論文の概要: Towards a Formal Creativity Theory: Preliminary results in Novelty and Transformativeness

• arxiv url: http://arxiv.org/abs/2405.02148v1
• Date: Fri, 3 May 2024 14:53:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 12:36:11.027976
• Title: Towards a Formal Creativity Theory: Preliminary results in Novelty and Transformativeness
• Title（参考訳）: 形式的創造性理論に向けて:新鮮さと変態性の予備的結果
• Authors: Luís Espírito Santo, Geraint Wiggins, Amílcar Cardoso,
• Abstract要約: この形式化は、フォーマル・クリエイティビティ理論(Formal Creativity Theory)と呼ばれる研究分野の始まりである。 創発的な創造性は一般には必要ないが、経験の連続ではなく刺激的な集合を使う場合、エージェントは実際に変化的な創造性を起こすのに斬新性を必要とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Formalizing creativity-related concepts has been a long-term goal of Computational Creativity. To the same end, we explore Formal Learning Theory in the context of creativity. We provide an introduction to the main concepts of this framework and a re-interpretation of terms commonly found in creativity discussions, proposing formal definitions for novelty and transformational creativity. This formalisation marks the beginning of a research branch we call Formal Creativity Theory, exploring how learning can be included as preparation for exploratory behaviour and how learning is a key part of transformational creative behaviour. By employing these definitions, we argue that, while novelty is neither necessary nor sufficient for transformational creativity in general, when using an inspiring set, rather than a sequence of experiences, an agent actually requires novelty for transformational creativity to occur.
• Abstract（参考訳）: 創造性に関する概念の形式化は、コンピュータ創造性の長期的な目標である。 同時に、創造性の文脈で形式的学習理論を探求する。 本稿では、この枠組みの主な概念と、創造性に関する議論でよく見られる用語の再解釈について紹介し、新規性と変革的創造性に関する公式な定義を提案する。 この形式化はフォーマル・クリエイティビティ理論(Formal Creativity Theory)と呼ばれる研究分野の始まりであり、探索的行動の準備として学習をどのように含めるか、学習が変革的創造的行動の鍵となるのかを探求する。 これらの定義を用いることで、創発的創造性は一般的には変化的創造性にとって必要でも十分でもないが、経験の連続ではなく刺激的集合を使用する場合、エージェントは実際に変化的創造性を起こすために斬新性を必要としている、と論じる。

関連論文リスト

• Creativity and Markov Decision Processes [0.20482269513546453]
  創造性に関するボーデンのプロセス理論とマルコフ決定過程(MDP)の間の公式なマッピングを同定する。 筆者らは, 創造プロセスの種類, 達成の機会, 創造性への脅威(無呼吸)を, MDPで見ることができるかを理解するために, 11点中3点を詳細に調査した。 今後の作業やアプリケーションにおける,このようなマッピングの選択に関する品質基準について論じる。
  論文  参考訳（メタデータ） (2024-05-23T18:16:42Z)
• 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)
• OC-NMN: Object-centric Compositional Neural Module Network for Generative Visual Analogical Reasoning [49.12350554270196]
  モジュラリティがいかにして、想像にインスパイアされた構成データ拡張フレームワークを導出できるかを示す。 本手法は, オブジェクト中心合成ニューラルネットワーク (OC-NMN) を用いて, 視覚生成推論タスクを, ドメイン固有言語を使わずに, オブジェクトに適用した一連のプリミティブに分解する。
  論文  参考訳（メタデータ） (2023-10-28T20:12:58Z)
• ConceptLab: Creative Concept Generation using VLM-Guided Diffusion Prior Constraints [56.824187892204314]
  我々は創造的なテキスト・画像生成の課題を提示し、幅広いカテゴリの新しいメンバーを創り出そうとする。 本稿では, 先行拡散の出力空間上での最適化プロセスとして, 創造的生成問題を定式化できることを示す。 我々は、最適化問題に新たな制約を適応的に付加する質問応答型視覚言語モデル(VLM)を導入し、よりユニークな生成物を発見するようモデルに促す。
  論文  参考訳（メタデータ） (2023-08-03T17:04:41Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• 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 Mining Creative Thinking Patterns from Educational Data [0.0]
  創造性は21世紀に必要なスキルであり、学校で教えるべきである。 創造性を促進するための教育技術の利用は、活発な研究分野である。 教育のための適応技術の研究が盛んに進んでいるにもかかわらず、教育データから創造的な思考パターンをマイニングすることは難しい課題である。
  論文  参考訳（メタデータ） (2022-10-12T12:24:49Z)
• Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
  本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。 ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
  論文  参考訳（メタデータ） (2022-06-03T12:24:49Z)
• 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。