- AIxArtist:与人工智能互动逃离创作瓶颈的第一人称故事
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 - 探索人工智能对知识工作创造力的影响:超越机械抄袭和随机鹦鹉
人工智能和生成模型对知识工作产生了深远影响,探讨了创造力、原创性、抄袭、归属权等问题。通过文学批评、艺术史和版权法例子,指出创造力和原创性无法被界定为对象的信息熵属性,而是过程、作者或观众的属性。认为创造力最终由创作者和受众共同界定,在人工 - 公司背景下设计思维与创意视角的定量动态
本研究使用构建的动态语义网络的新方法分析了设计思维研讨会上的设计讨论,并对该过程中公司代表和公司规模进行了研究,结果表明,与单一公司设计中心的研讨会相比,来自四家公司的研讨会中的设计管理人员更专注于更具体的设计问题,其设计思维具有更少的歧意 - 人工智能与创意领域:当前与未来应用的简要回顾
本研究探讨了创意和人工智能之间的关系,研究了人工智能在艺术创作中的应用,并考虑了人工智能对意识研究、兴趣和决策能力的潜在影响和伦理问题,以刺激人们对人工智能在创意领域中使用和伦理问题的思考。
- 利用文本生成图像技术进行建筑设计构思
研究探讨文本到图像生成技术在建筑设计早期阶段支持创意的潜力以及其在设计师教育中的应用,发现生成工具支持探索想法和丰富设计过程,但也存在挑战,需要软件开发者和教育者支持创意和设计师的想象力。
- 人工缪斯:生成型人工智能聊天机器人已达到人类创造力水平
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 - 设计参与性人工智能:创意专业人员对生成性人工智能的担忧和期望
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 - CVPRMetaCLUE: 全面的视觉隐喻研究
本文介绍了 MetaCLUE—— 一组用于视觉隐喻的视觉任务,以及收集的高质量且丰富的比喻注释数据集,并对基于注释的最先进视觉和语言模型进行了全面的分析,重点介绍了当前方法在视觉隐喻分类、定位、理解和生成方面的优势和弱点,旨在为开发具有类人 - Scratch 编程跨模式下的自动创造力测量
研究基于对创意理论核心概念:流畅性,灵活性和原创性的整合,定义并应用一个通用的可高效计算的创意度量,将其应用于 Scratch 项目的机器学习模型中,人类专家和模型的创意度量结果存在差异,该方法可用于教育技术的创意度量。
- IJCAI面向开放域创造力和公平性的可控文本生成
本文介绍了一些控制文本生成的方法以增强语言生成模型的创造力和公平性,包括层级生成和约束解码,并应用于故事、诗歌、比喻语言的创意生成,以及减少生成模型的社会偏见。
- 音乐元创作中的挑战
本文简要分析了 Musical Metacreation 的演变过程,并指出了其中遇到的创新难题。最后,本文认为算法的混合可以是未来研究的有用方向。
- GPoeT-2:基于 GPT-2 的诗歌生成器
该研究旨在利用 GPT-2 生成机器生成的五行诗,在评估指标的基础上探讨好诗歌的量化方法,并呈现 94 首排名高的五行打油诗以激发人类的创造力。
- K-12 人工智能教育视角
本论文讨论了 AI 对医学、生物学、交通、娱乐等领域产生深远影响的同时,为应对未来 AI 驱动的社会挑战,将 AI 教育纳入 K-12 教育的必要性并提出了基于模块化的教学方法以促进学生的动机和创造性思维。
- 翻译中的创意:机器翻译对文学文本的约束
本研究探讨了翻译写作中机器翻译,后编辑和无辅助翻译等三种方式的创造性表现,并发现经由人的自然翻译创造性最高,机器翻译需要进一步改善。
- 关于 Jackson 等人所述文化紧密度指标的有效性及其与创意和秩序的关联的意见
该研究使用 Google Books Ngram 语料库上的语言指数证明 1800 年到 2000 年期间美国规范松动,与此同时发现了文化宽松化与创造力 / 秩序之间的关系,然而该研究的方法并不适用于验证该指数的有效性或建立创造力 / 秩序 - IJCAI产品设计中人工智能方法的问题考察
本文旨在将人工智能技术与产品设计领域相结合。首先提出设计问题的四个特性,即可分解性、相互依存性、创新和创造力,并提供了概念的定义。早期的设计范例证明了这些特性与人工智能解决方案的对应关系,同时指出了当前人工智能中在产品设计中存在的创造力匮乏 - 创意和机器学习:一项调查
该研究综述了机器学习和创造力领域的发展历程和现状,重点介绍了计算创造力理论、生成式深度学习和相应的自动评估方法,并讨论了当前研究面临的挑战和新机遇。
- 使用 DeLeNoX 转化探索性创意
DeLeNoX is a system that uses deep learning and novelty search to create diverse artifacts, specifically spaceships for - IJCAI面向神经启发的创意解码器
该研究提出了一种基于深度生成式框架内创意解码器,该解码器直接在从学习的潜在空间中抽样后调节神经元激活模式,通过对不同图像数据集进行实验,表明高度激活的神经元和弱激活的神经元的非典型协同促进了新颖和有意义的艺术品的生成。
- NIPS将虚幻的点云还原成三维雕塑物
提出了一种新的算法,Amalgamated DeepDream (ADD),利用深度学习技术生成出真实且独特的雕塑作品的 3D 点云数据,这种方法有利于推动机器创造力,并为艺术家提供了探索新方法、创造新流派而不是创造现有流派变异的可能。