論文の概要: Putting GPT-3's Creativity to the (Alternative Uses) Test
- arxiv url: http://arxiv.org/abs/2206.08932v1
- Date: Fri, 10 Jun 2022 15:36:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-27 00:43:16.195524
- Title: Putting GPT-3's Creativity to the (Alternative Uses) Test
- Title(参考訳): GPT-3の創造性を(代替用途)テストに当てる
- Authors: Claire Stevenson, Iris Smal, Matthijs Baas, Raoul Grasman and Han van
der Maas
- Abstract要約: 我々はOpen AIの生成自然言語モデルであるGPT-3を試験に投入した。
我々はGPT-3の創造性をギルフォードの代替利用試験で評価した。
クリエイティブなアウトプットに関しては、現在人間はGPT-3を上回っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI large language models have (co-)produced amazing written works from
newspaper articles to novels and poetry. These works meet the standards of the
standard definition of creativity: being original and useful, and sometimes
even the additional element of surprise. But can a large language model
designed to predict the next text fragment provide creative, out-of-the-box,
responses that still solve the problem at hand? We put Open AI's generative
natural language model, GPT-3, to the test. Can it provide creative solutions
to one of the most commonly used tests in creativity research? We assessed
GPT-3's creativity on Guilford's Alternative Uses Test and compared its
performance to previously collected human responses on expert ratings of
originality, usefulness and surprise of responses, flexibility of each set of
ideas as well as an automated method to measure creativity based on the
semantic distance between a response and the AUT object in question. Our
results show that -- on the whole -- humans currently outperform GPT-3 when it
comes to creative output. But, we believe it is only a matter of time before
GPT-3 catches up on this particular task. We discuss what this work reveals
about human and AI creativity, creativity testing and our definition of
creativity.
- Abstract(参考訳): AIの大規模言語モデルは、新聞記事から小説や詩まで、素晴らしい作品を生み出しています。
これらの作品はクリエイティビティの標準的な定義の標準を満たしている:オリジナルで有用であり、時にはサプライズの追加要素さえも満たしている。
しかし、次のテキストフラグメントを予測するために設計された大きな言語モデルは、まだ手元にある問題を解決する創造的で無意味な応答を提供することができるだろうか?
我々はOpen AIの生成自然言語モデルであるGPT-3を試験に投入した。
クリエイティビティ研究でよく使われるテストのひとつに、クリエイティブなソリューションを提供することができますか?
guilford の代替利用テストにおける gpt-3 の創造性を評価し,その性能を,そのオリジナリティ,有用性,応答のサプライズ,各アイデアの柔軟性,および問題の aut オブジェクトとの意味的距離に基づいて創造性を測定する自動的手法について,以前に収集した人間応答と比較した。
我々の結果は、創造的なアウトプットに関しては、現在、人間はGPT-3を上回っていることを示している。
しかし、GPT-3がこの特定のタスクに追いつくのは時間の問題だと考えています。
我々は、人間とAIの創造性、創造性テスト、創造性の定義について、この研究が明らかにするものについて論じる。
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) - Creative Agents: Empowering Agents with Imagination for Creative Tasks [31.920963353890393]
本稿では,言語命令に基づくタスク結果の詳細な想像力を生成するイマジネータを用いて,制御器を拡張したクリエイティブエージェントのためのソリューションのクラスを提案する。
私たちは創造的なタスクを、オープンワールドの挑戦的なゲームMinecraftでベンチマークします。
我々は、創造的エージェントの詳細な実験分析を行い、創造的エージェントがMinecraftの生存モードにおける多様な建築創造を達成する最初のAIエージェントであることを示した。
論文 参考訳(メタデータ) (2023-12-05T06:00:52Z) - Art or Artifice? Large Language Models and the False Promise of
Creativity [53.04834589006685]
本稿では,創造性を製品として評価するTorrance Test of Creative Writing (TTCW)を提案する。
TTCWは14のバイナリテストで構成されており、Fluency、Flexibility、Originality、Elaborationの3次元に分かれている。
分析の結果,LPM生成したストーリーはプロのストーリーよりもTTCWが3~10倍少ないことが判明した。
論文 参考訳(メタデータ) (2023-09-25T22:02:46Z) - Does Interdisciplinary Creative Coding Boost Creativity? A Mixed Methods
Approach [1.7311053765541486]
文学は、高等教育におけるソフトウェア工学(SE)の学生にとって欠かせないスキルであると考えている。
39人のSE学生とグラフィックデザイン(GD)の学生がランダムにペアになってp5.jsのオープンなクリエイティブコーディングの課題に取り組んだ。
結果, エンドプロダクトの創造性は最初は打撃を受けたが, SE+GDグループの社会的相互作用による創造性レベルは上昇した。
論文 参考訳(メタデータ) (2023-07-03T07:33:35Z) - AI, write an essay for me: A large-scale comparison of human-written
versus ChatGPT-generated essays [66.36541161082856]
ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。
本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
論文 参考訳(メタデータ) (2023-04-24T12:58:28Z) - Artificial muses: Generative Artificial Intelligence Chatbots Have Risen
to Human-Level Creativity [1.332560004325655]
6つの生成人工知能(GAI)による人為的アイデアとの比較
AIと人間の創造性には質的な違いはないが、アイデアの生成方法には違いがある。
以上の結果から,GAIは創造的プロセスにおいて貴重なアシスタントであることが示唆された。
論文 参考訳(メタデータ) (2023-03-21T16:35:01Z) - Designing Participatory AI: Creative Professionals' Worries and
Expectations about Generative AI [8.379286663107845]
生成AI(英: Generative AI)とは、テキストのプロンプトに基づいて視覚的または書き起こされたコンテンツを自動生成する一連の技術で、複雑さが飛躍的に増加し、わずか数年で広く利用できるようになる技術である。
本稿では,創造的プロフェッショナルが生成AIをどのように考えるかに関する質的研究の結果を報告する。
論文 参考訳(メタデータ) (2023-03-15T20:57:03Z) - Elaboration-Generating Commonsense Question Answering at Scale [77.96137534751445]
一般的な感覚を必要とする質問応答では、言語モデル(例えばGPT-3)が背景知識を表すテキストを生成するために使われてきた。
より小さな言語モデルを微調整して有用な中間コンテキストを生成します。
私たちのフレームワークは、2つの言語モデルの更新 – 開発中のジェネレータと応答予測器 – を交互に行います。
論文 参考訳(メタデータ) (2022-09-02T18:32:09Z) - CoAuthor: Designing a Human-AI Collaborative Writing Dataset for
Exploring Language Model Capabilities [92.79451009324268]
我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。
我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。
インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
論文 参考訳(メタデータ) (2022-01-18T07:51:57Z) - 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) - Telling Creative Stories Using Generative Visual Aids [52.623545341588304]
私たちはライターに、開始プロンプトからクリエイティブなストーリーを書くように頼み、同じプロンプトから生成するAIモデルによって生成されたビジュアルを提供した。
コントロールグループと比較すると、ビジュアルをストーリー・ライティング・アシストとして使用した作家は、より創造的で、オリジナルで、完全で、視覚的にできるストーリーを著した。
発見は、AIによる横断的なモダリティ入力は、人間とAIの共創において創造性の異なる側面に利益をもたらすが、収束する思考を妨げることを示している。
論文 参考訳(メタデータ) (2021-10-27T23:13:47Z)
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。