一篇对于之前博客人工智能有创造力吗?的补充。来自书 Switching Codes: Thinking Through Digital Technology in the Humanities and the Arts 里面的 “Logical Induction, Machine Learning, and Human Creativity” 。其中提到了创造力的四种模型。

Exploratory

创造力就是从迷宫中找到出去的路。

Herbert Simon 认为所有创造力行为,都是基于一种解决问题的能力之上。他想象世界上存在一个巨大的 problem space(像是个巨大的迷宫),里面充满了人们未解的谜团。不管是人的智能,还是人工智能都是在试着从这个 problem space 走出去探索,指明一条路。

Mathematica

许多数学家和逻辑学家,都认为创造力是一种重新解释问题的能力——换一种巧妙的视角,这个数学难题就能迎刃而解。比如如何快速分割正五边形?比如残缺的棋盘。换句话说,它会不会重新解读问题,换一种方法回答。

Entropy-based(compression)

寻找一个出人意料的熵减方法。从大量事实中总结出一个最简单的道理。比如机器可以简单的总结出 97000 个 a 的规律。但是如果是 97000 个随机字符,结果就不一定那么简单。如果这 97000 个随机字符是从《麦克白》中抽取的,那么人类可以很简单的总结出来,机器就不可以。这其实就是柯氏复杂性,它是衡量描述这个对象所需要的信息量的一个尺度。能快速减少复杂性的能力就是一种解决问题的能力,就是一种创造力。

Compositional

组合,这就是我之前那篇文章「人工智能可以有创造力吗?」中提到的。也称为 memory-based creativity。它需要两种能力:memory retrieval 和 case adaptation。前者是能从过去经验中取回记忆,后者是能巧妙地把两种东西连接起来,找到相同点(比如斯芬克斯,比如阿努比斯)。这种创造力和和 inductive reasoning 相关,都是从特殊到一般。这种切掉特殊走向一般的过程,意味着其中出现了信息损失。

这也是目前许多学者在研究的方向(比如机器学习生成美少女)。