인위적 상상력
Artificial imagination인공적 상상력 또는 기계적 상상력이라고도 불리는 인공적 상상력은 일반 또는 특수 목적의 컴퓨터나 인공신경망에 의한 인간의 상상력의 인공적 시뮬레이션으로 정의된다. 그것의 적용된 형태는 미디어 합성 또는 합성 매체라고 알려져 있다.
인공 상상이라는 용어는 또한 기계나 프로그램의 속성을 묘사하는 데 쓰이기도 한다. 연구자들이 시뮬레이션을 하고 싶어하는 특성으로는 창의성, 비전, 디지털 예술, 유머, 풍자가 있다.
인공 상상 연구는 컴퓨터 과학, 수사학, 심리학, 창조 예술, 철학, 신경 과학, 감성 컴퓨팅, 인공지능, 인지 과학, 언어학, 운영 연구, 창조적 쓰기, 확률, 논리학 등 여러 분야의 도구와 통찰력을 이용한다.
현장 실무자들은 인공(시각) 상상,[1] 인공(농악) 상상,[2] 인간의 감성을 바탕으로 한 모델링/필터링 콘텐츠, 인터랙티브 검색 등 인공 상상력의 다양한 측면을 연구하고 있다. 이 주제에 관한 일부 기사들은 인공적인 상상력이 어떻게 진화하여 인공적인 세계를 창조할 수 있을지에 대해 추측하고 있다. "사람들은 현실 세계에서 탈출할 수 있을 만큼 충분히 편안할 수 있다."[3]
G. Schleis, M. Rizki와 같은 일부 연구자들은 인공적인 상상력을 시뮬레이션하기 위해 인공 신경 네트워크를 사용하는 것에 초점을 맞추었다.[4]
또 다른 중요한 프로젝트는 일본 도쿄대학에서 가토 히로하루와 하라다 다쓰야가 주도하고 있다. 그들은 어떤 사물에 대한 설명을 이미지로 변환할 수 있는 컴퓨터를 개발했는데, 이것이 상상력이 무엇인지 정의하는 가장 쉬운 방법이 될 수 있을 것이다. 그들의 생각은 화소의 시리즈로서 이미지의 특정 부분에 해당하는 짧은 시퀀스로 나뉜 이미지의 개념에 기초한다. 과학자들은 이 시퀀스를 "시각적 단어"라고 부르는데, 그러한 시퀀스는 기계에 의해 통계적 분포를 사용하여 기계가 마주치지 않은 물체의 이미지를 만드는 것으로 해석될 수 있다.
인공적 상상력의 화제는 컴퓨터 시스템의 인공적 상상력을 개발하기 위한 프로젝트를 연구한 저명한 통신학자 어니스트 보만과 같은 컴퓨터 과학 영역 밖의 학자들로부터 관심을 끌었다.[5] 인공 상상력과 포스트 디지털 예술에 관한 학제간 연구 세미나가 2017년부터 파리 에콜 노르말 수페리우레에서 열렸다.[6]
마인드 구축 방법: 'Igor Alexander'의 '상상이 있는 기계에 대하여'는 이 주제에 관한 학술서적이고, '인공적 상상력'은 '인공적 상상력'이라는 이름의 인공 상상 시스템이 쓰고 '인공적 상상력, 주식회사'가 출판한 것으로 추정되는 비학문적 책인 '인공적 상상력'[7][8]이 이 용어의 첫 번째 사용법이다.
전형적인 인위적 상상력
인위적인 상상력의 전형적인 적용은 쌍방향 검색을 위한 것이다. 인터랙티브 검색은 월드 와이드 웹의 개발과 검색 엔진의 최적화에 수반하여 1990년대 중반부터 개발되었다. 사용자의 첫 번째 질의와 피드백을 바탕으로 검색할 데이터베이스를 재구성하여 검색 결과를 개선한다.
인위적인 상상력이 대화형 검색에 어떻게 기여할 수 있는가?
인위적인 상상력은 우리가 이미지를 합성할 수 있게 하고, 그것이 데이터베이스에 있든 실세계에 존재하든 상관없이 새로운 이미지를 개발할 수 있게 해준다. 예를 들어, 시스템은 초기 질의 응답에 기반한 결과를 보여준다. 사용자는 여러 개의 관련 이미지를 선택한 다음, 기술은 이러한 선택 항목을 분석하고 쿼리에 맞게 이미지의 순위를 재구성한다. 이 과정에서 인위적인 상상력을 이용해 선택한 영상을 합성하고 관련 합성 영상을 추가해 검색 결과를 개선한다. 이 기법은 로키오 알고리즘과 진화 알고리즘을 포함한 몇 가지 알고리즘에 기초한다. 관련 사례에 가깝고 관련 없는 예에서 멀리 떨어진 질의 지점을 찾는 [9]Rocchio 알고리즘은 단순하며 데이터베이스가 특정 등급으로 배열된 작은 시스템에서 잘 작동한다. 진화합성은 표준 알고리즘과 표준 알고리즘의 강화라는 두 단계로 구성된다.[10][11] 사용자의 피드백을 통해 사용자가 찾고 있는 것에 적합하도록 합성된 추가 영상이 있을 것이다.
일반적인 인위적 상상력
인위적인 상상력은 보다 일반적인 정의와 넓은 응용을 가지고 있다. 인위적 상상력의 전통적인 분야에는 시각적 상상력과 청각적 상상력이 포함된다. 더 일반적으로, 아이디어, 이미지, 개념을 형성하기 위한 모든 행동은 상상에 연결될 수 있다. 따라서 인위적인 상상력은 그래프를 만드는 것 이상의 의미를 갖는다. 예를 들어, 도덕적 상상력은 인공 상상력의 분류는 어렵지만 인공 상상력의 중요한 연구 하위 분야다.
인간의 논리에 있어서 도덕은 중요한 부분인 반면, 인공적인 상상력과 인공지능에서는 인공적인 도덕이 중요하다. 인공지능에 대한 공통적인 비판은 인간이 기계의 실수나 결정에 책임을 져야 하는지, 어떻게 하면 품행이 좋은 기계를 개발할 수 있을지에 대한 것이다. 아무도 최고의 도덕률에 대한 명확한 설명을 할 수 없기 때문에, 일반적으로 받아들여지는 도덕률로 기계를 만드는 것은 불가능하다. 그러나 인공 도덕에 대한 최근의 연구는 도덕의 정의를 회피한다. 그 대신 기계학습법이 인간의 도덕을 모방하는 기계를 훈련시키는 데 적용된다. 수천 명의 다른 사람들의 도덕적 결정에 대한 데이터가 고려될 때, 훈련된 도덕 모델은 널리 받아들여진 규칙을 반영할 수 있다.
기억은 인위적인 상상력의 또 다른 주요 분야다. 오데 올리바와 같은 연구원들은 인공 기억, 특히 시각 기억력에 대한 광범위한 연구를 수행했다.[12] 시각적 상상력에 비해 시각적 기억은 기계가 어떻게 그림을 인간적으로 이해하고 분석하고 저장하는가에 더 초점을 맞춘다. 또 공간적 특징과 같은 캐릭터도 고려된다. 이 분야는 뇌의 생물학적 구조를 기반으로 하기 때문에 신경과학에 대한 광범위한 연구도 진행되어 생물학과 컴퓨터 과학의 큰 교차로로 자리 잡고 있다.
참조
- ^ 합성영상을 이용한 시각정보 검색 http://portal.acm.org/ft_gateway.cfm?id=1282303&type=pdf
- ^ 자비에 아매트리인의 오디오 콘텐츠 전송 & 퍼펙토 에레라의 "Publications" (PDF). Archived from the original (PDF) on 2007-01-06. Retrieved 2007-12-22.
- ^ 예일대학의 스튜어트 멀스트로프의 하이퍼텍스트와 "하이퍼리얼" http://portal.acm.org/citation.cfm?doid=74224.74246
- ^ 2002년 '진화 계산에 관한 의회 의사회'에서 기준 뉴런 모델을 사용하여 무작위 플레이어로부터 학습. http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=1007019
- ^ Jim A에 의한 20세기 수사학의 뿌리. Kuypers and Andrew King, 2001. Praeger/Greenwood에 의해 출판, 225페이지.
- ^ 포스트디지털 인공 상상력http://postdigital.ens.fr
- ^ 인공 상상력 https://www.amazon.com/Artificial-Imagination-Kalpanik-S/dp/0981476244
- ^ 인공 상상력 https://www.amazon.com/Artificial-Imagination-Special-Photostory-Washington/dp/098147621X
- ^ Dalton, Gerard, Buckley, Chris (June 1, 1990). "Improving retrieval performance by relevance feedback". Journal of the American Society for Information Science. 41 (4): 288–297. doi:10.1002/(SICI)1097-4571(199006)41:4<288::AID-ASI8>3.0.CO;2-H. hdl:1813/6738.
- ^ "Using an artificial imagination for texture retrieval". 2008 19th International Conference on Pattern Recognition. December 2008. CiteSeerX 10.1.1.330.1562.
- ^ An Artificial Imagination for Interactive Search (PDF). Springer Berlin Heidelberg. 2007. pp. 19–28.
- ^ Oliva, Aude (2008). "Visual long-term memory has a massive storage capacity for object details". Proceedings of the National Academy of Sciences. 105 (38): 14325–14329. Bibcode:2008PNAS..10514325B. doi:10.1073/pnas.0803390105. PMC 2533687. PMID 18787113.