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 ).
El objetivo de la creatividad computacional es modelar, simular o replicar la creatividad usando una computadora, para lograr uno de varios fines: [1]
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, con una línea de trabajo informando a la otra.
La forma aplicada de creatividad computacional se conoce como síntesis de medios .
Los enfoques teóricos se refieren a la esencia de la creatividad. Especialmente, ¿bajo qué circunstancias es posible llamar al modelo "creativo" si la creatividad eminente consiste en romper reglas o rechazar convenciones? Esta es una variante de la objeción de Ada Lovelace a la inteligencia artificial, recapitulada por teóricos modernos como Teresa Amabile . [2] Si una máquina sólo puede hacer aquello para lo que fue programada, ¿cómo se puede llamar creativo a su comportamiento ?
De hecho, no todos los teóricos de la informática estarían de acuerdo con la premisa de que las computadoras sólo pueden hacer aquello para lo que están programadas [3] , un punto clave a favor de la creatividad computacional.
Debido a que ninguna perspectiva o definición única parece ofrecer una imagen completa de la creatividad, los investigadores de IA Newell, Shaw y Simon [4] 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 determinada 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 ". [5]
Mihali Csikszentmihalyi argumentó que la creatividad debía considerarse en un contexto social, y desde entonces su marco DIFI (Interacción Dominio-Individual-Campo) ha influido fuertemente en este campo. [6] En DIFI, un individuo produce obras cuya novedad y valor son evaluados por el campo (otras personas en la sociedad), proporcionando retroalimentación y, en última instancia, agregando el trabajo, ahora considerado creativo, al dominio de trabajos sociales del que un individuo podría separarse más adelante. influenciado.
Mientras que lo anterior refleja un enfoque de arriba hacia abajo de la creatividad computacional, se ha desarrollado un hilo alternativo entre los psicólogos computacionales de abajo hacia arriba involucrados en la investigación de redes neuronales artificiales. A finales de los 80 y principios de los 90, por ejemplo, estos sistemas neuronales generativos estaban impulsados por algoritmos genéticos . [7] Los experimentos con redes recurrentes [8] tuvieron éxito en la hibridación de melodías musicales simples y en la predicción de las expectativas del oyente.
_2022-08-28.png/1280px-An_astronaut_riding_a_horse_(da_Vinci)_2022-08-28.png)
Mientras que los enfoques computacionales tradicionales de 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 de computadora, los métodos de aprendizaje automático permiten que los programas de computadora aprendan heurísticas a partir de datos de entrada que habilitan capacidades creativas dentro de los programas de computadora. [9] Especialmente, 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 utilizaban para modelar ciertos aspectos de la creatividad. Peter Todd (1989) entrenó por primera vez una red neuronal para reproducir melodías musicales a partir de un conjunto de piezas musicales de entrenamiento. Luego utilizó un algoritmo de cambio para modificar los parámetros de entrada de la red. La red pudo generar nueva música aleatoriamente de una manera muy descontrolada. [8] [10] [11] En 1992, Todd [12] amplió este trabajo, utilizando el llamado enfoque del maestro distal que había sido desarrollado por Paul Munro, [13] Paul Werbos , [14] D. Nguyen y Bernard. Viuda , [15] Michael I. Jordan y David Rumelhart . [16] 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 definieran el espacio melódico, las ubicaría en un plano bidimensional con una interfaz gráfica basada en mouse y entrenaría una red conexionista para producir esas melodías y escuchar las canciones. nuevas melodías "interpoladas" que genera la red correspondientes a puntos intermedios en el plano 2-d.
Algunos temas filosóficos y de alto nivel se repiten en todo el campo de la creatividad computacional. [ se necesita aclaración ]
Margaret Boden [5] [17] se refiere a la creatividad que es novedosa simplemente para el agente que la produce como "creatividad P" (o "creatividad psicológica"), y se refiere a la creatividad que la sociedad en general reconoce como novedosa como " H-creatividad" (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 la primera como creatividad exploratoria y la segunda como creatividad transformacional , considerando la última como una forma de creatividad mucho más radical, desafiante y más 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 minuciosa y persistente de una buena solución. espacio entendido (criterio 3), mientras que la creatividad transformacional debería implicar el rechazo de algunas de las limitaciones que definen este espacio (criterio 2) o algunos de los supuestos que definen el problema mismo (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 la obra de Geraint Wiggins. [18]
El criterio de que los productos creativos deben ser novedosos y útiles significa que los sistemas computacionales creativos suelen estructurarse en dos fases: generación y evaluación. En la primera fase, se generan construcciones novedosas (para el sistema mismo, por lo tanto P-Creative); En esta etapa se filtran las construcciones no originales que el sistema ya conoce. 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, [19] 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. [20] Esta interacción persona-computadora a veces se clasifica bajo el 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. [21] [22] 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. [23] [24]
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 completos de innovación y cambiar fundamentalmente la forma en que se crearán las innovaciones. [25] [23] Philip Hutchinson [20] 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 su capacidad innovadora. ofrendas. SAI se define como la utilización organizacional de la IA con el objetivo de hacer avanzar incrementalmente los productos existentes o desarrollar nuevos productos, basándose en conocimientos provenientes de la combinación y el análisis continuo 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 lo simple a lo cada vez más complejo. Esto implica que la creatividad computacional conduce a un cambio en las habilidades relacionadas con la creatividad de los humanos.
Gran parte, quizá toda, de la creatividad humana puede entenderse como una combinación novedosa de ideas u objetos preexistentes. [26] Las estrategias comunes para la creatividad combinatoria incluyen:
La perspectiva combinatoria nos 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 estocástica o basada en reglas 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 [27] [28] proponen un modelo llamado Redes de integración conceptual que elabora las ideas de Arthur Koestler sobre la creatividad [29], así como el trabajo de Lakoff y Johnson, [30] sintetizando ideas de la investigación lingüística cognitiva. en 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 optimización que supuestamente guían la construcción de una red de integración bien formada. En esencia, ven 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 las 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 combinación al extender modelos computacionales preexistentes de mapeo analógico que son compatibles en virtud de su énfasis en estructuras semánticas conectadas. [31] En 2006, Francisco Câmara Pereira [32] presentó una implementación de la teoría de la combinación que emplea ideas tanto de la IA simbólica como de algoritmos genéticos para realizar algunos aspectos de la teoría de la combinación en una forma práctica; Sus dominios de ejemplo van desde lo lingüístico hasta lo visual, y este último incluye más notablemente la creación de monstruos míticos mediante la combinación de modelos gráficos tridimensionales.
El lenguaje brinda oportunidades continuas para la creatividad, evidente en la generación de oraciones, frases, juegos de palabras , neologismos , rimas , alusiones , sarcasmo , ironía , símiles , metáforas , analogías , ocurrencias y chistes novedosos . [33] Los hablantes nativos de lenguas morfológicamente ricas frecuentemente crean nuevas formas de palabras que se entienden fácilmente, y algunas han encontrado su camino al diccionario. [34] El área de la generación del lenguaje natural ha sido bien estudiada, pero estos aspectos creativos del lenguaje cotidiano aún no se han incorporado con solidez o escala.
En el trabajo fundamental del lingüista aplicado Ronald Carter, planteó la hipótesis de dos tipos principales de creatividad que involucran palabras y patrones de palabras: creatividad reformadora de patrones y creatividad formadora de patrones. [33] La creatividad reformadora de patrones se refiere a la creatividad mediante la ruptura de reglas, reformando y remodelando patrones de lenguaje a menudo a través de la innovación individual, mientras que la creatividad formadora de patrones se refiere a la creatividad a través de la conformidad con las reglas del lenguaje en lugar de romperlas, creando convergencia, simetría y mayor mutualidad entre interlocutores a través de sus interacciones en forma de repeticiones. [35]
Se ha realizado un trabajo sustancial en esta área de la creación lingüística desde la década de 1970, con el desarrollo del sistema TALE-SPIN [36] de James Meehan . TALE-SPIN vio las historias como descripciones narrativas de un esfuerzo de resolución de problemas y creó historias estableciendo primero una meta para los personajes de la historia para que su búsqueda de una solución pudiera ser rastreada y registrada. El sistema MINSTREL [37] representa una elaboración compleja de este enfoque básico, distinguiendo una variedad de objetivos a nivel de personaje en la historia de un rango de objetivos a nivel de autor para la historia. Sistemas como BRUTUS [38] de Bringsjord elaboran aún más estas ideas para crear historias con temas interpersonales complejos como la traición. No obstante, MINSTREL modela explícitamente el proceso creativo con un conjunto de métodos Transform Recall Adapt (TRAM) para crear escenas novedosas a partir de lo antiguo. El modelo MEXICA [39] de Rafael Pérez y Pérez y Mike Sharples está más explícitamente interesado en el proceso creativo de contar historias e implementa una versión del modelo cognitivo de compromiso-reflexión de la escritura creativa.
Ejemplo de metáfora: "Ella era un simio".
Ejemplo de símil: "Me sentí como una manta de piel de tigre ". El estudio computacional de estos fenómenos se ha centrado principalmente en la interpretación como proceso basado en el conocimiento. Computacionalistas como Yorick Wilks , James Martin, [40] Dan Fass, John Barnden, [41] 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 (p. ej., "tan duros como el acero") o irónicos (p. ej., "tan peludos como una bola de bolos ", "tan agradables como una endodoncia "); Se pueden recuperar símiles de cualquier tipo a pedido para cualquier adjetivo determinado. Utilizan estos símiles como base de un sistema de generación de metáforas en línea llamado Aristóteles [42] que puede sugerir metáforas léxicas para un objetivo descriptivo determinado (por ejemplo, para describir a una supermodelo como delgada, los términos fuente "lápiz", "látigo" , " látigo ", "cuerda", " insecto palo " y "serpiente".
El proceso de razonamiento analógico se ha estudiado desde una perspectiva tanto de mapeo como de recuperación, siendo esta última clave para la generación de nuevas analogías. La escuela de investigación dominante, tal como la propuso Dedre Gentner , considera la analogía como un proceso de preservación de la estructura; Esta visión se ha implementado en el motor de mapeo de estructuras o SME, [43] el motor de recuperación MAC/FAC (Many Are Called, Few Are Chosen), ACME ( Anaological Constraint Mapping Engine ) y ARCS ( Anaological Retrieval Constraint System ). Otros enfoques basados en mapeo incluyen Sapper, [31] que sitúa el proceso de mapeo en un modelo de memoria de red semántica. La analogía es una 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 al estilo SAT ; su enfoque logra una puntuación que se compara bien con las puntuaciones medias obtenidas por humanos en estas pruebas.
El humor es un proceso especialmente ávido de 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. [44] 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 forma 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 mala comprensión 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 acrónimo HAHA. sistema [45] 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 combinadas " (en honor a Lewis Carroll ). Tony Veale ha desarrollado un sistema llamado ZeitGeist [46] que recopila palabras clave neológicas de Wikipedia y las interpreta en relación con su contexto local en Wikipedia y en relación con sentidos específicos de palabras en WordNet . ZeitGeist se ha extendido hasta generar neologismos propios; el enfoque combina elementos de un inventario de partes de palabras extraídas de WordNet y simultáneamente determina glosas probables para estas nuevas palabras (por ejemplo, "viajero gastronómico" para "gastronauta" y "viajero en el tiempo" para "crononauta"). Luego utiliza la búsqueda en la 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 un enfoque lingüístico de corpus para la búsqueda y extracción de neologismos . Utilizando Corpus of Contemporary American English como corpus de referencia, Locky Law ha realizado una extracción de neologismos , acrónimos y palabras de jerga utilizando el hapax legomena que apareció en los guiones del drama televisivo estadounidense House MD [47]
En términos de investigación lingüística en neologismo, Stefan Th. Gries realizó un análisis cuantitativo de la estructura de la mezcla en inglés y descubrió que "el grado de reconocibilidad de las palabras fuente y que la similitud de las palabras fuente con la mezcla juega un papel vital en la formación de la mezcla". Los resultados se validaron mediante una comparación de combinaciones intencionales con combinaciones de errores de habla. [48]
Más que hierro, más que plomo, más que oro necesito electricidad.
Lo necesito más que cordero, cerdo, lechuga o pepino.
Lo necesito para mis sueños.
Racter, de La barba del policía está medio construido
Al igual que los chistes, los poemas implican una interacción compleja de diferentes limitaciones, 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 [49] 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 determinado a través de una composición de fragmentos poéticos que se recuperan de una base de casos de textos existentes. poemas Cada fragmento de poema en la base de casos de ASPERA está anotado con una cadena en prosa que expresa el significado del fragmento, y esta cadena en 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 dominio 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 computadoras. El dominio de la generación ha incluido la música clásica (con software que genera música al estilo de Mozart y Bach ) y el jazz . [50] En particular, David Cope [51] ha escrito un sistema de software llamado "Experimentos en Inteligencia Musical" (o "EMI") [52] que es capaz de analizar y generalizar a partir de la música existente de un compositor humano para generar música novedosa. composiciones del mismo estilo. La producción 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. [53]
En el campo de la música clásica contemporánea, Iamus es la primera computadora que compone desde cero y produce partituras finales que los intérpretes profesionales pueden tocar. La Orquesta Sinfónica de Londres tocó una pieza para orquesta completa, incluida en el CD debut de Iamus , [54] que New Scientist describió como "La primera obra importante compuesta por una computadora e interpretada por una orquesta completa". [55] 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 impone a un agente musical: razonar sobre el tiempo, recordar y conceptualizar lo que ya se ha tocado y planificar con anticipación lo que se tocará a continuación. [56] El robot Shimon, desarrollado por Gil Weinberg de Georgia Tech, ha demostrado improvisación en jazz. [57] El software de improvisación virtual basado en investigaciones sobre modelado estilístico llevado a cabo por Gerard Assayag y Shlomo Dubnov incluye OMax, SoMax y PyOracle, y se utiliza para crear improvisaciones en tiempo real reinyectando secuencias de longitud variable aprendidas sobre la marcha del intérprete en vivo. . [58]
En el campo de la composición musical, las obras patentadas [59] de René-Louis Baron permitieron realizar un robot capaz de crear y tocar multitud de melodías orquestadas, las llamadas "coherentes" en cualquier estilo musical. Todo parámetro físico exterior asociado a uno o más parámetros musicales específicos, puede influir y desarrollar cada una de estas canciones (en tiempo real mientras se escucha la canción). El invento patentado 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 representacional. Un programa muy conocido en este ámbito es AARON de Harold Cohen , [60] que se ha desarrollado y ampliado continuamente desde 1973. Aunque formulado, Aaron exhibe una variedad de producciones, 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 suficientemente alta como para exhibirlas en galerías acreditadas.
Otros artistas de software destacados incluyen el sistema NEvAr (para " Arte Neuro-Evolutivo ") de Penousal Machado. [61] NEvAr utiliza un algoritmo genético para derivar una función matemática que luego se utiliza para generar una superficie tridimensional coloreada. A un usuario humano se le permite seleccionar las mejores imágenes después de cada fase del algoritmo genético, y estas preferencias se utilizan para guiar las fases sucesivas, empujando así la búsqueda de NEvAr a zonas del espacio de búsqueda que se consideran más atractivas para el usuario.
The Painting Fool , desarrollado por Simon Colton, se originó como un sistema para sobrepintar imágenes digitales de una escena determinada en una selección de diferentes estilos de pintura, paletas de colores y tipos de pincel. Dada su dependencia de una imagen fuente de entrada con la que trabajar, las primeras versiones de 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, al igual que lo hace AARON , a partir de su propia imaginación limitada. Las imágenes en este sentido 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 con más colores). saturados, mientras que los más alejados deberían estar menos saturados y parecer más pequeños). Artísticamente, las imágenes creadas ahora por Painting Fool aparecen a la par de 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 creador de composiciones visuales que convierte las oraciones generadas por el sistema en arte abstracto. [62] 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 y/o una o más de las paletas utilizadas por el creador de composición visual.
Un área emergente de la creatividad computacional es la de los videojuegos . ANGELINA es un sistema para desarrollar creativamente videojuegos en Java de Michael Cook. Un aspecto importante es Mechanic Miner, un sistema que puede generar segmentos cortos de código que actúan como mecánicas de juego simples. [63] ANGELINA puede evaluar la utilidad de estas mecánicas jugando niveles de juego simples que no tienen solución y probando para ver si la nueva mecánica hace que el nivel tenga solución. A veces, Mechanic Miner descubre errores en el código y los explota para crear nuevas mecánicas con las que el jugador puede resolver problemas. [64]
En julio de 2015, Google lanzó DeepDream , un programa de visión por computadora de código abierto [65] , creado para detectar rostros y otros patrones en imágenes con el objetivo de clasificarlas automáticamente, que utiliza una red neuronal convolucional para encontrar y mejorar patrones en imágenes mediante algoritmos. pareidolia , creando así una apariencia psicodélica onírica en las imágenes deliberadamente sobreprocesadas. [66] [67] [68]
En agosto de 2015, investigadores de Tübingen, Alemania, crearon una red neuronal convolucional que utiliza representaciones neuronales para separar y recombinar contenido y estilo de imágenes arbitrarias y que es capaz de convertir 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. [69] [70] [71] [72]
A principios de 2016, un equipo global de investigadores explicó cómo un nuevo enfoque de creatividad computacional conocido como Sustrato Neural Sináptico Digital (DSNS) podría usarse para generar acertijos de ajedrez originales que no se derivaran de bases de datos de finales. [73] El DSNS es capaz de combinar características de diferentes objetos (por ejemplo, problemas de ajedrez, pinturas, música) utilizando métodos estocásticos para derivar nuevas especificaciones de características que pueden usarse para generar objetos en cualquiera de los dominios originales. Los acertijos de ajedrez generados también se han presentado en YouTube. [74]
La creatividad también es útil para permitir soluciones inusuales en la resolución de problemas . En psicología y ciencia cognitiva , esta área de investigación se denomina resolución creativa de problemas . La teoría de la creatividad de la interacción explícita-implícita (EII) se ha implementado utilizando un modelo computacional basado en CLARION que permite la simulación de la incubación y el conocimiento en la resolución de problemas. [75] El énfasis de este proyecto de creatividad computacional no está en el desempeño 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 los datos recopilados en experimentos de psicología. Hasta ahora, este proyecto ha logrado proporcionar una explicación de los efectos de la incubación en experimentos simples de memoria, información sobre la resolución de problemas y reproducir el 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 describirla. Podemos describir como "creativo" no sólo el agente de la creatividad, sino también el producto y el método. En consecuencia, se podría afirmar que no es realista hablar de una teoría general de la creatividad . [ cita necesaria ] 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 necesaria ]
Las computadoras tradicionales, utilizadas principalmente en la aplicación de creatividad computacional, no apoyan la creatividad, ya que transforman fundamentalmente un conjunto de dominios discretos y limitados de parámetros de entrada en un conjunto de dominios discretos y limitados de parámetros de salida utilizando un conjunto limitado de funciones computacionales. [ cita necesaria ] Como tal, una computadora no puede ser creativa, ya que todo el contenido de salida ya debe haber estado presente en los datos de entrada o los algoritmos. [ cita necesaria ] Las discusiones relacionadas y las referencias a trabajos relacionados se capturan en el trabajo sobre los fundamentos filosóficos de la simulación. [76]
Matemáticamente, Chaitin ha presentado el mismo conjunto de argumentos contra la creatividad. [77] Observaciones similares provienen de la perspectiva de la 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, sólo se transforma en algoritmos bien definidos.
Anualmente se celebra la Conferencia Internacional sobre Creatividad Computacional (ICCC), organizada por la Asociación para la Creatividad Computacional. [78] Los eventos de la serie incluyen:
Anteriormente, la comunidad de creatividad computacional ha celebrado un taller dedicado, el Taller Conjunto Internacional sobre Creatividad Computacional, cada año desde 1999. Los eventos anteriores de esta serie incluyen: [ cita necesaria ]
Se realizará el I Congreso sobre Simulación Computarizada de la Creatividad Musical
{{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link){{citation}}: CS1 maint: multiple names: authors list (link)