创造力自动化
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
通过引入 Relative Creativity 的概念,我们将重点转移到 AI 是否能够与理论上的人类创造能力相媲美,并基于统计学上可量化的评估,介绍了 Statistical Creativity 作为衡量 AI 创造力的方法。通过分析创造力度量,并引入可行的训练指导方针,我们建立了一个评估和促进 AI 模型中统计创造力的连贯、不断发展和变革的框架。
Jan, 2024
通过质性调查,我们发现创意专业人士对生成式人工智能的推动对创造力的定义和如何使用人工智能支持他们的工作流程产生了重要的影响,并基于这些反思,探讨了如何设计在创新专业领域中的 “参与式人工智能”,以目前和未来协同 AI 中赋予创意专业人士更大的权力。
Mar, 2023
通过使用机器学习和大型语言模型,本论文介绍了一种知识工作者系统 Generate And Search Test,该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境,以消除人为偏见。
Jul, 2023
本文通过人类创造力文献的启示,探索生成人工智能系统中新奇和实用之间的最佳平衡,提出了包括领域特定分析、数据和迁移学习、用户喜好和定制、自定义评估指标和协作机制在内的框架,旨在在特定领域内生成既新颖又有用的内容。
Jun, 2023
本研究测试了人工智能是否具备创造力,通过比较采用六种生成式人工智能聊天机器人生成的创意和人类生成的创意,研究发现虽然创意的生成方式不同,但是在创意质量方面没有明显的差异,并且有 9.4% 的人比 GPT-4 生成的创意更有创造力。研究表明生成式人工智能可以成为创意创造的有价值助手,持续研究和开发生成式人工智能在创造性任务中的应用具有重要意义,同时也探讨了生成式人工智能是否能够真正具备创造力的问题。
Mar, 2023
本研究探讨生成型人工智能(AI)如何改变市场营销、产品开发和研究,讨论了该领域的最新发展、易于使用的资源以及道德和社会危害。除了解决偏见和虚假信息等问题的缓解技术外,辩论强调通过持续的利益相关者沟通和道德原则实现负责任的发展的重要性。
Nov, 2023
该研究探讨了生成人工智能在反映作者认知过程、进行创意表达方面的潜力和限制,发现根据创意、美学、新颖性、娱乐性和深度等标准,AI 生成的艺术作品能够理解人类意图和基于情感进行视觉表现,并发现过度表现某些元素或刻板印象的图像对于 AI 的对齐性有负面影响。研究结果表明,AI 在促进创造力和自我情感表达方面具有潜力,而采用生成 AI 的框架可以帮助设计相关领域的人工智能干预措施(例如心理健康教育、治疗和咨询)。
Apr, 2023