La creatividad computacional (también conocida como creatividad artificial , creatividad mecánica , computación creativa o computación creativa ) es un esfuerzo multidisciplinario que se ubica en la intersección de los campos de la inteligencia artificial , la psicología cognitiva , la filosofía y las artes (por ejemplo, el arte computacional como parte de la cultura computacional [1] ).
El objetivo de la creatividad computacional es modelar, simular o replicar la creatividad utilizando una computadora, para lograr uno de varios fines: [2]
El campo de la creatividad computacional se ocupa de cuestiones teóricas y prácticas en el estudio de la creatividad. El trabajo teórico sobre la naturaleza y la definición adecuada de la creatividad se realiza en paralelo con el trabajo práctico sobre la implementación de sistemas que exhiben creatividad, y una línea de trabajo informa a la otra.
La forma aplicada de creatividad computacional se conoce como síntesis de medios .
Los enfoques teóricos se ocupan de la esencia de la creatividad. En particular, de las circunstancias en las que es posible llamar al modelo "creativo" si la creatividad eminente implica romper las reglas o rechazar las convenciones. Esta es una variante de la objeción de Ada Lovelace a la inteligencia de las máquinas, tal como la recapitulan teóricos modernos como Teresa Amabile . [3] Si una máquina sólo puede hacer lo que fue programada para hacer, ¿cómo puede su comportamiento llamarse creativo ?
De hecho, no todos los teóricos de la informática estarían de acuerdo con la premisa de que las computadoras sólo pueden hacer lo que están programadas para hacer [4] , un punto clave a favor de la creatividad computacional.
Como ninguna perspectiva o definición parece ofrecer una imagen completa de la creatividad, los investigadores de IA Newell, Shaw y Simon [5] desarrollaron la combinación de novedad y utilidad como piedra angular de una visión multifacética de la creatividad, que utiliza los siguientes cuatro criterios para categorizar una respuesta o solución dada como creativa:
Margaret Boden se centró en los dos primeros de estos criterios, argumentando en cambio que la creatividad (al menos cuando se pregunta si las computadoras pueden ser creativas) debería definirse como "la capacidad de generar ideas o artefactos que sean nuevos, sorprendentes y valiosos ". [6]
Mihali Csikszentmihalyi sostuvo que la creatividad debía ser considerada en un contexto social, y su marco DIFI (Interacción Dominio-Individuo-Campo) ha influenciado fuertemente el campo desde entonces. [7] En DIFI, un individuo produce obras cuya novedad y valor son evaluados por el campo —otras personas en la sociedad— proporcionando retroalimentación y finalmente agregando la obra, ahora considerada creativa, al dominio de obras sociales de las cuales un individuo podría ser influenciado más tarde.
Si bien lo anterior refleja un enfoque de arriba hacia abajo para la creatividad computacional, se ha desarrollado una corriente alternativa entre los psicólogos computacionales de abajo hacia arriba involucrados en la investigación de redes neuronales artificiales. Durante finales de la década de 1980 y principios de la de 1990, por ejemplo, dichos sistemas neuronales generativos fueron impulsados por algoritmos genéticos . [8] Los experimentos que involucraban redes recurrentes [9] tuvieron éxito en la hibridación de melodías musicales simples y la predicción de las expectativas de los oyentes.
_2022-08-28.png/1280px-An_astronaut_riding_a_horse_(da_Vinci)_2022-08-28.png)
Mientras que los enfoques computacionales tradicionales para la creatividad se basan en la formulación explícita de prescripciones por parte de los desarrolladores y en un cierto grado de aleatoriedad en los programas informáticos, los métodos de aprendizaje automático permiten que los programas informáticos aprendan sobre heurísticas a partir de datos de entrada, lo que habilita capacidades creativas dentro de los programas informáticos. [10] En particular, las redes neuronales artificiales profundas permiten aprender patrones a partir de datos de entrada que permiten la generación no lineal de artefactos creativos. Antes de 1989, las redes neuronales artificiales se han utilizado para modelar ciertos aspectos de la creatividad. Peter Todd (1989) primero entrenó una red neuronal para reproducir melodías musicales a partir de un conjunto de entrenamiento de piezas musicales. Luego utilizó un algoritmo de cambio para modificar los parámetros de entrada de la red. La red pudo generar aleatoriamente nueva música de una manera altamente descontrolada. [9] [11] [12] En 1992, Todd [13] amplió este trabajo, utilizando el llamado enfoque del profesor distal que había sido desarrollado por Paul Munro, [14] Paul Werbos , [15] D. Nguyen y Bernard Widrow , [16] Michael I. Jordan y David Rumelhart . [17] En el nuevo enfoque, hay dos redes neuronales, una de las cuales proporciona patrones de entrenamiento a otra. En esfuerzos posteriores de Todd, un compositor seleccionaría un conjunto de melodías que definen el espacio de la melodía, las posicionaría en un plano 2-d con una interfaz gráfica basada en mouse y entrenaría una red conexionista para producir esas melodías y escuchar las nuevas melodías "interpoladas" que la red genera correspondientes a puntos intermedios en el plano 2-d.
Algunos temas filosóficos de alto nivel se repiten en todo el campo de la creatividad computacional, por ejemplo los siguientes.
Margaret Boden [6] [18] se refiere a la creatividad que es novedosa únicamente para el agente que la produce como "creatividad P" (o "creatividad psicológica"), y se refiere a la creatividad que es reconocida como novedosa por la sociedad en general como "creatividad H" (o "creatividad histórica").
Boden también distingue entre la creatividad que surge de una exploración dentro de un espacio conceptual establecido y la creatividad que surge de una transformación o trascendencia deliberada de este espacio. Ella etiqueta a la primera como creatividad exploratoria y a la segunda como creatividad transformacional , considerando a esta última como una forma de creatividad mucho más radical, desafiante y rara que la primera. Siguiendo los criterios de Newell y Simon elaborados anteriormente, podemos ver que ambas formas de creatividad deberían producir resultados que sean apreciablemente novedosos y útiles (criterio 1), pero es más probable que la creatividad exploratoria surja de una búsqueda exhaustiva y persistente de un espacio bien comprendido (criterio 3), mientras que la creatividad transformacional debería implicar el rechazo de algunas de las restricciones que definen este espacio (criterio 2) o algunas de las suposiciones que definen el problema en sí (criterio 4). Las ideas de Boden han guiado el trabajo en creatividad computacional a un nivel muy general, proporcionando más una piedra de toque inspiradora para el trabajo de desarrollo que un marco técnico de sustancia algorítmica. Sin embargo, las ideas de Boden también son objeto de formalización, sobre todo en el trabajo de Geraint Wiggins. [19]
El criterio de que los productos creativos deben ser novedosos y útiles significa que los sistemas computacionales creativos se estructuran típicamente en dos fases, generación y evaluación. En la primera fase, se generan constructos novedosos (para el propio sistema, por lo tanto P-Creativos); en esta etapa se filtran los constructos no originales que ya son conocidos por el sistema. Luego se evalúa este conjunto de constructos potencialmente creativos para determinar cuáles son significativos y útiles y cuáles no. Esta estructura de dos fases se ajusta al modelo Geneplore de Finke, Ward y Smith [20] , que es un modelo psicológico de generación creativa basado en la observación empírica de la creatividad humana.
Si bien gran parte de la investigación sobre creatividad computacional se centra en la generación de creatividad independiente y automática basada en máquinas, muchos investigadores se inclinan por un enfoque de colaboración. [21] Esta interacción entre humanos y computadoras a veces se clasifica dentro del desarrollo de herramientas de apoyo a la creatividad. Estos sistemas tienen como objetivo proporcionar un marco ideal para la investigación, la integración, la toma de decisiones y la generación de ideas. [22] [23] Recientemente, los enfoques de aprendizaje profundo para el procesamiento de imágenes, sonido y lenguaje natural dieron como resultado el modelado de marcos de desarrollo de creatividad productiva. [24] [25]
La creatividad computacional se debate cada vez más en la literatura sobre innovación y gestión, ya que el reciente desarrollo de la IA puede alterar procesos de innovación enteros y cambiar fundamentalmente la forma en que se crearán las innovaciones. [26] [24] Philip Hutchinson [21] destaca la relevancia de la creatividad computacional para crear innovación e introdujo el concepto de “inteligencia artificial autoinnovadora” (SAI) para describir cómo las empresas hacen uso de la IA en los procesos de innovación para mejorar sus ofertas innovadoras. La SAI se define como la utilización organizacional de la IA con el objetivo de avanzar de forma incremental en los productos existentes o desarrollar nuevos, basándose en los conocimientos obtenidos a partir de la combinación y el análisis continuos de múltiples fuentes de datos. A medida que la IA se convierta en una tecnología de propósito general , el espectro de productos que se desarrollarán con SAI se ampliará de simples a cada vez más complejos. Esto implica que la creatividad computacional conduce a un cambio de las habilidades relacionadas con la creatividad para los humanos.
Gran parte, quizás toda, de la creatividad humana puede entenderse como una combinación novedosa de ideas u objetos preexistentes. [27] Las estrategias comunes para la creatividad combinatoria incluyen:
La perspectiva combinatoria permite modelar la creatividad como un proceso de búsqueda a través del espacio de combinaciones posibles. Las combinaciones pueden surgir de la composición o concatenación de diferentes representaciones, o mediante una transformación basada en reglas o estocástica de representaciones iniciales e intermedias. Se pueden utilizar algoritmos genéticos y redes neuronales para generar representaciones combinadas o cruzadas que capturen una combinación de diferentes entradas.
Mark Turner y Gilles Fauconnier [28] [29] proponen un modelo denominado Redes de Integración Conceptual que amplía las ideas de Arthur Koestler sobre la creatividad [30], así como el trabajo de Lakoff y Johnson [31] , sintetizando ideas de la investigación lingüística cognitiva sobre espacios mentales y metáforas conceptuales . Su modelo básico define una red de integración como cuatro espacios conectados:
Fauconnier y Turner describen una colección de principios de optimalidad que, según se afirma, guían la construcción de una red de integración bien formada. En esencia, consideran la combinación como un mecanismo de compresión en el que dos o más estructuras de entrada se comprimen en una única estructura de combinación. Esta compresión opera en el nivel de relaciones conceptuales. Por ejemplo, una serie de relaciones de similitud entre los espacios de entrada se pueden comprimir en una única relación de identidad en la combinación.
Se ha logrado cierto éxito computacional con el modelo de mezcla al extender modelos computacionales preexistentes de mapeo analógico que son compatibles en virtud de su énfasis en estructuras semánticas conectadas. [32] En 2006, Francisco Câmara Pereira [33] presentó una implementación de la teoría de mezcla que emplea ideas tanto de IA simbólica como de algoritmos genéticos para realizar algunos aspectos de la teoría de mezcla en una forma práctica; sus dominios de ejemplo van desde lo lingüístico a lo visual, y este último incluye más notablemente la creación de monstruos míticos mediante la combinación de modelos gráficos 3-D.
El lenguaje proporciona una oportunidad continua para la creatividad, evidente en la generación de oraciones novedosas, frases, juegos de palabras , neologismos , rimas , alusiones , sarcasmo , ironía , símiles , metáforas , analogías , ingeniosidades y chistes . [34] Los hablantes nativos de idiomas morfológicamente ricos con frecuencia crean nuevas formas de palabras que se entienden fácilmente, y algunas han encontrado su camino hacia el diccionario. [35] El área de generación de lenguaje natural ha sido bien estudiada, pero estos aspectos creativos del lenguaje cotidiano aún deben incorporarse con alguna solidez o escala.
En su obra seminal, el lingüista aplicado Ronald Carter planteó la hipótesis de que existen dos tipos principales de creatividad que involucran palabras y patrones de palabras: la creatividad reformadora de patrones y la creatividad formadora de patrones. [34] La creatividad reformadora de patrones se refiere a la creatividad que consiste en romper reglas, reformar y remodelar patrones del lenguaje, a menudo a través de la innovación individual, mientras que la creatividad formadora de patrones se refiere a la creatividad que se produce a través de la conformidad con las reglas del lenguaje en lugar de romperlas, creando convergencia, simetría y mayor mutualidad entre los interlocutores a través de sus interacciones en forma de repeticiones. [36]
Desde los años 70 se ha llevado a cabo un trabajo sustancial en esta área de creación lingüística, con el desarrollo del sistema TALE-SPIN de James Meehan [37] . TALE-SPIN consideraba las historias como descripciones narrativas de un esfuerzo de resolución de problemas y creaba historias estableciendo primero un objetivo para los personajes de la historia, de modo que su búsqueda de una solución pudiera rastrearse y registrarse. El sistema MINSTREL [38] representa una elaboración compleja de este enfoque básico, que distingue una gama de objetivos a nivel de personaje en la historia de una gama de objetivos a nivel de autor para la historia. Sistemas como BRUTUS de Bringsjord [39] elaboran estas ideas aún más para crear historias con temas interpersonales complejos como la traición. No obstante, MINSTREL modela explícitamente el proceso creativo con un conjunto de métodos de transformación, recuperación y adaptación (TRAM) para crear escenas nuevas a partir de escenas antiguas. El modelo MEXICA [40] de Rafael Pérez y Pérez y Mike Sharples se interesa más explícitamente en el proceso creativo de la narración e implementa una versión del modelo cognitivo de compromiso-reflexión de la escritura creativa.
Ejemplo de metáfora: “Ella era un simio”.
Ejemplo de un símil: "Se sentía como una manta de piel de tigre ". El estudio computacional de estos fenómenos se ha centrado principalmente en la interpretación como un proceso basado en el conocimiento. Los computacionalistas como Yorick Wilks , James Martin, [41] Dan Fass, John Barnden, [42] y Mark Lee han desarrollado enfoques basados en el conocimiento para el procesamiento de metáforas, ya sea a nivel lingüístico o lógico. Tony Veale y Yanfen Hao han desarrollado un sistema, llamado Sardonicus, que adquiere una base de datos completa de símiles explícitos de la web; estos símiles luego se etiquetan como genuinos (por ejemplo, "tan duro como el acero") o irónicos (por ejemplo, "tan peludo como una bola de bolos ", "tan agradable como un conducto radicular "); los símiles de ambos tipos se pueden recuperar a pedido para cualquier adjetivo dado. Utilizan estos símiles como base de un sistema de generación de metáforas en línea llamado Aristóteles [43] que puede sugerir metáforas léxicas para un objetivo descriptivo dado (por ejemplo, para describir a una supermodelo como delgada, se sugieren los términos fuente "lápiz", "látigo", " látigo ", "cuerda", " insecto palo " y "serpiente").
El proceso de razonamiento analógico se ha estudiado tanto desde una perspectiva de mapeo como de recuperación, siendo esta última clave para la generación de analogías novedosas. La escuela de investigación dominante, como la presentada por Dedre Gentner , considera la analogía como un proceso de preservación de la estructura; esta visión se ha implementado en el motor de mapeo de estructura o SME, [44] el motor de recuperación MAC/FAC (Many Are Called, Few Are Chosen), ACME ( Analogical Constraint Mapping Engine ) y ARCS ( Analogical Retrieval Constraint System ). Otros enfoques basados en mapeo incluyen a Sapper, [32] que sitúa el proceso de mapeo en un modelo de red semántica de la memoria. La analogía es un subárea muy activa de la computación creativa y la cognición creativa; las figuras activas en esta subárea incluyen a Douglas Hofstadter , Paul Thagard y Keith Holyoak . También es digno de mención aquí el enfoque de aprendizaje automático de Peter Turney y Michael Littman para la resolución de problemas de analogía de estilo SAT ; Su enfoque logra una puntuación que se compara bien con las puntuaciones promedio obtenidas por los humanos en estas pruebas.
El humor es un proceso que requiere especialmente conocimiento, y los sistemas de generación de chistes más exitosos hasta la fecha se han centrado en la generación de juegos de palabras, como lo ejemplifica el trabajo de Kim Binsted y Graeme Ritchie. [45] Este trabajo incluye el sistema JAPE , que puede generar una amplia gama de juegos de palabras que los niños pequeños evalúan constantemente como novedosos y divertidos. Se ha desarrollado una versión mejorada de JAPE bajo la apariencia del sistema STANDUP, que se ha implementado experimentalmente como un medio para mejorar la interacción lingüística con niños con discapacidades de comunicación. Se han logrado algunos avances limitados en la generación de humor que involucra otros aspectos del lenguaje natural, como la incomprensión deliberada de la referencia pronominal (en el trabajo de Hans Wim Tinholt y Anton Nijholt), así como en la generación de acrónimos humorísticos en el sistema HAHAcronym [46] de Oliviero Stock y Carlo Strapparava.
La combinación de múltiples formas de palabras es una fuerza dominante para la creación de nuevas palabras en el lenguaje; estas nuevas palabras se denominan comúnmente "mezclas" o " palabras compuestas " (en honor a Lewis Carroll ). Tony Veale ha desarrollado un sistema llamado ZeitGeist [47] que recopila palabras clave neológicas de Wikipedia y las interpreta en relación con su contexto local en Wikipedia y en relación con los sentidos específicos de las palabras en WordNet . ZeitGeist se ha ampliado para generar neologismos propios; el enfoque combina elementos de un inventario de partes de palabras que se recopilan de WordNet y, al mismo tiempo, determina las glosas probables para estas nuevas palabras (por ejemplo, "viajero de la comida" para "gastronauta" y "viajero del tiempo" para "crononauta"). Luego utiliza la búsqueda web para determinar qué glosas son significativas y qué neologismos no se han utilizado antes; esta búsqueda identifica el subconjunto de palabras generadas que son novedosas ("H-creativas") y útiles.
También se ha demostrado que es posible utilizar un enfoque lingüístico de corpus para la búsqueda y extracción de neologismos . Utilizando el Corpus of Contemporary American English como corpus de referencia, Locky Law realizó una extracción de neologismos , acrónimos y palabras de jerga utilizando el hapax legomena que apareció en los guiones de la serie televisiva estadounidense House MD [48].
En cuanto a la investigación lingüística sobre neologismo, Stefan Th. Gries realizó un análisis cuantitativo de la estructura de las combinaciones en inglés y descubrió que "el grado de reconocibilidad de las palabras de origen y la similitud de las palabras de origen con la combinación desempeñan un papel vital en la formación de combinaciones". Los resultados se validaron mediante una comparación de combinaciones intencionales con combinaciones basadas en errores del habla. [49]
Más que el hierro, más que el plomo, más que el oro, necesito electricidad.
La necesito más que cordero o cerdo o lechuga o pepino.
La necesito para mis sueños.
Racter, de La barba del policía está a medio construir
Al igual que los chistes, los poemas implican una interacción compleja de diferentes restricciones, y ningún generador de poemas de propósito general combina adecuadamente los aspectos de significado, fraseo, estructura y rima de la poesía. No obstante, Pablo Gervás [50] ha desarrollado un sistema notable llamado ASPERA que emplea un enfoque de razonamiento basado en casos (CBR) para generar formulaciones poéticas de un texto de entrada dado a través de una composición de fragmentos poéticos que se recuperan de una base de casos de poemas existentes. Cada fragmento de poema en la base de casos de ASPERA se anota con una cadena de prosa que expresa el significado del fragmento, y esta cadena de prosa se utiliza como clave de recuperación para cada fragmento. Luego se utilizan reglas métricas para combinar estos fragmentos en una estructura poética bien formada. Racter es un ejemplo de un proyecto de software de este tipo.
La creatividad computacional en el campo de la música se ha centrado tanto en la generación de partituras musicales para uso de músicos humanos como en la generación de música para interpretación por ordenador. El campo de la generación ha incluido la música clásica (con software que genera música al estilo de Mozart y Bach ) y el jazz . [51] En particular, David Cope [52] ha escrito un sistema de software llamado "Experimentos en Inteligencia Musical" (o "EMI") [53] que es capaz de analizar y generalizar a partir de música existente de un compositor humano para generar nuevas composiciones musicales en el mismo estilo. El resultado de EMI es lo suficientemente convincente como para persuadir a los oyentes humanos de que su música es generada por humanos con un alto nivel de competencia. [54]
En el campo de la música clásica contemporánea, Iamus es el primer ordenador que compone desde cero y produce partituras finales que pueden tocar intérpretes profesionales. La Orquesta Sinfónica de Londres interpretó una pieza para orquesta completa, incluida en el CD debut de Iamus , [55] que New Scientist describió como "La primera obra importante compuesta por un ordenador e interpretada por una orquesta completa". [56] Melomics , la tecnología detrás de Iamus, es capaz de generar piezas en diferentes estilos de música con un nivel similar de calidad.
La investigación sobre la creatividad en el jazz se ha centrado en el proceso de improvisación y las demandas cognitivas que esto supone para el agente musical: razonar sobre el tiempo, recordar y conceptualizar lo que ya se ha tocado y planificar con antelación lo que se puede tocar a continuación. [57] El robot Shimon, desarrollado por Gil Weinberg de Georgia Tech, ha demostrado la improvisación en el jazz. [58] El software de improvisación virtual basado en investigaciones sobre modelado estilístico llevadas a cabo por Gerard Assayag y Shlomo Dubnov, que incluye OMax, SoMax y PyOracle, se utiliza para crear improvisaciones en tiempo real reinyectando secuencias de longitud variable aprendidas sobre la marcha del intérprete en vivo. [59]
En el campo de la composición musical, las obras patentadas [60] de René-Louis Baron permitieron fabricar un robot capaz de crear y reproducir una multitud de melodías orquestadas, llamadas "coherentes" en cualquier estilo musical. Todos los parámetros físicos externos asociados a uno o más parámetros musicales específicos pueden influir y desarrollar cada una de estas canciones (en tiempo real mientras se escucha la canción). La invención patentada Medal-Composer plantea problemas de derechos de autor.
La creatividad computacional en la generación de arte visual ha tenido algunos éxitos notables en la creación tanto de arte abstracto como de arte figurativo. Un programa muy conocido en este ámbito es AARON de Harold Cohen , [61] que se ha desarrollado y ampliado continuamente desde 1973. Aunque es una fórmula, Aaron exhibe una gama de resultados, generando dibujos en blanco y negro o pinturas en color que incorporan figuras humanas (como bailarines), plantas en macetas, rocas y otros elementos de imágenes de fondo. Estas imágenes son de una calidad lo suficientemente alta como para ser exhibidas en galerías de renombre.
Otros artistas de software notables incluyen el sistema NEvAr (por " Arte Neuro-Evolutivo ") de Penousal Machado. [62] NEvAr utiliza un algoritmo genético para derivar una función matemática que luego se utiliza para generar una superficie tridimensional coloreada. Se permite a un usuario humano seleccionar las mejores imágenes después de cada fase del algoritmo genético, y estas preferencias se utilizan para guiar las fases sucesivas, impulsando así la búsqueda de NEvAr en los espacios del espacio de búsqueda que se consideran más atractivos para el usuario.
The Painting Fool , desarrollado por Simon Colton, se originó como un sistema para pintar sobre imágenes digitales de una escena dada en una selección de diferentes estilos de pintura, paletas de colores y tipos de pincel. Dada su dependencia de una imagen de fuente de entrada con la que trabajar, las primeras iteraciones de The Painting Fool plantearon preguntas sobre el alcance o la falta de creatividad en un sistema de arte computacional . No obstante, The Painting Fool se ha ampliado para crear imágenes novedosas, de manera muy similar a lo que hace AARON , a partir de su propia imaginación limitada. Las imágenes de esta línea incluyen paisajes urbanos y bosques, que se generan mediante un proceso de satisfacción de restricciones a partir de algunos escenarios básicos proporcionados por el usuario (por ejemplo, estos escenarios permiten al sistema inferir que los objetos más cercanos al plano de visualización deben ser más grandes y más saturados de color, mientras que los más alejados deben estar menos saturados y parecer más pequeños). Artísticamente, las imágenes creadas ahora por The Painting Fool parecen estar a la par con las creadas por Aaron, aunque los mecanismos extensibles empleados por el primero (satisfacción de restricciones, etc.) bien pueden permitirle convertirse en un pintor más elaborado y sofisticado.
La artista Krasi Dimtch (Krasimira Dimtchevska) y el desarrollador de software Svillen Ranev han creado un sistema computacional que combina un generador de oraciones en inglés basado en reglas y un generador de composiciones visuales que convierte las oraciones generadas por el sistema en arte abstracto. [63] El software genera automáticamente un número indefinido de imágenes diferentes utilizando diferentes paletas de colores, formas y tamaños. El software también permite al usuario seleccionar el tema de las oraciones generadas o/y una o más de las paletas utilizadas por el generador de composiciones visuales.
Un área emergente de creatividad computacional es la de los videojuegos . ANGELINA es un sistema para desarrollar videojuegos de manera creativa en Java diseñado por Michael Cook. Un aspecto importante es Mechanic Miner, un sistema que puede generar segmentos cortos de código que actúan como mecánicas de juego simples. [64] ANGELINA puede evaluar la utilidad de estas mecánicas jugando niveles de juego simples sin solución y probando para ver si la nueva mecánica hace que el nivel sea solucionable. A veces, Mechanic Miner descubre errores en el código y los explota para crear nuevas mecánicas con las que el jugador pueda resolver problemas. [65]
En julio de 2015, Google lanzó DeepDream , un programa de visión por computadora de código abierto [66] , creado para detectar rostros y otros patrones en imágenes con el objetivo de clasificar imágenes automáticamente, que utiliza una red neuronal convolucional para encontrar y mejorar patrones en imágenes a través de pareidolia algorítmica , creando así una apariencia psicodélica onírica en las imágenes deliberadamente sobreprocesadas. [67] [68] [69]
En agosto de 2015, investigadores de Tübingen, Alemania, crearon una red neuronal convolucional que utiliza representaciones neuronales para separar y recombinar el contenido y el estilo de imágenes arbitrarias, lo que permite convertir las imágenes en imitaciones estilísticas de obras de arte de artistas como Picasso o Van Gogh en aproximadamente una hora. Su algoritmo se utiliza en el sitio web DeepArt , que permite a los usuarios crear imágenes artísticas únicas mediante su algoritmo. [70] [71] [72] [73]
A principios de 2016, un equipo internacional de investigadores explicó cómo un nuevo enfoque de creatividad computacional conocido como el Sustrato Neural Sináptico Digital (DSNS, por sus siglas en inglés) podría utilizarse para generar problemas de ajedrez originales que no se derivaran de bases de datos de finales. [74] El DSNS puede combinar características de diferentes objetos (por ejemplo, problemas de ajedrez, pinturas, música) utilizando métodos estocásticos para derivar nuevas especificaciones de características que se pueden utilizar para generar objetos en cualquiera de los dominios originales. Los problemas de ajedrez generados también se han presentado en YouTube. [75]
La creatividad también es útil para permitir soluciones inusuales en la resolución de problemas . En psicología y ciencia cognitiva , esta área de investigación se llama resolución creativa de problemas . La teoría de la interacción explícita-implícita (EII) de la creatividad se ha implementado utilizando un modelo computacional basado en CLARION que permite la simulación de la incubación y la comprensión en la resolución de problemas. [76] El énfasis de este proyecto de creatividad computacional no está en el rendimiento per se (como en los proyectos de inteligencia artificial ), sino más bien en la explicación de los procesos psicológicos que conducen a la creatividad humana y la reproducción de datos recopilados en experimentos de psicología. Hasta ahora, este proyecto ha tenido éxito en proporcionar una explicación de los efectos de incubación en experimentos de memoria simples, la comprensión en la resolución de problemas y la reproducción del efecto de ensombrecimiento en la resolución de problemas.
Algunos investigadores consideran que la creatividad es un fenómeno complejo cuyo estudio se complica aún más por la plasticidad del lenguaje que utilizamos para describirlo. Podemos describir como "creativo" no sólo al agente de la creatividad, sino también al producto y al método. En consecuencia, se podría afirmar que no es realista hablar de una teoría general de la creatividad . [ cita requerida ] No obstante, algunos principios generativos son más generales que otros, lo que lleva a algunos defensores a afirmar que ciertos enfoques computacionales son "teorías generales". Stephen Thaler, por ejemplo, propone que ciertas modalidades de redes neuronales son lo suficientemente generativas y generales como para manifestar un alto grado de capacidades creativas. [ cita requerida ]
Las computadoras tradicionales, que se utilizan principalmente en aplicaciones de creatividad computacional, no respaldan la creatividad, ya que transforman fundamentalmente un conjunto de parámetros de entrada de dominio limitado y discreto en un conjunto de parámetros de salida de dominio limitado y discreto utilizando un conjunto limitado de funciones computacionales. [ cita requerida ] Como tal, una computadora no puede ser creativa, ya que todo lo que sale debe haber estado ya presente en los datos de entrada o en los algoritmos. [ cita requerida ] Las discusiones relacionadas y las referencias a trabajos relacionados se capturan en el trabajo sobre fundamentos filosóficos de la simulación. [77]
Matemáticamente, Chaitin ha presentado el mismo conjunto de argumentos contra la creatividad. [78] Observaciones similares surgen desde una perspectiva de teoría de modelos. Todas estas críticas enfatizan que la creatividad computacional es útil y puede parecer creatividad, pero no es creatividad real, ya que no se crea nada nuevo, solo se transforma en algoritmos bien definidos.
La Conferencia Internacional sobre Creatividad Computacional (ICCC) se celebra anualmente y está organizada por la Asociación para la Creatividad Computacional. [79] Los eventos de la serie incluyen:
Anteriormente, la comunidad de creatividad computacional ha celebrado un taller dedicado, el Taller conjunto internacional sobre creatividad computacional, todos los años desde 1999. Los eventos anteriores de esta serie incluyen: [ cita requerida ]
Se celebrarán las I Jornadas de Simulación Computacional de Creatividad Musical
{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace ){{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )Número especial sobre mezcla conceptual.{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace ){{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace ){{citation}}: CS1 maint: varios nombres: lista de autores ( enlace ){{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )