在可预测性与随机性之间：从 AI 生成模型寻求艺术灵感
计算与语言
2025-06-17 v1
摘要
艺术灵感往往源自开放诠释的语言。本文探讨了 AI 生成的诗歌行作为创造力刺激物的应用。通过对两种生成式 AI 方法——长短期记忆变分自编码器（LSTM-VAE）生成的诗歌行和大语言模型（LLMs）生成的完整诗歌——的分析，我证明 LSTM-VAE 诗歌行通过共振意象与建设性不确定性的结合实现其唤起效果。虽然 LLMs 产出具有常规模式的技术精湛诗歌，但 LSTM-VAE 诗歌行可通过语义开放性、非传统组合和抗拒封闭的片段来吸引艺术家。通过创作一首原创诗歌——叙事通过与 LSTM-VAE 生成诗歌行的互动有机涌现，而非遵循预设结构——我展示了这些特征如何作为真实艺术表达的有力起点。
引用
@article{arxiv.2506.12634,
title = {Between Predictability and Randomness: Seeking Artistic Inspiration from AI Generative Models},
author = {Olga Vechtomova},
journal= {arXiv preprint arXiv:2506.12634},
year = {2025}
}
备注
Presented as a keynote at the 50th Linguistic Association of Canada and the United States (LACUS) conference in July 2024 and will be published in LACUS Forum 50