컴퓨터 창의성

Computational creativity
Edmond de Belamy, 생성적 적대적 네트워크에 의해 생성된 예술작품.

계산 창의성(인공 창의성, 기계적 창의성, 창조 컴퓨팅 또는 창조적 계산으로도 알려져 있음)은 인공지능, 인지 심리학, 철학 및 예술 분야의 교차점에 위치한 다원적 노력입니다.

컴퓨터 창의성의 목표는 컴퓨터를 사용하여 창의성을 모델링, 시뮬레이션 또는 복제하여 다음 중 하나의 [1]목적을 달성하는 것입니다.

  • 인간 수준의 창의성을 발휘할 수 있는 프로그램 또는 컴퓨터를 구축합니다.
  • 인간의 창조성을 더 잘 이해하고 인간의 창조적 행동에 대한 알고리즘적 관점을 형성하기 위해.
  • 스스로 창의적이지 않고 인간의 창의성을 높일 수 있는 프로그램을 설계한다.

컴퓨터 창의성 분야는 창의성 연구의 이론적이고 실용적인 문제와 관련이 있습니다.창의성의 본질과 적절한 정의에 대한 이론적 작업이 창의성을 나타내는 시스템의 구현에 대한 실제 작업과 병행하여 수행되며, 한 가닥의 작업이 다른 한 가닥을 알려준다.

컴퓨터 창의성의 응용 형태를 미디어 합성이라고 합니다.

이론상의 문제

뛰어난 창의성이 규칙을 어기거나 관습을 부정하는 것이라면 알고리즘 시스템이 어떻게 창의적일 수 있을까요?본질적으로, 이것은 테레사 [2]아마빌레와 같은 현대 이론가들이 반복하고 있듯이 기계 지능에 대한 에이다 러브레이스의 반대 의견의 변형입니다.기계가 프로그래밍된 것만 할 수 있다면, 어떻게 그 행동이 창조적이라고 할 수 있을까요?

사실 모든 컴퓨터 이론가들이 컴퓨터가 프로그램된[3] 작업만 할 수 있다는 전제에 동의하는 것은 아닙니다.이것은 컴퓨터 창의성에 유리한 핵심입니다.

컴퓨터 용어에서의 창의성 정의

하나의 관점이나 정의가 창의성의 완전한 그림을 제공하는 것 같지 않기 때문에 AI 연구자 Newell, Shaw 및[4] Simon은 창의성에 대한 다면적인 관점의 초석으로 참신함과 유용성의 조합을 개발했습니다.이 중 하나는 다음 4가지 기준을 사용하여 주어진 답변 또는 솔루션을 창의성으로 분류하는 것입니다.

  1. 답은 참신하고 유용하다(개인을 위해서든 사회를 위해서든).
  2. 대답은 우리가 이전에 받아들였던 아이디어를 거절할 것을 요구한다.
  3. 그 대답은 강한 동기 부여와 끈질김에서 비롯된다.
  4. 답은 원래 모호했던 문제를 명확히 하는 데서 나온다.

위는 컴퓨터 창의성에 대한 "하향식" 접근법을 반영하는 반면, 인공 신경 네트워크 연구에 관련된 "하향식" 컴퓨터 심리학자들 사이에서 대체 스레드가 개발되었습니다.예를 들어 1980년대 후반과 1990년대 초반에는 그러한 생성 신경계가 유전 알고리즘에 [5]의해 구동되었다.반복[6] 망을 포함한 실험은 단순한 음악 멜로디를 혼합하고 청취자의 기대를 예측하는 데 성공했다.

Al Byrd는 그의 저서, Superhuman Creators에서 인간과 다른 동물들의 창의성의 주요 원천은 어포던스 의식, 즉 환경에서의 행동 가능성에 대한 인식이라고 주장한다.초인적인 창의성은 인위적인 실체에 대한 어포던스 의식을 극적으로 높이고, 그 인식을 행동 가능성을 활용할 수 있는 시스템과 긴밀하게 통합함으로써 달성될 수 있다.

컴퓨터 창의성을 위한 기계 학습

창의성에 대한 기존의 컴퓨터 접근법이 개발자에 의한 명시적인 처방 공식과 컴퓨터 프로그램의 어느 정도의 무작위성에 의존하는 반면, 기계 학습 방법은 컴퓨터 프로그램이 입력 데이터로부터 휴리스틱스를 학습할 수 있도록 하여 컴퓨터 [7]프로그램 내의 창조적 능력을 가능하게 합니다.특히, 심층 인공 신경망은 입력 데이터로부터 패턴을 학습할 수 있게 하여 창조적인 예술품을 비선형적으로 생성할 수 있게 한다.1989년 이전에는 인공 신경망이 창의성의 특정 측면을 모델링하기 위해 사용되어 왔다.피터 토드(1989)는 처음에 일련의 음악 작품에서 음악 멜로디를 재현하기 위해 신경망을 훈련시켰다.그런 다음 네트워크의 입력 파라미터를 변경하기 위해 변경 알고리즘을 사용했습니다.네트워크는 매우 통제되지 않은 [6][8][9]방식으로 무작위로 새로운 음악을 생성할 수 있었습니다.1992년에 Todd는 Paul[10] Munro,[11] Paul Werbos,[12] D에 의해 개발된 소위 원위 교사 접근법을 사용하여 이 작업을 확장했습니다.응웬과 버나드 위드로,[13] 마이클 I. 조던과 데이비드 루멜하트.[14]새로운 접근법에는 두 개의 신경 네트워크가 있으며, 그 중 하나는 다른 것에 훈련 패턴을 공급하는 것입니다.이후 Todd의 노력으로 작곡가는 멜로디 공간을 정의하는 일련의 멜로디를 선택하고 마우스 기반의 그래픽 인터페이스를 사용하여 2차원 평면에 배치한 후 그러한 멜로디를 생성하기 위해 연결주의 네트워크를 훈련시키고 네트워크가 중간 지점에 대응하여 생성하는 새로운 "간접" 멜로디를 2차원 p에서 듣습니다.차선

문헌의 주요 개념

높은 수준의 철학적인 테마는 컴퓨터 [clarification needed]창의성 분야에서 반복됩니다.

창의성의 중요한 범주

마거릿[15][16] 보든은 그것을 만들어내는 주체에게만 참신한 창의성을 "P-창의성"(또는 "심리적 창의성")이라고 칭하고, 사회 전반에서 참신한 것으로 인정받는 창의성을 "H-창의성"(또는 "역사적 창의성")이라고 칭한다.Stephen Thaler는 그가 "V-" 또는 "Visceral creativity"라고 부르는 새로운 카테고리를 제안했습니다.여기서 중요성은 창조성 기계 아키텍처에 대한 원시 감각 입력에 대한 신경 매핑을 통해 발명되고, "게이트웨이" 네트는 대체 해석을 생성하도록 교란되고, 그리고 하류 네트는 그러한 해석을 가장 중요한 결론에 맞도록 옮깁니다.텍스트.[17][citation needed] 그러한 V-창의 중요한 다양성은 의식 그 자체이며,[18] 여기서 의미는 반사적으로 뇌 내에서 활성화의 전환에 발명된다.가치 중심의 창의성은 AI 시스템에 [19]더 많은 자유와 자율성을 부여합니다.

탐색적이고 혁신적인 창의성

또한 Boden은 확립된 개념 공간 내에서의 탐색에서 발생하는 창의성과 이 공간의 의도적인 변환 또는 초월에서 발생하는 창의성을 구분합니다.그녀는 전자를 탐색적 창의성, 후자를 변혁적 창의성이라고 부르며 후자를 전자보다 훨씬 급진적이고 도전적이며 희귀한 창의성의 한 형태로 본다.위에서 상술한 Newell과 Simon의 기준에 따르면, 우리는 두 형태의 창의성이 모두 상당히 새롭고 유용한 결과를 낳아야 한다는 것을 알 수 있지만(기준 1) 탐색적 창의성은 잘 이해된 공간(기준 3)에 대한 철저하고 지속적인 탐색에 의해 발생할 가능성이 더 높다.이 공간을 정의하는 몇 가지 제약조건(제2절) 또는 문제 자체를 정의하는 몇 가지 가정(제4절)의 거부를 수반한다.Boden의 통찰력은 알고리즘 물질의 기술적 프레임워크보다 개발 작업에 더 영감을 주는 시금석을 제공함으로써 매우 일반적인 수준의 컴퓨터 창의성 작업을 이끌어 왔습니다.하지만, 보든의 통찰력은 더 최근에 공식화의 주제이기도 합니다, 특히 Geraint [20]Wiggins의 작품에서 가장 두드러집니다.

생성 및 평가

창의적 제품이 참신하고 유용해야 한다는 기준은 창의적 계산 시스템이 일반적으로 생성과 평가의 두 단계로 구성된다는 것을 의미합니다.첫 번째 단계에서는 새로운 (시스템 자체에 대해, 따라서 P-Creative) 구조가 생성된다.시스템에 이미 알려진 비원조 구조는 이 단계에서 필터링된다.그런 다음 잠재적으로 창조적인 구성 요소를 평가하여 어떤 것이 의미 있고 유용한지, 어떤 것이 그렇지 않은지를 판단합니다.이 2상 구조는 인간의 창의성에 대한 경험적 관찰에 기초한 창조적 세대의 심리 모델인 핑크, 워드,[21] 스미스의 진플로어 모델과 일치한다.

조합의 창조성

아마도 인간의 창의성의 상당 부분은 기존의 아이디어나 [22]사물의 새로운 조합으로 이해될 수 있다.조합 창의성의 일반적인 전략은 다음과 같습니다.

  • 익숙한 물체를 낯선 환경(예: Marcel Duchamp's Funtain) 또는 익숙한 환경(예: The Beverly Hillbillies)에 배치
  • 표면적으로 다른 두 가지 사물이나 장르(예를 들어 서부, 서부, 서부, 서부, 반딧불, 일본 하이쿠시 등 로봇 카우보이)를 배경으로 한 공상과학 이야기)를 혼합하는 것.
  • 익숙한 물체를 표면적으로 무관하고 의미론적으로 동떨어진 개념과 비교(예: "화장품은 서양 부르카"; "동물원은 살아있는 전시물이 있는 갤러리")
  • 기존 개념에 예기치 않은 새로운 기능 추가(스위스 군용 나이프에 메스 추가, 휴대전화에 카메라 추가 등)
  • 두 개의 부조화 시나리오를 같은 이야기로 압축하여 농담을 얻는 것(예: Emo Philips의 농담) "여성은 항상 그들의 경력을 발전시키기 위해 남성을 이용한다.빌어먹을 인류학자들!
  • 도메인 내 한 도메인의 아이콘 이미지를 관련성이 없거나 부조화 아이디어 또는 제품에 사용(예를 들어 말보로맨 이미지를 사용하여 자동차를 판매하거나 흡연과 관련된 발기부전의 위험을 광고하는 것)

조합의 관점에서는 가능한 조합의 공간을 통해 검색 프로세스로서 창조성을 모델링할 수 있습니다.조합은 다른 표현의 구성 또는 연결 또는 초기 및 중간 표현의 규칙 기반 또는 확률적 변환을 통해 발생할 수 있다.유전자 알고리즘과 신경 네트워크는 다른 입력의 조합을 캡처하는 혼합 또는 교차 표현을 생성하기 위해 사용될 수 있다.

개념 블렌딩

주요 기사:개념 블렌딩

Mark Turner와 Gilles[23][24] Fauconnier는 인지언어학 연구의 아이디어를 정신적인 공간과 개념적인 은유에 합성함으로써 창의성에[25] 대한 Arthur Koestler의 생각뿐만 아니라 Lakoff와 [26]Johnson에 의한 보다 최근의 작업들을 상세히 설명하는 Conceptual Integration Networks라고 불리는 모델을 제안합니다.기본 모델에서는 통합 네트워크를 4개의 연결된 공간으로 정의합니다.

  • 첫 번째 입력 공간(하나의 개념 구조 또는 정신적 공간 포함)
  • 두 번째 입력 공간(첫 번째 입력과 혼합됨)
  • 입력 공간을 통합된 관점에서 이해할 수 있는 주식 규약 및 이미지 스키마의 일반적인 공간
  • 양쪽 입력 공간에서 요소의 선택된 투영법이 결합되는 혼합 공간. 이 조합에서 발생하는 추론도 여기에 상주하며, 때로는 입력과 충돌하는 새로운 구조로 이어집니다.

Pauconnier와 Turner는 잘 형성된 통합 네트워크의 구축을 안내한다고 주장하는 최적성 원칙의 모음을 설명한다.본질적으로 그들은 혼합을 두 개 이상의 입력 구조가 단일 혼합 구조로 압축되는 압축 메커니즘으로 본다.이 압축은 개념 관계 수준에서 작동합니다.예를 들어 입력 공간 간의 일련의 유사 관계를 혼합된 단일 동일 관계로 압축할 수 있다.

연결된 의미 [27]구조에 대한 강조로 양립할 수 있는 아날로그 매핑의 기존 계산 모델을 확장함으로써 혼합 모델에서 어느 정도 계산적인 성공을 거두었다.좀 더 최근에, 프란시스코 Câmara Pereira[28], 언어적 시각까지 그의 예를 영역 범위, 후자 중 가장 두드러진 것 co.에 의해 신화적인 괴물의 조성이 포함되어 있이고 융합 이론 실제적 형태에서 융합 이론의 몇몇면들을 실현시키기 위해 GOFAI, 유전자 알고리즘에서 아이디어를 고용하고 있는 의 구현을 설명했다.mbi3D 그래픽 모델을 사용합니다.

언어의 창조성

언어는 새로운 문장, 구절, 말장난, 신조어, 운율, 암시, 빈정거림, 아이러니, 직유, 은유, 유추, 위트리즘, [29]그리고 농담의 생성에서 분명한 창의성의 지속적인 기회를 제공합니다.형태학적으로 풍부한 언어를 구사하는 원어민들은 종종 쉽게 이해되는 새로운 단어 형태를 만들고, 일부는 사전을 [30]찾아냈다.자연어 발생의 영역은 잘 연구되어 왔지만, 일상 언어의 이러한 창조적인 측면은 아직 견고함이나 규모와 함께 통합되지 않았다.

창조적 패턴의 가설

응용 언어학자 Ronald Carter의 중요한 작업에서, 그는 단어와 단어 패턴을 포함하는 두 가지 주요 창조 유형, 즉 패턴 개혁 창의성과 패턴 형성 [29]창의성을 가정했습니다.패턴 개혁 창의성은 규칙을 어기고, 종종 개인의 혁신을 통해 언어의 패턴을 개혁하고 재구성하는 창의성을 말하는 반면, 패턴 형성 창의성은 규칙을 어기기 보다는 언어 규칙에 순응함으로써 창의성을 의미하며, 컨버전스, 대칭성 그리고 대화자 간의 상호성을 더 크게 만든다.반복의 [31]형태로 그들의 상호작용을 거칠게 합니다.

스토리 생성

1970년대부터 제임스 미한의 TALE-SPIN 시스템을 개발하면서 이 언어 창작 분야에서 상당한 작업이 수행되었습니다.TALE-SPIN은 이야기를 문제 해결 노력에 대한 서술적 설명으로 보고, 먼저 이야기 등장인물들의 해결책을 추적하고 기록할 수 있도록 목표를 설정함으로써 이야기를 만들었다.MINSTREL[33] 시스템은 이 기본적인 접근방식의 복잡한 정교함을 나타내며, 스토리 내 캐릭터 수준의 목표 범위와 스토리 작성자 수준의 목표를 구분합니다.Bringjord의 BRUTUS와[34] 같은 시스템은 이러한 아이디어를 더욱 정교하게 만들어 배신과 같은 복잡한 개인 간 주제를 가진 이야기를 만들어냅니다.그럼에도 불구하고, MINSTREL은 이전부터 새로운 장면을 만들기 위해 일련의 TRAM(Transform Recall Adapt Methods)을 사용하여 창조 과정을 명시적으로 모델링한다.라파엘 페레스 이 페레스와 마이크 샤플스의 MEXICA[35] 모델은 스토리텔링의 창조적 과정에 더 분명히 관심을 가지고 있으며 창의적 글쓰기의 참여-반성 인지 모델 버전을 구현한다.

Narrative Science라는 회사는 컴퓨터 생성 뉴스를 만들고 게임의 통계 데이터를 기반으로 팀 스포츠 이벤트를 요약하는 것을 포함하여 상업적으로 이용할 수 있도록 합니다.또한 재무 보고서와 부동산 [36]분석을 작성합니다.

은유와 직유

은유의 예: "그녀는 유인원이었다."

직유의 예: "호랑이 털 담요처럼 느껴졌다."이러한 현상에 대한 계산 연구는 주로 지식 기반 프로세스로서의 해석에 초점을 맞추고 있다.Yorick Wilks,[37] James Martin, Dan Fass, John Barnden [38]및 Mark Lee와 같은 계산학자들은 언어적 또는 논리적 수준에서 은유 처리에 대한 지식 기반 접근법을 개발했습니다.Tony Veale과 Yanfen Hao는 웹에서 명시적 직유에 대한 포괄적인 데이터베이스를 얻는 Sardonicus라고 불리는 시스템을 개발했습니다.이 직유들은 검색된 어떤 유형의 직유에 대해서도 "철처럼 단단하다"거나 아이러니한(예: "볼링공처럼 털이 많다") 태그가 붙습니다.주어진 형용사.그들은 이러한 직유를 주어진 서술적 목표를 위한 어휘적 은유를 제안할 수 있는 아리스토텔레스라고 불리는[39] 온라인 은유 생성 시스템의 기초로 사용합니다.

유추

아날로그 추론의 과정은 매핑과 검색 관점 모두에서 연구되었으며, 후자는 새로운 유추의 생성에 핵심이다.Dedre Gentner가 진일보한 주요 연구기관에서는 유추는 구조 보존 프로세스로 간주하고 있습니다.이 견해는 구조 매핑 엔진 또는 SME,[40] MAC/FAC 검색 엔진(Many Are Called, 소수의 ACME), ACME(Analogical Constraint Mapping Engine) 및 ARCS(Analogical Retrivalogement System)에 구현되어 있습니다.다른 매핑 기반 접근법으로는 메모리의 [27]시멘틱 네트워크 모델에 매핑 프로세스를 배치하는 Sapper가 있습니다.유추는 창조적 계산과 창조적 인식의 매우 활발한 하위 영역입니다. 이 하위 영역에는 더글라스 호프스타터, 폴 태거드, 키스 홀리요크가 포함됩니다.또한 주목할 만한 것은 SAT 스타일의 유추 문제를 해결하기 위한 Peter Turney와 Michael Littman의 기계 학습 접근법입니다. 이들의 접근법은 이러한 테스트에서 인간이 달성한 평균 점수와 잘 비교되는 점수를 얻습니다.

농담 생성

주요 기사:컴퓨터 유머

유머는 특히 지식을 필요로 하는 과정이며, Kim Binsted와 Graeme Ritchie의 [41]작품에서 볼 수 있듯이 지금까지 가장 성공적인 농담 생성 시스템은 말장난 생성에 초점을 맞추고 있습니다.이 작품에는 JAPE 시스템이 포함되어 있어 어린이에게 참신하고 유머러스하다는 평가를 받을 수 있는 폭넓은 말장난이 발생하고 있습니다.JAPE의 개선된 버전은 STANDUP 시스템을 가장하여 개발되었으며, 이것은 의사소통 장애를 가진 어린이들과의 언어적 상호작용을 증진하는 수단으로 실험적으로 배치되었다.Oliviero Stock과 Carlo Strapparava의 HAHcronomy[42] 시스템에서 유머러스한 약어 생성뿐만 아니라 (Hans Wim Tinholt와 Anton Nijholt의 작품에서) 프로노머 참조에 대한 의도적인 오해와 같은 자연어의 다른 측면을 포함하는 유머 생성에 약간의 진전이 있었다.

신조어

여러 개의 단어 형식의 혼합은 언어에서 새로운 단어를 만드는 데 있어 지배적인 힘이다; 이 새로운 단어들은 보통 "blends" 또는 "portmanteau words"라고 불린다.Tony Veale은[43] ZeitGeist라는 시스템을 개발했습니다Wikipedia에서 신학적 표제를 추출하여 WordNet의 특정 단어 의미와 관련지어 해석합니다ZeitGeist는 자체적으로 신조어를 생성하도록 확장되었다. 이 접근법은 WordNet에서 수집된 단어 부분의 인벤토리에서 요소를 결합하는 동시에 이러한 새로운 단어에 대한 광택을 결정한다(예: "가스트로나우트"를 뜻하는 "음식 여행자"와 "시간 여행자"를 의미하는 "시간 여행자").그런 다음 웹 검색을 사용하여 어떤 광택이 의미 있고 어떤 신조어가 이전에 사용되지 않았는지 확인합니다. 이 검색은 새롭고 유용한 생성된 단어("H-creative")의 서브셋을 식별합니다.

신조어의 검색과 추출에 대한 말뭉치 언어적 접근도 가능한 것으로 나타났다.록키 로는 현대 미국 영어 말뭉치를 참고 말뭉치로 삼아 미국 TV 드라마 하우스 M.D.[44]의 대본에 등장하는 하팍스 레고메나를 이용해 신조어, 포만테오스, 은어 추출을 수행했다.

신조어 언어 연구의 관점에서, 스테판 Th. Gries는 영어의 혼합구조를 정량적으로 분석하여 "원어의 인식 정도와 혼합어에 대한 원어의 유사성이 혼합형성에 중요한 역할을 한다"고 밝혔다.결과는 의도적인 혼합과 음성 오류 [45]혼합의 비교를 통해 검증되었다.

시

철보다, 납보다, 금보다 더 많은 전기가 필요해.
양고기, 돼지고기, 양상추, 오이보다 더 필요해요.
제 꿈을 위해서 필요해요.'경찰의 수염'에 나오는 락터는 반쯤 만들어져 있다.

농담처럼, 시는 다른 제약 조건의 복잡한 상호작용을 수반하며, 어떤 범용 시 생성자도 시의 의미, 표현, 구조 그리고 운율적인 측면을 적절하게 결합하지 않는다.그럼에도 불구하고, 파블로 제르바스는[46] 기존 시의 사례 기반에서 추출된 시적 조각의 구성을 통해 주어진 입력 텍스트의 시적 공식을 만들어내기 위해 케이스 기반 추론(CBR) 접근방식을 사용하는 주목할 만한 시스템을 개발했다.ASPRA 케이스 베이스의 각 시 fragment에는, fragment의 의미를 나타내는 산문열이 주석을 붙여, 이 산문열을 각 fragment의 검색 키로서 이용한다.운율법칙은 이 조각들을 잘 형성된 시적 구조로 결합하기 위해 사용된다.Racter는 이러한 소프트웨어 프로젝트의 한 예입니다.

음악의 창조성

상세 정보:컴퓨터 음악 및 음악 및 인공지능

음악 영역의 계산적 창의성은 인간 음악가들이 사용하는 악보 생성과 컴퓨터에 의한 연주를 위한 음악 생성 모두에 초점을 맞추고 있습니다.세대의 영역에는 클래식 음악(모차르트와 바흐 스타일로 음악을 생성하는 소프트웨어를 포함)과 [47]재즈가 포함되어 있다.가장 주목할 만한[48] 것은 데이비드 코프가 인간 작곡가의 기존 음악을 분석하고 일반화할 수 있는 "Experiments in Musical Intelligence"(EMI)[49]라는 소프트웨어 시스템을 만들어 같은 스타일의 새로운 음악 작곡을 만들어냈다는 점이다.EMI의 출력은 인간 청취자들을 설득할 만큼 [50]충분히 설득력이 있다.

현대 클래식 음악 분야에서 아이머스는 처음부터 작곡을 하는 최초의 컴퓨터로 전문 통역사가 연주할 수 있는 최종 악보를 만들어낸다.런던 심포니 오케스트라는 아이무스의 데뷔 [51]CD에 수록된 풀 오케스트라를 위한 곡을 연주했는데, 뉴사이언티스트는 이를 "컴퓨터가 작곡하고 풀 [52]오케스트라가 연주한 최초의 주요 작품"이라고 표현했다.Iamus의 배후에 있는 기술인 Melomics는 비슷한 수준의 음질로 다양한 스타일의 음악을 만들어 낼 수 있다.

재즈에서의 창의성 연구는 즉흥 연주 과정과 이것이 음악적 에이전트에 부여하는 인지적 요구에 초점을 맞춰왔다: 시간에 대한 추론, 이미 연주된 것을 기억하고 개념화, 그리고 다음에 [53]연주될 것에 대한 계획을 세우는 것이다.조지아 공대의 길 와인버그가 개발한 로봇 시몬은 재즈 즉흥 [54]연주를 시연했다.OMax, SoMax, PyOracle 등 Gerard Assayag와 Shlomo Dubnov가 수행한 스타일 모델링 연구를 기반으로 한 가상 즉흥 소프트웨어는 라이브 [55]연주자에게서 학습한 가변 길이 시퀀스를 재투입하여 실시간으로 즉흥극을 제작합니다.

1994년 크리에이티브 머신 아키텍처(위 참조)는 지난 30년 동안 상위 10개 목록에 오른 100개의 멜로디에 대해 시냅티브 교란 신경망을 훈련시킴으로써 11,000개의 음악 후크를 생성할 수 있었습니다.1996년, 자기 부트스트랩 크리에이티비티 머신은 진보된 기계 비전 시스템을 통해 청중들의 표정을 관찰하고 [56]"뉴런의 노래"라는 제목의 앨범을 만들기 위해 음악적 재능을 완성했다.

작곡 분야에서는 르네 루이 바론의 특허를[57] 받은 작품들이 모든 음악 스타일로 소위 "코히런트"라고 불리는 다수의 오케스트레이션된 멜로디를 만들고 연주할 수 있는 로봇을 만들 수 있게 했다.하나 이상의 특정 음악 파라미터와 관련된 모든 옥외 물리 파라미터는 이들 각 곡에 영향을 주고 발전시킬 수 있습니다(노래를 듣는 동안 실시간으로).특허받은 발명품 메달 컴포저는 저작권 문제를 일으킨다.

시각적이고 예술적인 창조성

시각 예술 세대에서의 계산적 창의성은 추상 예술과 표현 예술 모두의 창조에서 몇 가지 주목할 만한 성공을 거두었다.이 분야에서 가장 유명한 프로그램은 1973년부터 지속적으로 개발 및 증강된 Harold Cohen의 [58]ARON입니다.공식적이긴 하지만, Aaron은 다양한 출력 범위를 나타내며, 인간의 형상(댄서 등), 화분, 바위 및 기타 배경 이미지 요소를 포함하는 흑백 도면 또는 컬러 페인팅을 생성합니다.이러한 이미지는 평판이 좋은 갤러리에 표시할 수 있을 만큼 고품질입니다.

다른 유명한 소프트웨어 아티스트로는 페누살 마차도의 [59]NEvar 시스템("Neuro-Evolutionary Art")이 있습니다.NEvar는 유전적 알고리즘을 사용하여 수학적 함수를 도출하고, 그 함수를 사용하여 색칠된 3차원 표면을 생성합니다.인간 사용자는 유전 알고리즘의 각 단계 후에 최적의 그림을 선택할 수 있으며, 이러한 기본 설정은 연속 단계를 안내하기 위해 사용되며, 따라서 NEvar의 검색을 사용자에게 가장 매력적인 검색 공간의 포켓에 밀어 넣습니다.

Simon Colton에 의해 개발된 Painting Fool은 다양한 그림 스타일, 색상 팔레트, 붓 종류를 선택할 수 있는 주어진 장면의 디지털 이미지를 덧칠하는 시스템으로서 시작되었다.작업하기 위한 입력 소스 이미지에 대한 의존성을 고려할 때, 그림 바보의 초기 반복은 컴퓨터 예술 시스템의 창의성의 범위 또는 부족에 대한 의문을 제기했습니다.그럼에도 불구하고, 더 최근의 작품에서는, 그림 바보가 AARON이 하는 것처럼, 자신만의 제한된 상상력으로부터 새로운 이미지를 창조하도록 확장되었다.이러한 맥락에서 이미지는 사용자가 제공한 일부 기본 시나리오에서 제약 만족 프로세스에 의해 생성된 도시 풍경과 숲을 포함한다(예: 이러한 시나리오를 통해 시스템은 시야 평면에 가까운 물체는 더 크고 색포화되어야 하며 멀리 있는 물체는 덜 포화되어야 하며 더 멀리 있는 물체는 덜 포화되어야 하며 더 많은 색포화되어야 한다고 추론할 수 있다).(귀가 작음)예술적으로, 그림 바보에 의해 만들어진 이미지는 아론이 만든 것과 동등하게 보이지만, 이전의 (제한 만족 등)에 의해 채택된 확장 가능한 메커니즘으로 인해 더 정교하고 정교한 화가로 발전할 수 있을 것이다.

예술가 Krasi Dimtch(Krasimira Dimtchevska)와 소프트웨어 개발자인 Svillen Ranev는 영어 문장의 규칙 기반 생성기와 시스템에서 생성된 문장을 추상 [60]예술로 변환하는 시각적 구성 빌더를 결합한 계산 시스템을 개발했습니다.이 소프트웨어는 다른 색상, 모양 및 크기 팔레트를 사용하여 무한대의 다른 이미지를 자동으로 생성합니다.이 소프트웨어는 또한 사용자가 생성된 문장의 주제 또는/또는 시각적 합성 빌더가 사용하는 하나 이상의 팔레트를 선택할 수 있도록 한다.

컴퓨터 창의성의 신흥 분야는 비디오 게임 분야입니다.안젤리나는 마이클 쿡의 자바 비디오 게임을 창의적으로 개발하는 시스템입니다.한 가지 중요한 측면은 간단한 게임 [61]메커니즘으로 작동하는 짧은 코드 세그먼트를 생성할 수 있는 시스템인 Mechanic Miner입니다.앤젤리나는 간단한 해결 불가능한 게임 레벨을 플레이하고 새로운 메카닉이 해결 가능한 레벨을 만들 수 있는지 테스트함으로써 이러한 메카닉의 유용성을 평가할 수 있습니다.때때로 Mechanic Miner는 코드의 버그를 발견하고 이를 이용하여 플레이어가 [62]문제를 해결할 수 있는 새로운 메커니즘을 만듭니다.

7월 2015년에 구글 –톤에서 몽환적인 환각을 일으키는 외모를 만드는 DeepDream는고 강화하는 알고리즘적인 환시를 통해 그림 안에서 패턴을 찾는 데에는 나선형의. 신경 네트워크를 사용하는 개방 source[63]컴퓨터 비전 프로그램, 자동으로 분류한 이미지의 목적으로 이미지의 얼굴과 다른 패턴 인식 높이기 위해를 발표했다그는 d지나치게 과장된 [64][65][66]이미지입니다.

독일 튀빙겐 연구진은 2015년 8월 신경표현을 이용해 임의의 이미지의 내용과 스타일을 분리·재조합하는 컨볼루션 뉴럴 네트워크를 구축해 약 1시간 만에 피카소나 반 고흐 등 예술가의 작품을 스타일리시하게 모방할 수 있도록 했다.이 알고리즘은 웹사이트 DeepArt에서 이용되고 있으며,[67][68][69][70] 사용자가 자신의 알고리즘으로 독특한 예술적 이미지를 만들 수 있습니다.

2016년 초, 글로벌 연구팀은 디지털 시냅스 뉴럴 기판(DSNS)으로 알려진 새로운 컴퓨터 창의성 접근법을 사용하여 최종 [71]게임 데이터베이스에서 파생되지 않은 오리지널 체스 퍼즐을 생성하는 방법을 설명했습니다.DSNS는 확률적 방법을 사용하여 다른 객체의 특징(예: 체스 문제, 그림, 음악)을 결합하여 원래 도메인에서 객체를 생성하는 데 사용할 수 있는 새로운 특징 규격을 도출할 수 있다.생성된 체스 퍼즐은 유튜브에서도 [72]다루어졌다.

문제 해결의 창의성

창의성은 또한 문제 해결에서 특이한 해결책을 가능하게 하는 데에도 유용합니다.심리학과 인지과학에서는 이 연구 분야를 창의적 문제 해결이라고 부릅니다.창의성의 명시적-암시적 상호작용(EI) 이론은 최근 CLARION 기반 계산 모델을 사용하여 구현되었으며, 이를 통해 배양 시뮬레이션과 문제 [73]해결 통찰력을 얻을 수 있습니다.이 컴퓨터 창의성 프로젝트의 주안점은 성능 그 자체(인공지능 프로젝트와 같이)가 아니라 인간의 창의성으로 이어지는 심리적 과정과 심리학 실험에서 수집된 데이터의 재생성에 대한 설명입니다.지금까지 이 프로젝트는 간단한 기억 실험에서의 배양 효과에 대한 설명, 문제 해결의 통찰력, 문제 해결의 무색 효과 재현에 성공적이었다.

창의성의 "일반적인" 이론에 대한 토론

어떤 연구자들은 창의성이 우리가 그것을 묘사하기 위해 사용하는 언어의 가소성에 의해 연구가 더욱 복잡해지는 복잡한 현상이라고 느낀다.우리는 창조의 주체일 뿐만 아니라 제품과 방법도 설명할 수 있습니다.결과적으로,[citation needed] 창의성의 일반적인 이론을 말하는 것은 비현실적이라고 주장할 수 있다.그럼에도 불구하고, 일부 생성 원리는 다른 원리에 비해 더 일반적이며, 일부 지지자들은 특정 계산 접근법이 "일반 이론"이라고 주장합니다.예를 들어, Stephen Thaler는 신경 네트워크의 특정 양식이 고도의 [citation needed]창조적 능력을 나타낼 수 있을 만큼 충분히 생성적이고 충분히 일반적이라고 제안합니다.

컴퓨터 창의성에 대한 비판

컴퓨터 창의성 응용 프로그램에서 주로 사용되는 기존 컴퓨터는 제한된 계산 기능을[citation needed] 사용하여 입력 파라미터의 이산적이고 제한된 도메인 세트를 출력 파라미터의 이산적이고 제한된 도메인 세트로 근본적으로 변환하기 때문에 창의성을 지원하지 않습니다.따라서 출력의 모든 것이 입력 데이터 또는[citation needed] 알고리즘에 이미 존재해야 하므로 컴퓨터는 창의적일 수 없습니다.시뮬레이션의 [74]철학적 기초에 관한 최근 연구에서 일부 관련 논의와 관련 작업에 대한 언급이 포착되었다.

수학적으로, Chaitin에 [75]의해 창조성에 반대하는 같은 주장들이 제기되었습니다.모델 이론의 관점에서도 유사한 관찰이 이루어집니다.이 모든 비판은 컴퓨터 창의성이 유용하고 창의성처럼 보일 수 있다고 강조하지만, 새로운 것이 만들어지지 않기 때문에, 단지 잘 정의된 알고리즘으로 변형될 뿐이기 때문에 진정한 창의성은 아니다.

이벤트

ICC(International Conference on Computational Creativity)[76]는 The Association for Computational Creativity가 주최하는 연례 회의입니다.시리즈의 이벤트는 다음과 같습니다.

  • ICCC 2019, 미국 노스캐롤라이나주 샬롯
  • ICCC 2018, 스페인 살라망카
  • ICCC 2017, 미국 조지아주 애틀랜타
  • ICCC 2016, 프랑스 파리
  • ICCC 2015, 미국 유타주 파크시티. 기조강연:에밀리 쇼트
  • ICCC 2014, 슬로베니아 류블랴나.키노트:올리버 도센
  • ICCC 2013, 호주 시드니.키노트:아르네 디트리히
  • ICCC 2012, 더블린, 아일랜드.키노트:스티븐 스미스
  • ICCC 2011, 멕시코시티.키노트:조지 E 루이스
  • ICCC 2010, 리스본, 포르투갈.기조 강연/초대 강연: Nancy J Nersessian과 Mary Lou Maher

이전에는 컴퓨터 창의성 커뮤니티가 1999년부터 매년 전용 워크숍인 '컴퓨터 창의성에 관한 국제 공동 워크숍'을 개최해 왔습니다.이 시리즈의 이전 이벤트는 다음과 같습니다.[citation needed]

  • IJWCC 2003, 멕시코 아카풀코, IJCAI'2003의 일부로서
  • ECCBR'2004의 일환으로 IJWCC 2004, 스페인 마드리드
  • IJWCC 2005, 영국 에든버러, IJCAI'2005의 일부로서
  • IJWCC 2006(이탈리아, Riva del Garda), ECAI'2006의 일부로서
  • IJWCC 2007, 영국 런던, 스탠드아론 이벤트
  • IJWCC 2008, 스페인 마드리드, 스탠드아론 이벤트

제1회 음악창의 컴퓨터 시뮬레이션 컨퍼런스 개최

  • CCSMC 2016,[77] 6월 17일-19일, 영국 허더스필드 대학.키노트:Geraint Wiggins와 Graeme Bailey입니다.

출판물 및 포럼

디자인 컴퓨팅과 인지(Design Computing and Cognition)는 컴퓨터 창의성을 다루는 하나의 컨퍼런스입니다.ACM 크리에이티브와 인지 컨퍼런스는 컴퓨터 크리에이티브와 관련된 문제를 다루는 또 다른 포럼입니다.Shlomo Dubnov의 Journées d'Informatique Musicale 2016 기조연설은 정보 이론 [78]창의성에 관한 것이었다.

최근의 많은 책들은 컴퓨터 창의성 분야에 대한 좋은 소개 또는 좋은 개요를 제공합니다.여기에는 다음이 포함됩니다.

  • 페레이라, FC (2007년)"창의성과 인공지능: 개념적 혼합 접근법"인지언어학 시리즈의 응용 프로그램, Mouton de Gruyter.
  • 빌, T. (2012년)「창의성의 신화를 깨다:언어 창의성의 컴퓨터 기반"입니다.블룸스베리 아카데미, 런던
  • McCormack, J. 및 D'Inverno, M. (ed.) (2012)."컴퓨터와 창의성"스프링거, 베를린
  • Veale, T., Feyaerts, K. 및 Forceville, C.(2013년, 예정)."창의성과 민첩한 마인드: 다면적인 현상에 대한 다원적 연구"무통 드 그루이터.

컴퓨터 창의성 커뮤니티는 컨퍼런스 및 워크샵의 진행과 더불어 지금까지 이 주제에 특화된 다음과 같은 특별 저널 호를 제작해 왔습니다.

  • 신세대 컴퓨팅, 제24권, 제3호, 2006년
  • 지식 기반 시스템 저널, 제19권, 제7호, 2006년 11월
  • AI 매거진 제30권 제3호, 2009년 가을
  • Minds and Machines, 제20권, 제4호, 2010년 11월
  • 인지계산, 제4권, 제3호, 2012년 9월
  • AIEDAM 제27권 제4호 2013년 가을
  • 컴퓨터 인 엔터테인먼트, 음악 메타 크리에이션(MuMe), 2016년 가을(향후) 특집호 2종

이 외에도 음악 분야에서의 컴퓨터 창조성에 초점을 맞춘 새로운 저널이 시작되었다.

  • JCMS 2016, Journal of Creative Music Systems

「 」를 참조해 주세요.

리스트

레퍼런스

  1. ^ Anna Jordanous, Ph.D. (10 April 2014). "What is Computational Creativity?". Retrieved 7 January 2019.
  2. ^ Amabile, Teresa (1983), The social psychology of creativity, New York, NY: Springer-Verlag
  3. ^ Minsky, Marvin (1967), "Why programming is a good medium for expressing poorly understood and sloppily formulated ideas" (PDF), Design and Planning II-Computers in Design and Communication, pp. 120–125[영구 데드링크]
  4. ^ Newell, Allen, Shaw, J. G., and Simon, Herbert A. (1963), The process of creative thinking, H. E. Gruber, G. Terrell and M. Wertheimer (Eds.), Contemporary Approaches to Creative Thinking, pp 63 – 119. New York: Atherton
  5. ^ Gibson, P. M.(1991) NEUROGEN, 유전 알고리즘을 사용하여 신경망을 협력하는 음악 구성, 제2회 인공신경망 국제회의: 309-313.
  6. ^ a b Todd, P.M. (1989). "A connectionist approach to algorithmic composition". Computer Music Journal. 13 (4): 27–43. doi:10.2307/3679551. JSTOR 3679551. S2CID 36726968.
  7. ^ Mateja, Deborah; Heinzl, Armin (December 2021). "Towards Machine Learning as an Enabler of Computational Creativity". IEEE Transactions on Artificial Intelligence. 2 (6): 460–475. doi:10.1109/TAI.2021.3100456. ISSN 2691-4581. S2CID 238941032.
  8. ^ Bharucha, J.J.; Todd, P.M. (1989). "Modeling the perception of tonal structure with neural nets". Computer Music Journal. 13 (4): 44–53. doi:10.2307/3679552. JSTOR 3679552. S2CID 19286486.
  9. ^ 토드, P.M. 및 로이, D.G. (Ed.) (1991)음악과 연결주의.케임브리지, 매사추세츠: MIT 프레스.
  10. ^ 토드, PM(1992)멜로디 공간을 탐색하기 위한 연결주의 시스템.1992년 국제 컴퓨터 음악 회의(65-68페이지)에서.샌프란시스코:국제 컴퓨터 음악 협회
  11. ^ 스칼라 보상 학습을 위한 이중 역전파 방식.P문로 - 1987년 제9회 인지과학 연차총회
  12. ^ 제어 및 시스템 식별을 위한 뉴럴 네트워크.PJ 베르보스 - Decision and Control, 1989년.
  13. ^ 트럭 지지대-상부: 뉴럴 네트워크에서의 자기 학습의 예.D Nguyen, B Widrow - IJCNN'89, 1989.
  14. ^ 전진 모델:원거리 교사와 함께 교육을 감독했습니다.MI Jordan, DE Rumelhart - 인지과학, 1992.
  15. ^ Boden, Margaret (1990), The Creative Mind: Myths and Mechanisms, London: Weidenfeld & Nicolson
  16. ^ Boden, Margaret (1999), Computer models of creativity., Handbook of Creativity, pp 351–373
  17. ^ Thaler, Stephen (2012-01-01). "The Creativity Machine Paradigm: Withstanding the Argument from Consciousness". APA Newsletters. 11.
  18. ^ "Creative computing". Wayback machine: American Philosophical Association. Archived from the original on 15 November 2012. Retrieved 16 March 2016.
  19. ^ Loi, Michele; Viganò, Eleonora; van der Plas, Lonneke (23 July 2020). "The societal and ethical relevance of computational creativity". arXiv:2007.11973 [cs.AI].
  20. ^ Wiggins, Geraint (2006), A Preliminary Framework for Description, Analysis and Comparison of Creative Systems, Journal of Knowledge Based Systems 19(7), pp. 449-458, CiteSeerX 10.1.1.581.5208
  21. ^ Finke, R., Ward, T., and Smith, S. (1992), Creative cognition: Theory, research and applications (PDF), Cambridge: MIT press.
  22. ^ Margaret Boden (10 May 2010). "Can computer models help us to understand human creativity?". Retrieved 7 January 2019.
  23. ^ Fauconnier, Gilles, Turner, Mark (2007), The Way We Think, Basic Books
  24. ^ Fauconnier, Gilles, Turner, Mark (2007), Conceptual Integration Networks, Cognitive Science, 22(2) pp 133–187
  25. ^ Koestler, Arthur (1964), {The act of creation}, London: Hutchinson, and New York: Macmillan
  26. ^ Lakoff, George; Johnson, Mark (2008), Metaphors we live by, University of Chicago press
  27. ^ a b Veale, Tony, O'Donoghue, Diarmuid (2007), Computation and Blending, Cognitive Linguistics, 11(3-4), special issue on Conceptual Blending
  28. ^ Pereira, Francisco Câmara (2006), Creativity and Artificial Intelligence: A Conceptual Blending Approach, Applications of Cognitive Linguistics. Amsterdam: Mouton de Gruyter
  29. ^ a b Carter, Ronald (2004). Language and Creativity: The Art of Common Talk. London: Routledge.
  30. ^ Martin, Katherine Connor (January 30, 2018). "From hangry to mansplain: spend a little 'me time' with the latest OED update". Oxford Dictionaries. Retrieved January 4, 2019.
  31. ^ Anh Vo, Thuc; Carter, Ronald (2010), "What can a corpus tell us about creativity?", The Routledge Handbook of Corpus Linguistics, Routledge, doi:10.4324/9780203856949.ch22, ISBN 9780203856949
  32. ^ Meehan, James (1981), TALE-SPIN, Shank, R. C. and Riesbeck, C. K., (eds.), Inside Computer Understanding: Five Programs plus Miniatures. Hillsdale, NJ: Lawrence Erlbaum Associates
  33. ^ Turner, S.R. (1994), The Creative Process: A Computer Model of Storytelling, Hillsdale, NJ: Lawrence Erlbaum Associates
  34. ^ Bringsjord, S., Ferrucci, D. A. (2000), Artificial Intelligence and Literary Creativity. Inside the Mind of BRUTUS, a Storytelling Machine., Hillsdale NJ: Lawrence Erlbaum Associates
  35. ^ Pérez y Pérez, Rafael, Sharples, Mike (2001), MEXICA: A computer model of a cognitive account of creative writing (PDF), Journal of Experimental and Theoretical Artificial Intelligence, 13, pp 119-139
  36. ^ "Archived copy". Archived from the original on 2011-11-03. Retrieved 2011-05-01.{{cite web}}: CS1 maint: 제목으로 아카이브된 복사(링크)
  37. ^ Martin, James (1990), A Computational Model of Metaphor Interpretation, Academic Press
  38. ^ Barnden, John (1992), Belief in Metaphor: Taking Commonsense Psychology Seriously, Computational Intelligence 8, pp 520-552
  39. ^ Veale, Tony, Hao, Yanfen (2007), Comprehending and Generating Apt Metaphors: A Web-driven, Case-based Approach to Figurative Language (PDF), Proceedings of AAAI 2007, the 22nd AAAI Conference on Artificial Intelligence. Vancouver, Canada
  40. ^ Falkenhainer, Brian, Forbus, Ken and Gentner, Dedre (1989), The structure-mapping engine: Algorithm and examples (PDF), Artificial Intelligence, 20(41) pp 1–63
  41. ^ Binsted, K., Pain, H., and Ritchie, G. (1997), "Children's evaluation of computer-generated punning riddles", Pragmatics & Cognition, 5 (2): 305–354, doi:10.1075/pc.5.2.06bin
  42. ^ Stock, Oliviero, Strapparava, Carlo (2003), HAHAcronym: Humorous agents for humorous acronyms (PDF), Humor: International Journal of Humor Research, 16(3) pp 297–314
  43. ^ Veale, Tony (2006), Tracking the Lexical Zeitgeist with Wikipedia and WordNet, Proceedings of ECAI'2006, the 17th European Conference on Artificial Intelligence
  44. ^ Law, Locky (2019). "Creativity and television drama: a corpus-based multimodal analysis of pattern-reforming creativity in House M.D.". Corpora. 14 (2): 135–171. doi:10.3366/cor.2019.0167. S2CID 201903734.
  45. ^ Gries, Stefan Th. (2004-01-21). "Shouldn't it be breakfunch? A quantitative analysis of blend structure in English". Linguistics. 42 (3). doi:10.1515/ling.2004.021. ISSN 0024-3949. S2CID 3762246.
  46. ^ Gervás, Pablo (2001), An expert system for the composition of formal Spanish poetry (PDF), Journal of Knowledge-Based Systems 14(3-4) pp 181–188
  47. ^ D. Herremans, C.H., Chuan, E. Chew (2017). "A Functional Taxonomy of Music Generation Systems". ACM Computing Surveys. 50 (5): 69:1–30. arXiv:1812.04832. doi:10.1109/TAFFC.2017.2737984. S2CID 54475410.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  48. ^ Cope, David (2006), Computer Models of Musical Creativity, Cambridge, MA: MIT Press
  49. ^ 데이비드 코프(1987), "음악 지능 실험"샌프란시스코에서 열리고 있는 국제 컴퓨터 음악 회의의 속행:컴퓨터 음악 어센스
  50. ^ "miller-mccune.com". www.miller-mccune.com. Archived from the original on February 26, 2010.
  51. ^ "Iamus' debut CD" – via www.youtube.com.
  52. ^ "Computer composer honours Turing's centenary". New Scientist. 5 July 2012.
  53. ^ Assayag, Gérard; Bloch, George; Cont, Arshia; Dubnov, Shlomo (2010), Interaction with Machine Improvisation, Shlomo Argamon, Kevin Burns, Shlomo Dubnov (Ed.), The structure of Style, Springer, Bibcode:2010tsos.book..219A
  54. ^ "A Robot Named Shimon Wants To Jam With You". NPR.org. 22 December 2009.
  55. ^ Dubnov, Shlomo; Surges, Greg (2014), Delegating Creativity: Use of Musical Algorithms in Machine Listening and Composition, Newton Lee (Ed.), Digital Da Vinci, Springer
  56. ^ "Song of the Neurons". Archived from the original on 2014-07-29. Retrieved 2015-05-21.
  57. ^ (프랑스어) 기사 : 【제네레이션 오토마티케 【유브르 누메리크】, 기사 수르 발명의 메달 드 베아트리체 페레 뒤 크레이】, Science et Vie Micro.
  58. ^ McCorduck, Pamela (1991), Aaron's Code., W.H. Freeman & Co., Ltd.
  59. ^ Romero, Juan, Machado, Penousal (eds.) (2008), The Art of Artificial Evolution: A Handbook on Evolutionary Art and Music, Natural Computing Series. Berlin: Springer Verlag, ISBN 9783540728764 {{citation}}: first=범용명(도움말)이 있습니다.
  60. ^ '문장을 생성하는 방법, 시스템 및 소프트웨어 및 해당 문장을 나타내는 시각 및 오디오 구성' 캐나다 특허 2704163
  61. ^ "Introducing Mechanic Miner". Games By Angelina. 5 November 2012.
  62. ^ "Why I Think Mechanic Miner Is Cool". Games By Angelina. 16 November 2012.
  63. ^ 깃허브에서 깊은 꿈을 꾸다
  64. ^ Szegedy, Christian; Liu, Wei; Jia, Yangqing; Sermanet, Pierre; Reed, Scott E.; Anguelov, Dragomir; Erhan, Dumitru; Vanhoucke, Vincent; Rabinovich, Andrew (2015). "Going deeper with convolutions". IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2015, Boston, MA, USA, June 7–12, 2015. IEEE Computer Society. pp. 1–9. arXiv:1409.4842. doi:10.1109/CVPR.2015.7298594.
  65. ^ Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "DeepDream - a code example for visualizing Neural Networks". Google Research. Archived from the original on 2015-07-08.
  66. ^ Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "Inceptionism: Going Deeper into Neural Networks". Google Research. Archived from the original on 2015-07-03.
  67. ^ McFarland, Matt (31 August 2015). "This algorithm can create a new Van Gogh or Picasso in just an hour". Washington Post. Retrieved 3 September 2015.
  68. ^ Culpan, Daniel (1 September 2015). "This algorithm can create an imitation Van Gogh in 60 minutes". Wired UK. Retrieved 3 September 2015.
  69. ^ "GitXiv - A Neural Algorithm of Artistic Style". gitxiv.com. Retrieved 3 September 2015.
  70. ^ Gatys, Leon A.; Ecker, Alexander S.; Bethge, Matthias (2015). "A Neural Algorithm of Artistic Style". arXiv:1508.06576 [cs.CV].
  71. ^ Iqbal, Azlan; Guid, Matej; Colton, Simon; Krivec, Jana; Azman, Shazril; Haghighi, Boshra (2016). The Digital Synaptic Neural Substrate: A New Approach to Computational Creativity. SpringerBriefs in Cognitive Computation. Switzerland: Springer. ISBN 978-3-319-28078-3.
  72. ^ "Chesthetica - YouTube". www.youtube.com.
  73. ^ Helie, S.; Sun, R. (2010). "Incubation, insight, and creative problem solving: A unified theory and a connectionist model". Psychological Review. 117 (3): 994–1024. CiteSeerX 10.1.1.405.2245. doi:10.1037/a0019532. PMID 20658861.
  74. ^ Tolk, Andreas (2013). "Truth, Trust, and Turing – Implications for Modeling and Simulation". Ontology, Epistemology, and Teleology for Modeling and Simulation. Intelligent Systems Reference Library. Vol. 44. pp. 1–26. doi:10.1007/978-3-642-31140-6_1. ISBN 978-3-642-31139-0.
  75. ^ Chaitin, G. J.(1987년).알고리즘 정보 이론.캠브리지 대학 출판부의 이론 컴퓨터 과학 분야 연구실.
  76. ^ "Association for Computational Creativity".
  77. ^ CCSMC 2016, WordPress, 2016.
  78. ^ http://jim2016.gmea.net/?ddownload=download[베어 URL PDF]

추가 정보

외부 링크

다큐멘터리

Wikimedia Commons에는 Computational Creativity와 관련된 미디어가 있습니다.