論文の概要: Can AI Be as Creative as Humans?

• arxiv url: http://arxiv.org/abs/2401.01623v1
• Date: Wed, 3 Jan 2024 08:49:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 14:31:27.921705
• Title: Can AI Be as Creative as Humans?
• Title（参考訳）: AIは人間と同じくらい創造的か?
• Authors: Haonan Wang, James Zou, Michael Mozer, Linjun Zhang, Anirudh Goyal, Alex Lamb, Zhun Deng, Michael Qizhe Xie, Hannah Brown, Kenji Kawaguchi
• Abstract要約: AIの創造的潜在能力の研究は、その開発と応用に欠かせないものとなる。 本稿では,Relative Creativityという新しい概念を導入することにより,創造性の定義と評価の複雑さに対処する。 創造性を普遍的に定義しようとするのではなく、AIが仮説的人間の創造能力にマッチできるかどうかに焦点を移す。
• 参考スコア（独自算出の注目度）: 71.045467227064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Creativity serves as a cornerstone for societal progress and innovation, but its assessment remains a complex and often subjective endeavor. With the rise of advanced generative AI models capable of tasks once reserved for human creativity, the study of AI's creative potential becomes imperative for its responsible development and application. This paper addresses the complexities in defining and evaluating creativity by introducing a new concept called Relative Creativity. Instead of trying to define creativity universally, we shift the focus to whether AI can match the creative abilities of a hypothetical human. This perspective draws inspiration from the Turing Test, expanding upon it to address the challenges and subjectivities inherent in evaluating creativity. This methodological shift facilitates a statistically quantifiable evaluation of AI's creativity, which we term Statistical Creativity. This approach allows for direct comparisons of AI's creative abilities with those of specific human groups. Building on this foundation, we discuss the application of statistical creativity in contemporary prompt-conditioned autoregressive models. In addition to defining and analyzing a measure of creativity, we introduce an actionable training guideline, effectively bridging the gap between theoretical quantification of creativity and practical model training. Through these multifaceted contributions, the paper establishes a cohesive, continuously evolving, and transformative framework for assessing and fostering statistical creativity in AI models.
• Abstract（参考訳）: 創造性は社会的な進歩とイノベーションの基盤となるが、その評価は複雑でしばしば主観的な取り組みである。 人間の創造性に留まったタスクが可能な高度な生成型aiモデルの台頭に伴い、aiの創造性の研究は、その責任ある開発と応用に不可欠となる。 本稿では,Relative Creativityという新しい概念を導入することにより,創造性の定義と評価の複雑さに対処する。 創造性を普遍的に定義するのではなく、aiが仮想人間の創造能力にマッチするかどうかに焦点を移す。 この視点はチューリングテストからインスピレーションを得て、クリエイティビティの評価に固有の課題と主観性に対処するために拡張される。 この方法論シフトは、統計的に定量化されたAIの創造性の評価を促進する。 このアプローチは、AIの創造能力と特定の人間グループとの直接比較を可能にする。 この基礎を基礎として,現代の自己回帰モデルにおける統計的創造性の適用について論じる。 クリエイティビティの尺度の定義と分析に加えて,クリエイティビティの理論的定量化と実践モデルトレーニングのギャップを効果的に埋める,実行可能なトレーニングガイドラインを導入する。 これらの多面的貢献を通じて、aiモデルにおける統計的創造性の評価と育成のための結束的で継続的な進化とトランスフォーメーションの枠組みを確立した。

関連論文リスト

• Can AI Enhance its Creativity to Beat Humans ? [0.0]
  本研究では,人間に対する人工知能(AI)の創造的性能について検討した。 人間の外部評価者は、人間とAIによって生成された創造的なアウトプットを収集した。 結果は、AIの創造的ポテンシャルを最大化するために、人間のフィードバックを統合することが重要であることを示唆している。
  論文  参考訳（メタデータ） (2024-09-27T14:19:07Z)
• 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)
• The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
  生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。 同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。 一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
  論文  参考訳（メタデータ） (2023-10-31T18:07:07Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• AI and the creative realm: A short review of current and future applications [2.1320960069210484]
  本研究は創造性と人工知能(AI)の概念を探求する。 より洗練されたAIモデルの開発と人間とコンピュータの相互作用ツールの普及により、芸術的創造におけるAIの新たな可能性が高まっている。
  論文  参考訳（メタデータ） (2023-06-01T12:28:08Z)
• 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)
• World Models and Predictive Coding for Cognitive and Developmental Robotics: Frontiers and Challenges [51.92834011423463]
  我々は世界モデルと予測符号化の2つの概念に焦点を当てる。 神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
  論文  参考訳（メタデータ） (2023-01-14T06:38:14Z)
• 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)
• The societal and ethical relevance of computational creativity [0.4297070083645048]
  我々は創造性を、自然的、実在的、社会的創造的なプロセスを含む、非常に広い哲学的な用語で特徴づける。 創造性は、長期的に人間の幸福を促進するのに欠かせない理由を説明する。 倫理は、創造性をもたらすAIに対してよりホスピタブルである、という議論がある。
  論文  参考訳（メタデータ） (2020-07-23T12:39:10Z)

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。