論文の概要: Creativity in AI as Emergence from Domain-Limited Generative Models

• arxiv url: http://arxiv.org/abs/2601.08388v1
• Date: Tue, 13 Jan 2026 09:52:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.141914
• Title: Creativity in AI as Emergence from Domain-Limited Generative Models
• Title（参考訳）: ドメイン限定生成モデルからの創発としてのAIの創造性
• Authors: Corina Chutaux,
• Abstract要約: 評価フレームワークは、創造性を明示的にモデル化される現象ではなく、評価されるべき特性として扱う。 本稿では,境界情報環境に埋め込まれた領域限定生成モデルの創発的特性として,AIにおける創造性に関する生成的視点を提案する。
• 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: Creativity in artificial intelligence is most often addressed through evaluative frameworks that aim to measure novelty, diversity, or usefulness in generated outputs. While such approaches have provided valuable insights into the behavior of modern generative models, they largely treat creativity as a property to be assessed rather than as a phenomenon to be explicitly modeled. In parallel, recent advances in large-scale generative systems, particularly multimodal architectures, have demonstrated increasingly sophisticated forms of pattern recombination, raising questions about the nature and limits of machine creativity. This paper proposes a generative perspective on creativity in AI, framing it as an emergent property of domain-limited generative models embedded within bounded informational environments. Rather than introducing new evaluative criteria, we focus on the structural and contextual conditions under which creative behaviors arise. We introduce a conceptual decomposition of creativity into four interacting components-pattern-based generation, induced world models, contextual grounding, and arbitrarity, and examine how these components manifest in multimodal generative systems. By grounding creativity in the interaction between generative dynamics and domain-specific representations, this work aims to provide a technical framework for studying creativity as an emergent phenomenon in AI systems, rather than as a post hoc evaluative label.
• Abstract（参考訳）: 人工知能における創造性は、しばしば、生成された出力の新規性、多様性、有用性を測定することを目的とした評価的枠組みによって解決される。 このようなアプローチは、現代の生成モデルの振る舞いに関する貴重な洞察を提供する一方で、創造性を明示的にモデル化される現象としてではなく、評価されるべき特性として扱う。 並行して、大規模生成システム、特にマルチモーダルアーキテクチャの最近の進歩は、パターン再結合の高度化を示し、機械の創造性の性質と限界に関する疑問を提起している。 本稿では,境界情報環境に埋め込まれた領域限定生成モデルの創発的特性として,AIにおける創造性に関する生成的視点を提案する。 新たな評価基準を導入するのではなく、創造的行動が発生する構造的および文脈的条件に焦点を当てる。 我々は,創造性の概念的分解を4つの相互作用するコンポーネントパターンに基づく生成,帰納的世界モデル,文脈的接地,仲裁性に導入し,これらのコンポーネントがマルチモーダル生成系にどのように現れるかを検討する。 この研究は、生成力学とドメイン固有表現の相互作用における創造性を基礎づけることによって、創造性をポストホック評価ラベルではなく、AIシステムにおける創発的な現象として研究するための技術的な枠組みを提供することを目的としている。

関連論文リスト

• VLM-Guided Adaptive Negative Prompting for Creative Generation [21.534474554320823]
  創造的生成(Creative generation)とは、ユーザの意図を反映する新しい、驚き、価値あるサンプルを事前に想像できない形で合成することである。 本稿では,VLM-Guided Adaptive Negative-Promptingを提案する。 創造的ノベルティにおいて,計算オーバーヘッドの無視による一貫した向上を示す。
  論文  参考訳（メタデータ） (2025-10-12T17:34:59Z)
• Probing and Inducing Combinational Creativity in Vision-Language Models [52.76981145923602]
  VLM(Vision-Language Models)の最近の進歩は、それらのアウトプットが組合せの創造性を反映しているかという議論を引き起こしている。 本稿では,創造的プロセスを3つのレベルに分解するIEIフレームワークを提案する。 このフレームワークを検証するために、IEIフレームワークに従って注釈付けされた666人のアーティストによる視覚マッシュアップの高品質データセットであるCreativeMashupをキュレートする。
  論文  参考訳（メタデータ） (2025-04-17T17:38:18Z)
• 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)
• Challenges in creative generative models for music: a divergence maximization perspective [3.655021726150369]
  創造的な実践における生成機械学習モデルの開発は、芸術家、実践家、パフォーマーの間でより多くの関心を集めている。 ほとんどのモデルは、トレーニングデータセットで定義されたドメインの外にあるコンテンツを生成することができない。 本稿では,ML目的の新しい汎用的な定式化から始まる,新たな予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-16T12:02:43Z)
• 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)

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。