論文の概要: Under What Conditions Can a Machine Be Called Genuinely Creative?

• arxiv url: http://arxiv.org/abs/2606.13196v3
• Date: Mon, 15 Jun 2026 22:48:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 15:01:46.62603
• Title: Under What Conditions Can a Machine Be Called Genuinely Creative?
• Title（参考訳）: 機械はどんな条件で創出できるのか?
• Abstract要約: この論文は、マシンが真に創造的に呼ばれる条件を問うものである。 それはDesignicsから派生した要求フレームワークを開発する。 価値ベースのスコープと人間とAIの共存は、創造機械が環境をどう知覚するかを形作らなければならない。
• 参考スコア（独自算出の注目度）: 8.754976914999828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent AI systems can generate texts, software architectures, hypotheses, designs, and scientific workflows that appear creative. This paper asks under what conditions a machine can be called genuinely creative, and how human agency can be preserved within shared cognitive and creative environments. It develops a requirement framework derived from Designics, the science of meaning-bearing intentional change. The paper argues that genuine machine creativity should not be defined by output novelty, current performance, or transient architecture alone. Instead, creativity is understood as the structural transformation of incomplete situations through recursive intervention dynamics. On this view, it depends on ten requirements: environment representation, scoped perception, conflict identification, intervention capability, consequence observation, knowledge and environment update, rescoping, local-to-global unfolding, value-based scoping, and human-AI co-living. These are organized through the three laws of Designics: perception, conflict, and capability. The paper illustrates the computational tractability of these requirements through selected cyber-physical and cyber-biological studies, including recursive element extraction, autonomous mesh generation, and neurophysiological and workload analysis. It then treats open-ended systems, automated discovery frameworks, self-modifying agents, foundation models, and agentic workflows as pressure cases: they demonstrate powerful generative means but do not by themselves establish genuine machine creativity. Finally, the paper argues that proactive AI ethics is internal to genuine machine creativity rather than an after-the-fact filter. Value-based scoping and human-AI co-living must shape how creative machines perceive environments, identify conflicts, select interventions, observe consequences, update knowledge, and rescope future action.
• Abstract（参考訳）: 最近のAIシステムは、創造的なように見えるテキスト、ソフトウェアアーキテクチャ、仮説、設計、科学的ワークフローを生成することができる。 本稿では、マシンが真に創造的に呼び出すことができる条件と、認知と創造の共有環境の中で人間エージェントをいかに保存できるかを問う。 意味を持つ意図的な変化の科学であるDesignicsから派生した要求フレームワークを開発する。 論文は、真の機械の創造性は、出力の新規性、現在のパフォーマンス、一時的なアーキテクチャだけでは定義すべきではないと主張している。 その代わり、創造性は再帰的介入ダイナミクスによる不完全な状況の構造的変換として理解されている。 この観点では、環境表現、スコープ認識、コンフリクト識別、介入能力、結果観察、知識と環境更新、リスコピング、地域とグローバルの展開、価値に基づくスコーピング、人間とAIの共生という10の要件に依存します。 これらは3つのデザイン法則(知覚、対立、能力)によって構成される。 本稿では, 再帰的要素抽出, 自律メッシュ生成, 神経生理学的およびワークロード分析などを含む, サイバー物理・サイバー生物学的研究を通じて, これらの要件の計算的トラクタビリティについて述べる。 そして、オープンなシステム、自動発見フレームワーク、自己修正エージェント、基礎モデル、エージェントワークフローをプレッシャーケースとして扱う。 最後に、この論文は、プロアクティブなAI倫理は、アフター・ザ・ファクト・フィルターではなく、真の機械の創造性の内部であると主張している。 価値ベースのスコープと人間とAIの共同開発は、創造機械が環境を理解し、対立を特定し、介入を選択し、結果を観察し、知識を更新し、将来の行動を再検査する方法を形作らなければならない。

関連論文リスト

• Can an AI System Be Creative? A Critical Perspective from Art and Engineering [0.0]
  論文は、AIシステムは創造性に欠けると論じている。 それは、現実的で生成的な人間とAIの創造的なコラボレーションのモデルを提案する。
  論文  参考訳（メタデータ） (2026-07-22T23:51:50Z)
• Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems [0.0]
  本稿では,創造性を共有制約と競争インセンティブの下で出現する分散的・プロセス的特性として再認識する。 本稿では,創造性を合成の新規性として測定するための定量的枠組みを導入する。 この知見は, 生成AIの時代において, 浮力よりも独特性が人間の創造能力の第一のシグナルとなることを示唆している。
  論文  参考訳（メタデータ） (2026-04-10T12:49:17Z)
• CreativeBench: Benchmarking and Enhancing Machine Creativity via Self-Evolving Challenges [69.3795501613098]
  コード生成における機械の創造性を評価するベンチマークであるCreativeBenchを紹介します。 CreativeBenchは、創造性と幻覚を、品質とノベルティの産物として定義された統一された計量によって客観的に区別する。 進化的探索パターンを内部化し,機械の創造性を継続的に向上する,プラグアンドプレイ型推論時ステアリング戦略であるEvoRePEを提案する。
  論文  参考訳（メタデータ） (2026-03-12T12:36:56Z)
• Creativity in AI as Emergence from Domain-Limited Generative Models [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-13T09:52:14Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
  人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。 このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
  論文  参考訳（メタデータ） (2025-03-04T03:55:38Z)
• Generative Physical AI in Vision: A Survey [78.07014292304373]
  遺伝子人工知能(AI)は、コンピュータビジョンの分野を急速に進歩させ、機械が前例のない高度なビジュアルデータを作成し、解釈できるようにする。 この変換は、現実的な画像、ビデオ、および3D/4Dコンテンツを生成するための生成モデルの基礎の上に構築されている。 生成モデルが進化して物理リアリズムと動的シミュレーションを統合するにつれ、「世界シミュレータ」として機能する可能性が拡大する。
  論文  参考訳（メタデータ） (2025-01-19T03:19:47Z)
• Building Artificial Intelligence with Creative Agency and Self-hood [0.0]
  本論文は,最終ページで紹介された論文の学術的概要について紹介する。 自己触媒ネットワークの形式的枠組みは、自己組織化された自己維持構造の起源をモデル化する手段を提供する。
  論文  参考訳（メタデータ） (2024-06-09T22:28:11Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• 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)

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。