情感画像:通过 AI 生成艺术作品赋予自我表达能力
生成型 AI 系统的情感表达能力对于 AI 系统的有效性至关重要,特别是那些旨在支持人类心理健康的系统。本研究旨在通过设计一项调查,测量生成型 AI 表达的情感与人类感知的一致性,以回答 AI 如何成功地表达特定情感的问题。通过评估多个生成型图像模型在表达积极和消极情感方面的表现,并分析其中的性能差异,我们发现生成型 AI 模型能够表达出与人类情感相一致的情感表达,但这种一致性在不同 AI 模型和情感本身上存在显著差异,我们还对未来改进的领域进行了分析,并讨论了对于旨在支持心理健康的未来 AI 系统的意义。
May, 2024
通过对 7 位艺术家的访谈和社交媒体平台 Reddit、Twitter 和 Artstation 上艺术家的公开帖子进行分析,我们研究了艺术家对人工智能生成的艺术的情感。我们报告了艺术家对人工智能生成艺术作品的主要关注和希望,为包容性地开发这些工具提供了前进方向。
Nov, 2023
本篇论文介绍了一种基于人工智能技术的脑机接口,通过人与机器的交互创作带有感情色彩的艺术品,以反思人类情感的复杂性与表达。文章探讨了这种交互的动态,旨在实现更公平、包容和美学的共存方式。
Feb, 2022
未来,艺术和人工智能(AI)之间的融合充满了前景,通过技术的进步,AI 在设计中的使用越来越广泛,艺术实践可能不再是一种仅限于人类的艺术形式,而是成为一种数字化整合的体验。通过增强的创造力和协作,艺术和 AI 可以共同努力创造出视觉上吸引人且满足艺术家和观众需求的艺术产出。虽然融合将走多远还难以预测,但艺术与 AI 很可能会相互影响。本文的研究人员通过描述 HCI 研究人员和 AI 之间试图摆脱创造障碍的互动,提出了一次第一人称研究,以探索 AI 如何支持艺术家的创造力,并在这种情境中什么是可解释的。结果引发了进一步讨论和探索,涉及到 XAIxArts 社区中透明化的归因、创作过程、伦理问题、灵感与抄袭等方面。
Aug, 2023
本文探讨生成式 AI 模型对艺术创作的影响,重点关注了不正当使用艺术家作品的问题以及市场利益转移,同时指出若应用得当,AI 生成模型有潜力成为艺术的一种积极的新方式,不会取代或损害现有的艺术家。
Sep, 2022
该研究通过将心理学理论纳入生成型 AI 模型中,提出了利用 EmotionPrompt 增强模型性能、EmotionAttack 削弱模型性能以及 EmotionDecode 解释情绪刺激效果的三种方法,实验证明 EmotionPrompt 能提升模型性能,EmotionAttack 能阻碍模型表现,并揭示了 AI 模型可以类似于人类大脑中的多巴胺机制理解情绪刺激。此研究为通过心理学探索提升我们对生成型 AI 模型的理解打开了新途径。
Dec, 2023
通过在线实验研究,我们得出结论:使用 GenAI 平台获取灵感会导致作品被评定为更具创造力、写作更好、更令人愉快,尤其是在创造力较低的作家中。然而,每个条件内的故事相似性的客观度量揭示出,相比于单独由人类创作的故事,GenAI 生成的故事更加相似。这些结果表明了个人创造力的增加,但同时也存在着过度依赖的潜在后果,可能会导致集体创新的缺失。
Dec, 2023
基于强化学习方法和计算创造力的不同研究流派,本文提出了一个三重引导 - 响应 - 奖励工程框架,以提高生成人工智能(GenAI)的创造能力。该框架包括了引导模型、响应模型和奖励模型,通过开发创造性的引导、生成出令人惊喜和创新性的输出,并结合 AI、创作者 / 管理者和客户的反馈,逐步提高生成人工智能的创造力。
May, 2024