論文の概要: Evolution & Foundation: AI Shares Creative Control
- arxiv url: http://arxiv.org/abs/2606.16849v2
- Date: Wed, 17 Jun 2026 10:18:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 13:57:35.205887
- Title: Evolution & Foundation: AI Shares Creative Control
- Title（参考訳）: Evolution & Foundation: AIが創造的なコントロールを共有する
- Authors: Dylan Banarse, Stephen Todd, William Latham, Frederic Fol Leymarie,
- Abstract要約: 本稿では,進化システムを用いた自動設計の創造的プロセスと芸術的評価について検討する。
我々は,多モーダル人工知能モデルを用いて,生成系と進化系を組み合わせた計算システムをコミュニケーションし,誘導する方法について考察する。
- 参考スコア（独自算出の注目度）: 1.3968275725004586
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates the creative process of automated design and artistic evaluation using an evolutionary system. We consider how a multimodal artificial intelligence (AI) model can communicate and guide a combined generative and evolutionary computational system. This creates a framework for the evolution of aesthetically pleasing complex 3D organic forms by integrating genetic algorithms with the visual reasoning capabilities of large-scale AI foundation models. The framework shifts the artist role from that of intensive direct selection to one of system design; transferring detailed step-by-step curation to an AI agent capable of multimodal aesthetic judgement. This framework enables the human artist/designer to rapidly traverse large areas of multi-dimensional evolutionary parameter space to find creative outcomes based on their semantic targets. Detailed audit trails of the AI's aesthetic reasoning are generated for each experiment. Interactive visualisation tools, together with AI-generated summaries and evolutionary narratives, enable deep exploration into each evolutionary experiment and providing a transparent insight into the AI-guided process.
- Abstract（参考訳）: 本稿では,進化システムを用いた自動設計の創造的プロセスと芸術的評価について検討する。
我々は、多モード人工知能(AI)モデルが、生成的および進化的計算システムと組み合わせて通信し、誘導する方法について考察する。
これにより、大規模なAI基盤モデルの視覚的推論能力に遺伝的アルゴリズムを統合することで、複雑な3D有機体を美的に喜ばせるためのフレームワークが作られる。
このフレームワークは、アーティストの役割を集中的なダイレクトセレクションからシステムデザインの1つにシフトし、詳細なステップバイステップのキュレーションをマルチモーダルな美的判断が可能なAIエージェントに転送する。
このフレームワークにより、ヒトのアーティスト/デザイナーは、多次元の進化的パラメータ空間の広い領域を迅速に横断し、その意味的目標に基づいて創造的な結果を見つけることができる。
実験毎に、AIの審美的推論の詳細な監査証跡が生成される。
インタラクティブな可視化ツールは、AIが生成した要約や進化的物語とともに、進化実験の深い探索を可能にし、AI誘導プロセスに関する透明な洞察を提供する。
関連論文リスト
- Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
論文 参考訳（メタデータ） (2026-05-07T09:30:25Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Human-AI Co-Creation: A Framework for Collaborative Design in Intelligent Systems [0.6526824510982802]
本稿では、AIが自動化や効率向上にのみ使用されるだけでなく、アイデア、視覚的概念化、意思決定に積極的に参加する、人間とAIの共創の創発的パラダイムについて考察する。
具体的には, GPT-4のような大規模言語モデル(LLM)と, 提案, 批判, リビジョンの反復サイクルにデザイナを関与させる創造的エージェントとして, 安定拡散(Stable Diffusion)のようなマルチモーダル拡散モデルを使用することを検討する。
論文 参考訳（メタデータ） (2025-07-22T04:29:33Z) - Exploring Agentic Artificial Intelligence Systems: Towards a Typological Framework [0.0]
本稿では,エージェントAIシステムのタイプを考案し,その認知・環境機関を日常構造として定義する8つの次元を紹介した。
このフレームワークは、研究者や実践者がAIシステムのさまざまなレベルのエージェンシーを分析することを可能にする。
論文 参考訳（メタデータ） (2025-07-07T14:05:30Z) - Toward Knowledge-Guided AI for Inverse Design in Manufacturing: A Perspective on Domain, Physics, and Human-AI Synergy [0.8399688944263844]
AIは製造における逆設計を再構築し、材料、製品、プロセスにおける高性能な発見を可能にしている。
しかし、純粋にデータ駆動のアプローチは、スパースデータ、高次元の設計空間、複雑な制約によって特徴づけられる現実的な製造環境に苦しむことが多い。
この視点は、3つの補完的な柱の上に構築された統合フレームワークを提案する: 物理的に意味のある目的と制約を確立するためのドメイン知識と、限定的または偏りのあるデータに基づく一般化を強化する物理インフォームド機械学習、直感的で人間中心のインタラクションをサポートするための大規模言語モデルベースのインターフェイス。
論文 参考訳（メタデータ） (2025-05-29T08:15:27Z) - AI-powered virtual eye: perspective, challenges and opportunities [9.758442949590599]
我々は、「仮想眼」を、相互接続された基礎モデルを用いて、あらゆるスケールにわたる目の複雑な構造と生物学的機能をシミュレートする次世代AIプラットフォームとして想定する。
解釈可能性、倫理、データ処理、評価の課題にもかかわらず、仮想眼はパーソナライズされた眼科医療に革命をもたらし、眼の健康と疾患の研究を加速する可能性を秘めている。
論文 参考訳（メタデータ） (2025-05-07T14:48:56Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Creative Discovery using QD Search [4.941630596191806]
本稿では,進化的最適化とAIに基づく画像分類を組み合わせて品質多様性探索を行う手法を提案する。
抽象図面を生成する生成システム上で,本手法を検証した。
論文 参考訳（メタデータ） (2023-05-08T05:11:02Z)
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。