論文の概要: How Does Embodiment Affect the Human Perception of Computational
Creativity? An Experimental Study Framework
- arxiv url: http://arxiv.org/abs/2205.01418v1
- Date: Tue, 3 May 2022 11:12:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-04 19:53:40.112664
- Title: How Does Embodiment Affect the Human Perception of Computational
Creativity? An Experimental Study Framework
- Title(参考訳): 身体は人間の創造性認知にどのように影響するか?
実験的研究枠組み
- Authors: Simo Linkola and Christian Guckelsberger and Tomi M\"annist\"o and
Anna Kantosalo
- Abstract要約: 本研究では,エボディメントが創造性に対する知覚に与える影響について考察した。
我々は,その中核となる枠組みを具体化,知覚的エビデンスを独立として,創造的プロセスを制御変数として動機づける。
我々は、この枠組みが、原則的に具現化されたCCの人間の知覚を研究するよう、他人に刺激を与えることを期待している。
- 参考スコア(独自算出の注目度): 0.9558392439655011
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Which factors influence the human assessment of creativity exhibited by a
computational system is a core question of computational creativity (CC)
research. Recently, the system's embodiment has been put forward as such a
factor, but empirical studies of its effect are lacking. To this end, we
propose an experimental framework which isolates the effect of embodiment on
the perception of creativity from its effect on creativity per se. We not only
manipulate the system's embodiment, but also the perceptual evidence as the
basis for the human creativity assessment. We motivate the core framework with
embodiment and perceptual evidence as independent and the creative process as
controlled variable, and we provide recommendations on measuring the assessment
of creativity as dependent variable. We hope the framework will inspire others
to study the human perception of embodied CC in a principled manner.
- Abstract(参考訳): 計算システムによる人間の創造性評価に影響を与える要因は、計算創造性(CC)研究の中核的な問題である。
近年、このような要因としてシステムの実施が進められているが、その効果に関する実証的研究は乏しい。
そこで本研究では,創造性に対する具体化の効果を,創造性に対するその影響から分離する実験的な枠組みを提案する。
我々は,人間の創造性評価の基礎として,システムの具体化を操作するだけでなく,知覚的証拠も操作する。
我々は,身体的・知覚的証拠を独立に,創造的プロセスを制御変数として,中心的枠組みをモチベーションとし,創造性評価を依存変数として評価することを推奨する。
我々は、この枠組みが他の人に、具体化ccの人間の知覚を原則的に研究するよう促すことを望んでいる。
関連論文リスト
- 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) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - Automatic Creativity Measurement in Scratch Programs Across Modalities [6.242018846706069]
我々は、創造性の公式な尺度の定義から、この尺度を実践的な領域に適用することまで、効率的に計算できる旅を行ないます。
我々は、人気のあるビジュアルプログラミング言語であるScratchのプロジェクトに対して、一般的な測度を適用した。
我々は、Scratchプロジェクトの創造性を予測し、人間の専門家による創造性評価に基づいてトレーニングし、評価する機械学習モデルを設計した。
論文 参考訳(メタデータ) (2022-11-07T10:43:36Z) - Towards Creativity Characterization of Generative Models via Group-based
Subset Scanning [64.6217849133164]
創造的プロセスを特定し,定量化し,特徴付けるグループベースサブセットスキャンを提案する。
創造的なサンプルは、データセット全体にわたる通常のサンプルや非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文 参考訳(メタデータ) (2022-03-01T15:07:14Z) - DeepCreativity: Measuring Creativity with Deep Learning Techniques [2.5426469613007012]
本稿では,創造性の自動評価に生成学習技術を用いる可能性について検討する。
我々は、価値、ノベルティ、サプライズによって構成される創造性の定義に基づいて、DeepCreativityという新しい尺度を導入する。
論文 参考訳(メタデータ) (2022-01-16T19:00:01Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳(メタデータ) (2021-07-10T19:02:27Z) - Embodiment and Computational Creativity [3.5366052026723547]
創造性と創造性に対する認識は、少なくともある程度は、具体化によって形成されていると推測する。
これは計算創造性(CC)研究に非常に関係があるが、既存の研究は乏しく、概念の使用は曖昧である。
我々は、概念の異なる使用法を識別し比較することで曖昧さを解決するために、確立した態様を取り入れ、拡張する。
論文 参考訳(メタデータ) (2021-07-02T10:18:55Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳(メタデータ) (2021-02-24T14:58:23Z) - 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)
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。