論文の概要: On the Creativity of Large Language Models
- arxiv url: http://arxiv.org/abs/2304.00008v1
- Date: Mon, 27 Mar 2023 18:00:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 05:43:40.262196
- Title: On the Creativity of Large Language Models
- Title(参考訳): 大規模言語モデルの創造性について
- Authors: Giorgio Franceschelli, Mirco Musolesi
- Abstract要約: 大規模言語モデル(LLM)は、人工知能のいくつかの領域に革命をもたらしている。
本稿では、まず、創造性理論のレンズ下でのLCMの開発について分析する。
次に、機械の創造性における「簡単」かつ「ハード」な問題の集合を特定し、LLMに関してそれらを議論する。
最後に、創造的産業に焦点をあてて、これらの技術の社会的影響を分析する。
- 参考スコア(独自算出の注目度): 2.5426469613007012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large Language Models (LLMs) are revolutionizing several areas of Artificial
Intelligence. One of the most remarkable applications is creative writing,
e.g., poetry or storytelling: the generated outputs are often of astonishing
quality. However, a natural question arise: can LLMs really be considered
creative? In this article we firstly analyze the development of LLMs under the
lens of creativity theories, investigating the key open questions and
challenges. Then, we identify a set of "easy" and "hard" problems in machine
creativity, discussing them in relation to LLMs. Finally, we analyze the
societal impact of these technologies with a particular focus on the creative
industries.
- Abstract(参考訳): 大規模言語モデル(LLM)は、人工知能のいくつかの領域に革命をもたらしている。
最も顕著な応用の1つは、例えば詩やストーリーテリングのような創造的な執筆である: 生成されたアウトプットは、しばしば驚くべき品質である。
しかし、自然な疑問が生まれます。llmは本当に創造的か?
この記事では、まず創造性理論のレンズの下でllmの開発を分析し、鍵となるオープン質問と課題を調査します。
次に、機械の創造性における「簡単」かつ「ハード」な問題の集合を特定し、LLMに関してそれらを議論する。
最後に,これらの技術が社会に与える影響を,特に創造産業に焦点をあてて分析する。
関連論文リスト
- Visualization-of-Thought Elicits Spatial Reasoning in Large Language Models [71.93366651585275]
大規模言語モデル(LLM)は、言語理解と様々な推論タスクにおいて印象的な性能を示した。
textbfVoTは、LLMの空間的推論を、それらの推論トレースを可視化することによって引き起こすことを目的としている。
VoTはLLMの空間的推論能力を著しく向上させる。
論文 参考訳(メタデータ) (2024-04-04T17:45:08Z) - Assessing and Understanding Creativity in Large Language Models [33.37237667182931]
本稿では,大規模言語モデル(LLM)における創造性レベルを評価するための効率的な枠組みを確立することを目的とする。
The Torrance Tests of Creative Thinking を用いて、7つのタスクにまたがる様々なLSMの創造的パフォーマンスを評価する。
LLMの創造性は、主に独創性に欠けるが、エラボレーションには優れていた。
論文 参考訳(メタデータ) (2024-01-23T05:19:47Z) - 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) - The ART of LLM Refinement: Ask, Refine, and Trust [85.75059530612882]
ART: Ask, Refine, and Trust と呼ばれる改良目標を用いた推論を提案する。
LLMがいつその出力を洗練すべきかを決めるために必要な質問を尋ねる。
自己補充ベースラインよりも+5ポイントの性能向上を達成する。
論文 参考訳(メタデータ) (2023-11-14T07:26:32Z) - Skills-in-Context Prompting: Unlocking Compositionality in Large
Language Models [71.60282319755527]
本稿では,LLMに対して,より複雑な問題を解決するための基本的なスキルの作り方を指示する,SKiCプロンプトを提案する。
我々は、同じプロンプトの文脈において、スキルと構成例の両方を実証することが重要であることに気付きました。
このような顕著な特徴により、SKiCプロンプトは、挑戦的な数学的推論ベンチマークで最先端のパフォーマンスを達成することができる。
論文 参考訳(メタデータ) (2023-08-01T05:54:12Z) - Exploring Perspectives on the Impact of Artificial Intelligence on the
Creativity of Knowledge Work: Beyond Mechanised Plagiarism and Stochastic
Parrots [11.104666702713793]
創造性と独創性は、オブジェクトの注目に値する、あるいは情報理論的な性質の定義にどのように抵抗するかを示します。
AIは、知識労働を物質生産から重要な統合へとシフトさせることを提案します。
論文 参考訳(メタデータ) (2023-07-20T10:26:57Z) - Brain in a Vat: On Missing Pieces Towards Artificial General
Intelligence in Large Language Models [83.63242931107638]
本稿では,知的エージェントの4つの特徴について述べる。
実世界の物体との活発な関わりは、概念的表現を形成するためのより堅牢な信号をもたらすと我々は主張する。
我々は、人工知能分野における将来的な研究の方向性を概説して結論付ける。
論文 参考訳(メタデータ) (2023-07-07T13:58:16Z) - A Mathematical Abstraction for Balancing the Trade-off Between
Creativity and Reality in Large Language Models [35.25919932657958]
大規模な言語モデルは、散文、詩、芸術などの領域でますます使われている。
この研究は、ある種の損失に基づいて創造性と現実を記述する数学的抽象化を提供する。
これらの損失に基づいてトレーニングされたモデルは、モデルの創造性と現実との間のトレードオフをバランスさせる。
論文 参考訳(メタデータ) (2023-06-04T08:12:34Z) - 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)
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。