84.43873277557852]
理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。
AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
論文 参考訳（メタデータ） (2024-01-03T08:49:12Z) - MacGyver: Are Large Language Models Creative Problem Solvers? [87.70522322728581]
本稿では, 現代LLMの創造的問題解決能力について, 制約付き環境下で検討する。
我々は1,600以上の実世界の問題からなる自動生成データセットであるMACGYVERを作成する。
我々はLLMと人間の両方にコレクションを提示し、それらの問題解決能力を比較して比較する。
論文 参考訳（メタデータ） (2023-11-16T08:52:27Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳（メタデータ） (2023-07-03T16:01:45Z) - WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。
そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-27T12:25:21Z) - Creativity of Deep Learning: Conceptualization and Assessment [1.5738019181349994]
我々は,創造的領域における生成的深層学習の現在の応用を概念化し,評価するために,計算的創造性からの洞察を利用する。
私たちは、現在のシステムと、人間の創造性の異なるモデルと、その欠点の類似点を強調します。
論文 参考訳（メタデータ） (2020-12-03T21:44:07Z) - Explaining Creative Artifacts [69.86890599471202]
生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。
特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
論文 参考訳（メタデータ） (2020-10-14T14:32:38Z) - Artificial Intelligence in the Creative Industries: A Review [2.657505380055164]
本稿では,創造産業の文脈における人工知能(AI)技術と応用の現状を概観する。
私たちはクリエイティブなアプリケーションを、AIテクノロジの使用方法に関連する5つのグループに分類します。
これらの分野において、この急速に進歩する技術の成功と限界について検討する。
論文 参考訳（メタデータ） (2020-07-24T07:29:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。